Fondements de l’Intelligence Artificielle et du Machine Learning
Une des potentialités des méthodes d’IA porte sur l’interprétation de données complexes recueillies à grande échelle, les domaines scientifiques producteurs de données sont donc des terrains naturels pour la mise en œuvre de ces méthodes. Si les potentialités sont réelles, il y a toutefois certaines conditions à réunir pour passer de la preuve de concept à la mise en production.
Cette formation alternant fondements théoriques et cas d'usage, répond aux enjeux du marché en constante évolution dans ce domaine. Vous pourrez ainsi passer de la preuve de concept en machine Learning à la mise en production directement en situation opérationnelle.
Cette formation alternant fondements théoriques et cas d'usage, répond aux enjeux du marché en constante évolution dans ce domaine. Vous pourrez ainsi passer de la preuve de concept en machine Learning à la mise en production directement en situation opérationnelle.
Public & Pré-requis
- Chefs d’équipes techniques
- Responsables bases de données
- Ingénieurs, actuaires, etc.
- Éléments de mathématiques (Cycle universitaire ou ingénieur)
Objectifs
- Développer une connaissance scientifique du domaine, mesurer les potentialités et les limites, comprendre les principaux leviers et bonnes pratiques en vue de la mise en œuvre,
- Appréhender les formalismes existants pour la représentation de données complexes : séries temporelles, signaux multivariés, données relationnelles modélisées par des graphes, séquences de symboles, etc.
- S’initier aux différentes approches algorithmiques basées sur des principes statistiques, d’optimisation ou encore d’agrégation.
Contenus
Jour 1 - Fondements théoriques et bonnes pratiques en science des données et en machine learning
- Typologie des données et des problèmes d’apprentissage, approches algorithmiques, évaluation de la performance, pipeline complète du capteur à l’usage et la décision et de la conception à la production, environnements logiciels.
Jour 2 - Illustration sur des cas d’usage
Présentation de pipelines complètes et mise en œuvre d’algorithmes sur des données complexes : signaux physiques ou biomédicaux, processus épidémiologiques, flux logistiques, images satellitaires, vidéo, etc...
Points forts
Cette formation de deux jours est co-animée par des enseignants-chercheurs du Département d'Enseignement et Recherche de Mathématiques de l'ENS Paris-Saclay proposant des formations en mathématiques de très haut niveau scientifique à la pointe de la recherche.
Modalités d’inscription
- Formation inter-entreprises : fiche d’inscription téléchargeable à adresser par mail.
- Formation intra-entreprise : nous contacter pour l’établissement d’un devis.