- Comprendre les fondamentaux de l'IA et de la data science : Maîtriser les concepts clés et les applications de l'IA dans un contexte professionnel.
- Concevoir et structurer un projet IA : Élaborer une roadmap efficace en intégrant les aspects techniques et métiers.
- Gérer les données et garantir leur qualité: Mettre en place des stratégies de collecte, traitement et gouvernance des données.
- Développer, tester et déployer une solution IA: Choisir les modèles, entraîner les algorithmes et assurer leur industrialisation.
- Manager une équipe IA et adopter une approche agile:Coordonner les parties prenantes et piloter le projet avec les méthodes agiles.
Module 1 : Comprendre l'intelligence artificielle et la data science
- Définir l'IA et ses différentes approches
- Découvrir les cas d'usage IA dans les entreprises et leur impact.
- Comprendre le rôle de la data science dans l'IA et son importance.
- Identifier les étapes d'un projet IA et les ressources nécessaires.
- Expérimenter la classification et la régression pour la prédiction des algorithmes.
Atelier : Comparer des solutions IA existantes et identifier leurs points forts.
Module 2 : Concevoir et structurer un projet IA
- Définir les objectifs d'un projet IA et aligner les parties prenantes.
- Rédiger un cahier des charges fonctionnel et technique.
- Structurer un projet IA avec les bonnes approches
- Intégrer l'IA dans un projet existant et anticiper son impact.
- Construire un Minimum Viable Product IA.
Atelier : Élaborer une roadmap et identifier les ressources nécessaires.
Module 3 : Gérer les données et garantir leur qualité
- Identifier les sources de données et les techniques de collecte.
- Appliquer les principes de gouvernance des données et de protection des informations.
- Sécuriser et stocker les données pour assurer leur disponibilité.
- Exploiter des outils de data science pour visualiser et analyser les données.
Atelier : Évaluer la qualité des données et identifier les problèmes potentiels.
Module 4 : Développer, tester et déployer une solution IA
- Sélectionner les modèles en fonction du cas d'usage
- Entraîner et tester un modèle IA en optimisant ses hyperparamètres.
- Valider la performance des modèles IA et éviter l'overfitting.
- Déployer un modèle IA en production
Atelier : Comparer plusieurs modèles IA et évaluer leurs performances.
Module 5 : Manager une équipe IA et adopter une approche agile
- Définir les rôles clés dans un projet IA
- Organiser le travail avec les méthodes agiles et les rituels SCRUM.
- Planifier les tâches avec le backlog, les user stories et la priorisation.
- Gérer les risques et assurer l'adoption du projet IA en interne.
Atelier : Simuler un sprint planning et piloter l'avancement d'un projet IA.
Module 6 : Intégrer l'IA dans la stratégie d'entreprise et anticiper les tendances
- Définir une roadmap IA et évaluer son impact sur la stratégie d'entreprise.
- Anticiper les transformations des métiers avec l'intégration de l'IA.
- Respecter les réglementations IA
- Explorer les tendances IA : IA générative, automation, autonomie des systèmes.
Atelier : Élaborer une stratégie IA pour une entreprise fictive.
Attestation de formation
Non certificiante
Sans niveau spécifique
