Science des données et modélisation

Cette formation vous permettra d'acquérir : Une compréhension approfondie des éléments d'un réseau de neurones et de leurs relations Une expérience concrète avec les méthodes de deep learning actuelles et leur application à des business cases L'ensemble des outils et des compétences pour mettre en place des solutions de deep learning orientées business mais également responsables d'un point de vue social et éthiqu Cette formation permet la validation du bloc de compétences RNCP38584BC02 - Analyser et traiter des données -, de la certification professionnelle « Chef de projet en développement de solutions d'intelligence artificielle », de niveau 7 délivrée par aivancity et enregistrée au RNCP sous le numéro 38584 (le 09-02-2024). Cette certification est capitalisable sur 5 ans. Vous pouvez choisir de préparer l'intégralité du titre progressivement au fil du temps ou faire reconnaître vos compétences complémentaires par la VAE.

Module 1 : Prise de décision basée sur les données Prise en main de la visualisation des données, de l'analyse data exploratoire, puis exploitation de la puissance des données, et de leurs rôles dans la prise de décision en entreprise. Les principaux concepts abordés dans ce module sont : - La prise de décision grâce aux données - Le nettoyage des données - Le codage des données - La visualisation des données en utilisant Python Module 2 : Algorithmes de machine learning classiques Apprendre à connaître et à utiliser les techniques fondamentales du machine learning, et à savoir jauger l'impact de tels outils dans une entreprise. Les principaux concepts abordés dans ce module sont : - Les séries temporelles - Le clustering (partitionnement de données) - Les méthodes de régression en utilisant scikit-learn Module 3 : Éthique, biais et limitations du machine learning Explorer les principaux défis du machine learning, et les considérations éthiques et juridiques de l'utilisation des données dans le monde du business. Les principaux concepts abordés dans ce module sont : - L'évaluation de modèle - L'analyse de performance - Surapprentissage vs. sous-apprentissage - L'augmentation des données - Les méthodes ensemblistes - Les enjeux éthiques, juridiques et sociaux de l'utilisation des données

Etudes de cas pratiques, mise en situation professionnelle reconstituée

Bonnes connaissances en outils mathématiques (algèbre linéaire, probabilités, statistiques) et en programmation (Python).