Initiation à l'IA : Maîtriser les enjeux et risques, caractériser et suivre un projet
Cybersécurité / Minasmart
⚠️ Attention, les inscriptions via le bouton "s'inscrire" ne sont pas prises en compte. Inscription via ce lien
Initiation à l'IA : Maitriser les enjeux et risques - caractériser et suivre un projet
Intervenants : M. Vasile - Marian SCUTURICI, Enseignant Chercheur au laboratoire LIRIS de l'INSA Lyon et coordinateur des formations en Intelligence Artificielle. M. SCUTURICI interviendra en binôme avec M. Benjamin BERTIN, Docteur et Ingénieur en informatique, Data Scientist dans l'équipe de valorisation du LIRIS. La démarche pédagogique proposée s'appuiera sur l'alternance d'apports théorique, d'échanges techniques et d'illustrations autour de cas existants.
💰Tarif adhérent (Minasmart inclus) : 590 € HT 💰
💰Tarif non adhérent : 750 € HT 💰
Objectifs
- S'approprier et identifier les enjeux de la Data Science
- Caractériser et suivre un projet à base de science de données
- Maîtriser les risques liés à un projet IA
Au programme
- Introduction Science des données - 2 heures
- Historique de l'Intelligence Artificielle / Machine Learning / Science des données
- Introduction au Machine Learning : Apprentissage supervisé et non supervisé, données structurées et non structurées
- Un modèle prédictif en profondeur : Arbres de décision
- Validation d'un modèle, biais et variance
-
Impact du Big Data sur les méthodes d'apprentissage
-
Projets de science des données - 2 heures
- Cycle de vie d'un projet de science des données
- Exemple détaillé de la construction d'un modèle prédictif
- Indicateurs de qualité; validation d'un modèle prédictif
-
Méthodologie de suivi d'un projet de science des données
-
Deep Learning - 1 heure 30
- Du perceptron au réseaux profonds
- Entraînement d'un réseau de neurones profond : Descente de gradient, back propagation
- Architectures de réseau profond : Réseaux convolutifs, réseaux à base d'attention
-
Le Transfert Learning
-
Les risques liés à un projet IA - 1 heure 30
- Qualité des données
- Éthique d'un projet
- Qualité d'un modèle prédictif
- Explicabilité d'un modèle
- Impartialité d'un modèle
- Effet sur le comportement utilisateur
- Limitation actuelle de l'IA; influence de l'IA sur l'emploi
GA Number: 101083775