Intelligence artificielle - Machine Learning (Séminaire) (4-026)
Lot 4 - Gestion et analyse des données - Intelligence Artificielle - Référence 4-026
Formation créée le 09/12/2024. Dernière mise à jour le 20/03/2026.Version du programme : 1
Type de formation
PrésentielDurée de formation
12 heures (2 jours)Intelligence artificielle - Machine Learning (Séminaire) (4-026)
Lot 4 - Gestion et analyse des données - Intelligence Artificielle - Référence 4-026
Objectif général de la formation : Offrir une compréhension globale des enjeux et des processus liés au Machine Learning dans un contexte d’entreprise, et fournir les outils pour évaluer et intégrer cette technologie dans des projets stratégiques. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 40 Niveau SAME visé : Sensibilisation Compétences visées : Identifier les rôles et impacts du Machine Learning dans les entreprises. Comprendre les étapes clés de la chaîne de traitement des données intégrant le Machine Learning. Évaluer les compétences et profils requis pour mener à bien des projets de Machine Learning. Reconnaître les facteurs critiques de succès pour la mise en œuvre d’un projet de Machine Learning.
Objectifs de la formation
- Comprendre les enjeux de l’utilisation du Machine Learning dans l’entreprise.
- Positionner le Machine Learning dans la chaîne de traitement de la donnée.
- Distinguer les compétences nécessaires ou les profils à recruter.
- Identifier les clés de réussite d’un projet autour du Machine Learning.
Profil des bénéficiaires
- Managers et décideurs impliqués dans la transformation digitale et l’innovation technologique.
- Professionnels de la gestion de données et des systèmes d’information.
- Toute personne souhaitant comprendre les applications du Machine Learning dans les entreprises.
- Notions de base en gestion des données et statistiques.
- Intérêt pour les applications technologiques dans l’entreprise.
Contenu de la formation
Jour 1 : Introduction et concepts fondamentaux (6 heures)
- Introduction au Machine Learning (2 heures) Définition et rôle du Machine Learning dans l’entreprise. Présentation des cas d’usage dans différents secteurs (santé, finance, industrie). Études de cas : Identifier les opportunités de Machine Learning dans un contexte métier.
- Positionnement du Machine Learning dans la chaîne de traitement des données (2 heures) Étapes clés de la chaîne de traitement des données : collecte, nettoyage, modélisation, déploiement. Intégration du Machine Learning dans les flux de données existants. Discussions interactives : Définir les points de friction et solutions possibles.
- Introduction aux outils et technologies (2 heures) Présentation des outils couramment utilisés : Scikit-learn, TensorFlow, PyTorch. Comparaison des technologies selon les cas d’usage. Démonstrations : Exploration d’un modèle simple avec Scikit-learn.
Jour 2 : Applications pratiques et gestion de projets (6 heures)
- Compétences et profils nécessaires (3 heures) Analyse des compétences techniques et organisationnelles requises. Identification des profils à recruter pour les projets de Machine Learning. Discussions : Structurer une équipe projet autour du Machine Learning.
- Clés de réussite d’un projet Machine Learning (3 heures) Identification des facteurs de succès : alignement stratégique, qualité des données, adoption par les utilisateurs. Évaluation des risques : éthiques, techniques, organisationnels.