Intelligence artificielle & data science
Applications métier et stratégie de mise en oeuvre
L’objectif de cette formation est de sensibiliser, comprendre les enjeux, concepts clés et applications métiers de la Data Science (domaine de l’Intelligence Artificielle).
Cette formation concerne les personnes qui désirent :
- Comprendre les notions de base de la Data Science
- Connaître les applications métiers afin de pouvoir les décliner dans leur organisation / domaine métier
- Mettre en œuvre une démarche Data Science et expérimenter au travers d’un Data Lab
- Savoir comment mesurer l’impact de la Data Science, la valeur et les contraintes
- Être sensibilisé à la RGPD et aux contraintes autour de la gestion et sécurité de la donnée
Le sage dure 1 jour (8 h).
En plus de l’apport théorique et méthodologique, les techniques pédagogiques suivantes seront mises en œuvre :
- Illustrations par des cas concrets (approches et
cas d’usages mis en œuvre) : au moins 25% - Débats et ateliers d’idéation : au moins 25%
Niveau du stage : Base
Pas de pré-requis quant aux connaissances spécifiques sur la Data Science ou l’Intelligence Artificielle.
Public visé :
Responsables et fonctions métier ou support utilisant la donnée pour prendre des décisions et créer de la valeur sur les produits/processus/services de l’entreprise :
· Managers (Directeurs, Responsables d’Organisation)
· Responsables d’Equipes Métiers (toutes fonctions)
· Responsable Innovation
· Responsable R&T
· Responsable Systèmes d’Information
· Chief Data Officer
Sébastien COPPOLA :
Ingénieur ISAE, Data Science Project Manager, 11 ans d’expérience dans la Transformation Digitale
Olivier REBERGA :
PhD in Fluid Mechanics SUPAERO, Data Science Project Manager, 18 ans d’expérience dans les SI.
- Principes clés et définitions :
- Intelligence Artificielle
- Big Data
- Data Science
- Analytics
- Applications industrielles dans les domaines métiers :
- Conception
- Fabrication
- Support Client & Services
- Fonctions transverses : Supply Chain, Achats,
Qualité, RH, Finance, etc. - Systèmes d’Information
- Illustrations par des approches et cas d’usages mis en œuvre par l’animateur
- Retours d’expériences et débats entre les participants
- État de l’industrie : exemples dans différentes industries, grille de maturité de la Data Science
- Session interactive (atelier) pour identifier des cas d’usages dans le contexte des participants au stage
- Stratégie et approche pour mettre en œuvre une démarche Data Science
- Pré-requis (humains, techniques et données)
- Étapes clés
- Impacts sur l’organisation, les compétences,
les systèmes d’information
- Aperçu d’un processus de Data Science « End-to-End »
- Identification d’une problématique métier
ou d’une innovation - Acquisition de la donnée
- Analyses, développement d’algorithmes
et de modèles prédictifs - Visualisation et UX/UI
- Identification d’une problématique métier
- Introduction au mode Data Lab pour expérimenter rapidement en mode Agile avant de déployer une plateforme Data Analytics industrielle
- Valeur et Bénéfices de la Data Science : comment mesurer l’impact (valeur versus effort et risques)
- Introduction aux contraintes RGPD & Sécurité
- Notions d’Architecture et de Gouvernance de la donnée
- Data Platform
- Data Hub
- Data Lake
- ...
à TOULOUSE : le 9 mars 2020