BIG DATA ET IA : UNE RÉVOLUTION QUI EN CACHE UNE AUTRE ?
Savoir définir le Big Data par rapport aux 3 V (Volume, Vitesse et Variété)
Le changement pour le business : coût du stockage, puissance de calcul et loi de Moore
Le levier business : la Data Science et par extension le Machine Learning, est un des leviers de la révolution Big Data
Data Science, une révolution à la fois technologique, business et sociétale
BIG DATA, DATA SCIENCE, MACHINE LEARNING ET IA
S’entendre sur les différents termes : définitions des experts OCTO
Introduction au Machine Learning, entraîner automatiquement une machine en optimisant une fonction coût
Illustration : exemple d’un algorithme simple
"BESTIAIRES" DU MACHINE LEARNING, VUE D’ENSEMBLE DES ALGORITHMES
Clarification des 4 grandes catégories de Machine Learning
Apprentissage supervisé et non-supervisé : quelles distinctions et applications ?
Savoir identifier l’algorithme adapté à son problème de Data Science
Mesurer la performance de son modèle de Machine Learning :
- Simulation du comportement
- Entraîner et tester son modèle
- Méthodologie d’évaluation
Apprentissage supervisé
Apprentissage non supervisé
L’ENJEU ACTUEL DE LA DATA SCIENCE : L’INDUSTRIALISATION
Méthodologie Data Science : illustration au travers d’un use case
Organisation, rôles et gouvernance
L'ouverture du SI vers l'extérieur tant en collecte de données qu'en fourniture : les nouveaux process
Définir son équipe
Retours d’expérience
IA RESPONSABLES : GREEN AI, ÉTHIQUE ET RÉGLEMENTATION
Enjeux du Green AI pour les organisations
Le bon investissement de la performance algorithmique
Clarification de l’IA Act et de son champ d’application
L’IA Act : une approche basée sur les risques
CLÔTURE DE LA JOURNÉE
Retour d’expérience
Questions/Réponses
Évaluation de la session