Des illustrations de cas concrets vous permettront d'appréhender les enjeux et vos leviers d'action pour développer et implémenter des systèmes d'IA plus responsables. Les mises en pratique proposées vous permettront de découvrir et manipuler les principales librairies Python favorisant l'interprétabilité et la vigilance (biais discriminatoires).
40% pratique
20% échanges
La formation en détails
Description
Des illustrations de cas concrets vous permettront d'appréhender les enjeux et vos leviers d'action pour développer et implémenter des systèmes d'IA plus responsables. Les mises en pratique proposées vous permettront de découvrir et manipuler les principales librairies Python favorisant l'interprétabilité et la vigilance (biais discriminatoires).
Objectifs
- Prendre conscience des problèmes d'éthique en Data Science
- Découvrir les différentes typologies de problèmes
- Appréhender les responsabilités de chacun
- Favoriser l'interprétabilité des modèles
- Détecter les biais discriminatoires et les corriger
Public cible
- Data scientist
- Chief data officer (CDO)
- Data protection officer (DPO)
- Manager
- Analyste
- Statisticien
Prérequis
- Connaissances en data science et machine learning
- Connaissances de base en programmation ou scripting
- Quelques notions de statistiques sont un plus
Modalités pédagogiques
Profil du formateur
Modalités d'évaluation et de suivi
Afin de valider les compétences acquises lors de la formation, un formulaire d'auto-positionnement est envoyé en amont et en aval de celle-ci.
Une évaluation à chaud est également effectuée en fin de session pour mesurer la satisfaction des stagiaires et un certificat de réalisation leur est adressé individuellement.
Programme détaillé
PRÉSENTATION CROISÉE ET ATTENTES DES PARTICIPANTS
- Définition des concepts liées à la Data et à l’Intelligence Artificielle (IA)
PRÉSENTATION DES DIFFÉRENTES TYPOLOGIES DE PROBLEME
- Responsabilités juridiques
- Protection des données personnelles
- Biais discriminatoires
- Présentation des 5 piliers de l’IA Responsable
INTERPRÉTABILITÉ : POUVOIR EXPLIQUER SES MODÈLES
- L’interprétabilité pour qui ?
- Les sources de complexité
- Le trade-off Performance vs Interprétabilité
- Les outils (Eli5, Lime, Shap)
- Mise en pratique : “Démonstration au travers d’un cas d’usage”
LA VIGILANCE : CONNAÎTRE SES DONNÉES
- L’origine des biais
- Des vérifications à tous les niveaux
- Les outils (AI Fairness 360)
- Mise en pratique : “Démonstration au travers d’un cas d’usage”
CLÔTURE
- Retour d’expérience
- Questions/Réponses
- Évaluation de la session
Nos autres formations du domaine « Data Science » Toutes les formations du domaine
S'initier à la pratique de la Data Science et constituer sa première boîte à outils de Data Scientist
Approfondir des concepts avancés de machine learning et enrichir sa boîte à outils de Data Scientist
Devenir un expert du langage écrit et parlé avec python
Concevoir des modèles de Machine Learning en visant un équilibre entre performance et frugalité
Comprendre les spécificités d'un projet de Data Science pour mieux le piloter de la conception au delivery
Appréhender et prendre en main les nouvelles architectures de données : Hadoop, NoSQL, Spark
Besoin d'aide pour trouver votre formation ?
Sessions & Inscriptions
Session partagée avec d'autres organisations
Prochaines sessions
-
le 04/04/2024Présentiel, Paris1 090,00 € HT
-
le 20/09/2024Présentiel, Paris1 090,00 € HT
-
le 29/11/2024Présentiel, Paris1 090,00 € HT
Organiser une session dédiée à votre organisation
Vous avez plusieurs collaborateurs à former ?
Cette formation peut être organisée
sous la forme de sessions dédiées
aux membres de votre organisation.
Personnaliser cette formation
Cette formation vous intéresse
et vous souhaitez l'adapter pour
vos collaborateurs ?
Nos formateurs et notre équipe pédagogique sont à
votre disposition pour en discuter
et vous proposer un programme sur-mesure.