Contexte

L’Intelligence Artificielle est en passe de bouleverser nos vies.
L’objectif de ce programme est de fournir les fondements et les techniques les plus avancées de l’IA. Le cursus de ce programme est unique car il couvre l’ensemble des méthodes d’intelligence artificielle, parfois appelées cognitive computing. Ce programme s’appuie sur la symbolique et les données, leurs applications à certains domaines critiques de secteurs d’activité au travers des modules pratiques, notamment le Big Data ou encore les méthodes de l’apprentissage statistique/Machine Learning et de l’apprentissage profond/Deep Learning ou encore, de l’apprentissage par renforcement/reinforcement learning.

L’Executive Certificate Intelligence Artificielle Sciences des données de CentraleSupélec Exed permet à des professionnels aguerris d’acquérir toute l’expertise utile et indispensable au pilotage et à la mise en œuvre de projets d’intelligence artificielle au sein d’une structure. Ce cursus couvrant l’intégralité du spectre allant de la théorie à la pratique, porté par un contenu et des intervenants de haut niveau, offre à ses participants une opportunité unique d’accéder à l’excellence en se familiarisant aux dernières avancées en méthodes et applications de l’intelligence artificielle.

ObjectifS

A l'issue de cette formation, le participant sera en capacité de :
- IDENTIFIER les enjeux de l’Intelligence Artificielle.
- IDENTIFIER les opportunités à partir de cas d’usages métiers.
- APPLIQUER les connaissances de base, socles principaux du domaine de l'IA.
- UTILISER l'IA et son potentiel.
- DÉVELOPPER une solution IA.

PROGRAMME

Contexte & Objectifs
Ce module a pour objectif d'introduire les principaux concepts, méthodologies et technologies de l’Intelligence Artificielle.

Après une présentation du domaine de l’intelligence artificielle, de ses deux principaux courants IA symbolique et IA à base d’apprentissage, nous détaillerons pour chaque courant les principaux modèles ou paradigmes et leurs domaines d'application. Nous introduisons l’IA symbolique et nous fournirons un panorama des principaux modèles : les modèles à bases d’état, les modèles à base de variables comme les CSPs ou les réseaux bayésiens et enfin les modèles à base de connaissance. Pour chaque famille de modèles, nous insisterons sur le type de problèmes auxquels les différentes familles de modèles peuvent répondre, leurs avantages et leurs inconvénients. Enfin, la formation se terminera sur un des grands enjeux actuels de l’IA : la construction de systèmes d’IA digne de confiance. Cet enjeu sera décliné en plusieurs défis : la robustesse et la certification des systèmes d’IA, leur explicabilité et leur éthique.

- Une brève introduction à l’intelligence artificielle/science des données.

- Panorama des approches d’IA symbolique + travaux pratiques.

- Quelques enjeux actuels de l’IA : hybridation, explicabilité et robustesse.
Régulation des usages de l’IA
L’objectif de cette formation est de présenter les différentes voies de régulation possibles et de dresser un panorama des initiatives normatives en cours, pour comprendre et évaluer les usages licites de l’IA.

- L’IA et le droit : définitions, présentation des différents instruments.
- Le droit de l’IA : Étude pratique de l’AI Act, mise en situation pratique (ex. d’une création culturelle), QCM.
Technologie & mise en pratique - Approches probabilistes et apprentissage
L’objectif de ce module de formation est d'introduire les concepts et techniques pertinents à la reconnaissance statistique des formes. La classification hiérarchique non supervisée, les moyennes k, la règle de Bayes, les pertes et les risques, le risque de Bayes, les estimations du maximum de vraisemblance, les modèles graphiques probabilistes, LDA, la classification à partir des méthodes du plus proche voisin (k-NN) sont quelques-uns des concepts présentés. Un focus sera fait sur les techniques de visualisation de données telles que t-SNE.

- Proba/ stat (Bayes, ML, décision, ...), supervisé : DA approaches (LDA, QDA, …), SVM.
- Non supervisé (clustering) et Visualisation.
- Étude de cas.
Technologie & mise en pratique - Apprentissage statistique
Ce module présentera les principales approches d’apprentissage statistique telles que la régression linéaire ou logistique, les arbres de décision, les méthodes d'ensemble, les forêts aléatoires, le boosting, etc. Des questions essentielles liées au pré-traitement des données, dont la réduction de leur dimension, et aux métriques d’évaluation des approches de l’apprentissage statistique seront aussi discutées dans ce cours.

- Machine Learning (classification, régression).
- Étude de cas.
Technologie & mise en pratique - Réseaux Neuronaux et traitement automatique du langage naturel
Dans ce module, nous proposons une introduction aux principales architectures de réseau de neurones pour adresser des problèmes en vision par ordinateur et en traitement automatique du langage naturel. Le module est à la fois théorique et pratique, une partie du module étant consacrée à la réalisation de projets en deep learning avec accès à des ressources GPUs. Les TPs seront réalisés avec le framework pyTorch.

- Introduction aux réseaux de neurones.
- Réseaux convolutifs et applications.
- Cas d’usage en vision.
- Deep learning pour le traitement automatique du langage naturel.
- Mécanismes d’attention et Transformeurs.
- Cas d’usage en traitement du language naturel (LLM / RAG).
Déclinaison personnalisée aux secteurs d'activité
Ce cours vise à permettre la déclinaison des enseignements aux secteurs d’activité spécifiques via :

- Analyse high level du secteur & opportunités au regard des technologies.
• Revue documentaire & macro afin de comprendre les tendances et, par rapport aux technologies envisagées, les éléments les plus intéressants via une revue de littérature.
- Prototypages / Tests.
• Conception de solution (traitement & maquette) et test de la solution auprès des utilisateurs potentiels (afin de confirmer l’intérêt, procéder tot à des ajustements.
- Premiers prototypes.
• Conception d’un premier prototype fonctionnel.
- Retour, ajustement et définition des objectifs finaux.
• Test, et definition des objectifs finaux / cas.
Technologie & mise en pratique - Langages de programmation et plateformes d'IA/SD
Ce cours vise à amener les professionnels des systèmes d’information et des sciences de l'information au niveau des métalangages et des paquets de programmation relatifs aux sciences des données et de l'intelligence artificielle. En particulier, nous étudierons les plateformes de sciences des données et l'IA au-delà des entrepôts de données, pour raisonner et interpréter les données non/ multi-structurées et dispersées en utilisant les métalangages de données massives les plus courants et les plus répandus : Hadoop, MapReduce, Spark, etc.

Le cours introduira aussi les modèles de stockage de données et les bases de données NoSQL en explorant en parallèle les opportunités et les défis ouverts dans l’utilisation des Dataframes (Spark, Pandas, etc.) et des formats de stockages dédiés aux données massives et l’IA comme Parquet.

- Langages de programmation & plateformes d’IA.
- Étude de cas.
Technologie & mise en pratique - Apprentissage par renforcement
L'apprentissage par renforcement représente un paradigme puissant permettant d'acquérir de manière dynamique la capacité de contrôler des systèmes complexes à partir d'exemples. Il peut être appliqué de façon pertinente dans une vaste gamme de domaines, tels que la robotique, les jeux, les modèles de langage, l'énergie et la santé. Ce cours offrira une solide initiation à l'univers de l'apprentissage par renforcement, et une familiarisation avec les défis majeurs et les approches essentielles, notamment la généralisation et l'exploration.
Technologie & mise en pratique - Systèmes multi-agents
Ce cours présente les principes du paradigme multi-agents et leur mise en œuvre pour l'intégration de systèmes intelligents et le développement de systèmes sociotechniques, avec un regard particulier sur la simulation multi-agent de systèmes complexes. Les apprenants utiliseront une plateforme multi-agent pour développer un système distribué en intelligence artificielle dans le contexte d’une simulation d'une application industrielle. Nous aborderons les notions suivantes :

- Modélisation multi-agents.
- Découverte d’une plate-forme multi-agent.
- Simulation multi-agent.
Évaluation des solutions
A l’issue du développement des solutions, il s’agira ici :

- De collecter les enseignements sur le prototype conçu
- D’en tirer les enseignements sur les prochaines étapes éventuelles

En utilisant au mieux l’intelligence collective issue du groupe.
certification scikit-learn
Certification

Pré-requis

Mathématiques pour l'ingénierie :
- Vecteurs (algèbre linéaire).
- Calcul différentiel.
- Optimisation.
- Equations différentielles.
- Probabilités et statistiques.
Informatique : connaissance de base des langages de programmation (C ++ ou Java ou Python).

- Procédure d’admission à cette formation :
Entretien téléphonique avec le/la chargé/e d’affaires pour comprendre vos attentes et votre projet professionnel en lien avec la formation visée.
Envoi de votre CV et/ou lettre de motivation au/à la chargé/e d’affaires puis transmission au responsable pédagogique du parcours qui étudie votre candidature et valide ou non les prérequis nécessaires à la formation. Retour sous 5 jours ouvrés.
Si votre candidature est validée, vous pouvez procéder à votre inscription via le CPF (si la formation y est éligible), ou via le bulletin d’inscription transmis par le/la chargé/e d’affaires.

public concerné

- Directeurs.
- Ingénieurs de recherche en développement.
- Informaticiens.
- Data scientists.
- Consultants techniques, ayant de bonnes bases en mathématiques et en programmation.

en pratique

Méthodes pédagogiques

Apports théoriques.
Mise en application de la théorie et exercices pratiques.
Adaptation à des secteurs d’activité spécifiques.

Moyens pédagogiques

Se prémunir d'un ordinateur portable.

Modalités d'évaluation

Chaque candidat est évalué au travers de quatre mises en situation professionnelle.
Ces mises en situation donnent lieu à la rédaction d’un rapport écrit et d’une soutenance orale devant un jury de professionnels.

Les + de la formation

- Formation élaborée avec des intervenants reconnus.
- De nombreux cas pratiques.
- Déclinaison aux secteurs d'activité.

Statistiques

85/100
Taux de satisfaction globale pour 389 formations
(sur un panel de 1531 répondants sur les 4140 participants en 2023)

89/100
Taux de satisfaction globale relative aux formateurs pour 389 formations
(sur un panel de 1531 répondants sur les 4140 participants en 2023)

Votre contact pour cette formation

Alexandra Dasniere

Chargée d'affaires Inter-Entreprise

+33 (0)1 75 31 63 45

Planifier un rendez-vous

Contacter par email

Ils vous en parlent

« Depuis les années 2000, les systèmes informatiques ont connu une formidable évolution technologique sous l’impulsion des géants du Web, qui sont aussi les leaders du Cloud, de l’Intelligence Artificielle, des technologies d’interface, des objets connectés, etc. Les contraintes de leur SI gigantesques les ont amenés à repenser la manière de gérer les projets, de penser les Architectures informatiques. Ils ont réinventé ou transformé : l’innovation, l'agilité, le déploiement en continu, DevOps, les architectures qui scalent, la sécurité, les outils Open Source... CentraleSupélec Exed forme vos équipes à ces nouvelles pratiques qui fondent la transformation digitale. »

Frédéric PASCAL
Head of Hub AI, CentraleSupélec.
Co-head of DATAIA institute, University Paris-Saclay.

« J'ai trouvé le parcours très diversifié et à la hauteur de mes attentes. J'en ai tiré des connaissances plus approfondies et j'ai pu acquérir une nouvelle expertise grâce à la qualité de ce programme et de ses intervenants. »

Florent Douat, Lead Data Scientist, Capgemini DEMS France

« J'ai souhaité apprendre les concepts, les technologies et aussi comprendre les enjeux autour de l'IA dans le but de pouvoir les mettre en pratique dans le monde professionnel. J'ai choisi ce parcours car il donne lieu à une certification et la réputation du responsable pédagogique ainsi que de CentraleSupélec Exed ne sont plus à faire. L'expertise des intervenants et les travaux pratiques sont un vrai plus. »

Tony Phung - Solutions Architect & Project Manager

Executive Certificate Intelligence Artificielle Sciences des données

Pour participer à la prochaine session

Nous contacter

Ce programme est disponible en intra-entreprise pour former vos collaborateurs

Former mes équipes

Référence :

IA03-25

Prix :

9 500€ (HT)

(Restauration offerte)

Télécharger la brochure

Contactez-nous pour en savoir plus sur les prochaines dates de ce parcours.

+ Plus de dates
18 jours - 126 heures
Paris (75015) et Gif-sur-Yvette (91190)

Contexte

ObjectifS

PROGRAMME

Pré-requis

public concerné

en pratique

Méthodes pédagogiques

Moyens pédagogiques

Modalités d'évaluation

Les + de la formation

Statistiques

Votre contact pour cette formation

Ils vous en parlent

Executive Certificate Intelligence Artificielle Sciences des données

Ils parlent de cette formation

Retrouvez-nous au Salon du Big Data & IA

Retour d’expérience : Yannis TALBI, certifié en Intelligence Artificielle Sciences des données

Retour d’expérience de Céline BERTHOU, certifiée en Intelligence Artificielle pour confirmés

Retour d’expérience : Pierre COURROUSSE, certifié en Intelligence Artificielle Sciences des données

Retour d’expérience de Arnaud Woiselle, Expert Traitement d’Images chez Safran Electronics & Defense

Formations sur le même thème

Cybersécurité et management des risques numériques par la méthode EBIOS RM

Deep learning theorie et pratiques

Executive Certificate Architecte Nouvelles Technologies