Comment identifier une opportunité de développement d’IA?

Durée

14 h

Objectifs

À la suite de la formation, l’apprenant sera en mesure d’analyser et de discriminer les opportunités d’utilisation de l’intelligence artificielle (IA) dans son organisation.

Objectifs spécifiques :

1. Reconnaître les différentes familles de tâches de l’IA telles que la régression, la classification et les systèmes de recommandation.
2. Classifier différentes applications selon le type de tâches d’IA.
3. Organiser les données de manière à ce qu’elles soient prêtes à un développement en IA.
4. Mesurer le potentiel des données et en identifier les lacunes.
5. Expliquer les particularités propres aux réseaux de neurones et au méga données (big data).

Contenu

Description sommaire des parties de la formation :

  1. Classification et régression : présenter ce qu’est la classification et la régression. Renforcer l’apprentissage par des études de cas et des exercices de classification.
  2. Outils courants de classification et de régression : présenter graphiquement le fonctionnement de certains outils comme la régression linéaire, la régression logistique et l’arbre de décision.
  3. Organisation des données : présenter à l’apprenant comment organiser les données pour réaliser de la classification et de la régression. Renforcer l’apprentissage par des mises en situation.
  4. Données manquantes et création de variables : présenter les problèmes courants tels que les valeurs manquantes ou aberrantes. Présentation de la création de variables. Renforcer l’apprentissage par des mises en situation et des exercices de classification.
  5. Analyse prédictive vs descriptives : présenter la différence entre l’analyse prédictive et l’analyse descriptive. Renforcer l’apprentissage par des études de cas.
  6. Série chronologique : présenter l’analyse prédictive chronologique. Renforcer l’apprentissage par des mises en situation.
  7. Systèmes de recommandations : présenter des trois types de systèmes de recommandation. Renforcer l’apprentissage par des mises en situation et des exercices d’association.
  8. Apprentissage par renforcement : présentation de l’apprentissage par renforcement. Renforcer l’apprentissage par des études de cas.
  9. Données non structurées et réseaux de neurones : présenter les particularités, les forces et les faiblesses des réseaux de neurones et leurs applications aux données non structurées. Renforcement de l’apprentissage par des études de cas et des exercices de classification.
  10. Méga données (big data) : présenter la définition du big data et ses particularités. Renforcement de l’apprentissage par des exercices d’associations.

 

Stratégie pédagogique

Il est important que la formation soit la plus spécifique au domaine d’affaires du client. Un sommaire du profil du participant sera ainsi demandé à l’avance, et ce, afin que les mises en situation, les études de cas et les exercices de classification et d’association soient adaptés. Les mises en situation pourront aussi prendre la forme d’analyse de cas réels que pourront définir les apprenants à l’intérieur du cours. Voici les méthodes pédagogiques utilisées :

  • Présentation magistrale
  • Mise en situation
  • Études de cas
  • Exercices de classification et d’association

Clientèle visée

Cette formation s’adresse autant aux entreprises en démarrage, aux petites et moyennes entreprises tout comme aux grandes organisations privées ou publics et ce pour tout domaine d’affaires. Il s’avère que les outils utilisés en IA sont, à haut niveau, toujours les mêmes.

Elle s’adresse notamment à toute personne n’ayant pas ou peu de connaissances techniques en IA et qui veut être en mesure d’identifier et de mettre en valeur ses données et vise davantage un public « affaires ».

Lieu de formation

En ligne
Le démarrage des cours est conditionnel à un nombre suffisant d’inscriptions. Les dates peuvent varier. Vous serez avisé des changements s’il y a lieu. Certaines conditions s’appliquent pour les formations de courte durée financées par Emploi-Québec.