Description de la formation
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 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.
Prochaines sessions
1 Formation disponible
Objectifs visés
- 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.
Contenu
- 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 consacré 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. - 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 science 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 donnes 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 plate-forme 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 - 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. - Évaluation des solutions.
A l’issue du développement des solutions, il s’agira ici
- De collecter les enseignements sur le prototype concus
- D’en tirer les enseignements sur les prochaines étapes éventuelles
En utilisant au mieux l’intelligence collective issue du groupe - Certification
Public Cible
Prérequis
- 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.
Faire une demande
CentraleSupélec Exed : Trois parcours de formation pour se spécialiser et développer les talents de l'entreprise
CentraleSupélec Exed est un organisme de formation certifié Qualiopi spécialisé dans les programmes Executive Education et les Mastère Spécialisé®. Il est directement dépendant de la grande École d'ingénieurs du même nom, CentraleSupélec. Avec ses différentes formations, CentraleSupélec Exed propose à ses...
Apprenez-en plus sur l'organisme et découvrez toutes leurs formations