Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
.png&w=3840&q=75)
- Data science et machine learning : evaluer et maîtriser les risques liés aux produits d'intelligence artificielle
.png&w=256&q=75)
Data science et machine learning : evaluer et maîtriser les risques liés aux produits d'intelligence artificielle
Objectifs
Programme
- Comprendre et différencier les concepts clés de l'Intelligence Artificielle (IA), du Machine Learning et du Deep Learning.
- Identifier et analyser les risques associés à l'IA, en utilisant des exemples concrets.
- Étudier le contexte réglementaire relatif à l'IA, en se familiarisant avec les différentes lois et régulations internationales.
- Maîtriser les critères d'évaluation des risques IA et les obligations générales en matière de conception, développement et mise hors service des systèmes IA.
- Appliquer les connaissances acquises pour évaluer les risques d'un projet IA et proposer des actions de mitigation appropriées.
1. INTRODUCTION À L'IA ET LES RISQUES ASSOCIÉS
- Définition de l'IA
- Similarités et différences entre l'IA et le développement d'applications traditionnelles
- Présentation du Machine Learning et du Deep Learning
- Explication des différents types d'apprentissage de modèles
- Présentation des grands modèles de langage
- Aperçu des risques liés à l'IA à travers des exemples concrets
2. CONTEXTE RÉGLEMENTAIRE AUTOUR DE L'IA
- Présentation de la loi sur l'IA de l'UE
- Explication des différents niveaux de risques : limité, élevé, inacceptable
- Présentation des exigences de transparence applicables aux IA génératives
- Aperçu du droit international sur l'IA : cas du projet de convention-cadre du Conseil de l'Europe sur l'IA
- Aperçu des réglementations états-unienne, chinoise et britannique sur l'IA
3. EXIGENCES APPLICABLES AUX SYSTÈMES D'IA ET ÉVALUATION DES RISQUES
- Rappel du cycle de vie d'un système d'IA
- Approche fondée sur les risques : identifier, évaluer, prévenir, atténuer
- Critères d'évaluation des risques IA : gravité, durée, réversibilité
- Présentation des obligations générales
- Principes de conception, de développement et de mise hors service de systèmes d'IA
4. TRANSPARENCE ET CONTROLE
- Notions de transparence et contrôle
- Présentation de l'obligation de rendre des comptes et responsabilité
- Explication sur l'égalité et non-discrimination
- Présentation des notions de vie privée et protection des données à caractère personnel
- Discussion sur la sûreté, la sécurité et la robustesse
- Introduction à l'innovation sûre
- Présentation d'une étude de cas : évaluation des risques d'un projet IA et actions de mitigation
Public visé
Cette formation s'adresse à tous les professionnels qui souhaitent se familiariser avec le monde de la Data Science et du Machine Learning, en particulier ceux qui travaillent dans des secteurs où l'Intelligence Artificielle joue un rôle clé. Les managers de projet en IA, les data scientists, les ingénieurs en machine learning et les responsables de la conformité des données bénéficieront grandement de cette formation. En outre, elle est également pertinente pour les professionnels en charge de la gestion des risques dans leur entreprise, notamment les directeurs de la sécurité de l'information et les responsables du contrôle interne. Cette formation est également adaptée à ceux qui ont une bonne connaissance des concepts de base en statistiques et en programmation et qui aspirent à évoluer vers des postes axés sur l'IA. L'objectif est de fournir à ces professionnels les outils nécessaires pour évaluer et maîtriser les risques liés aux produits d'IA, tout en renforçant leurs compétences techniques.
Prérequis
Avoir une expérience préalable dans le domaine du Machine Learning ou de l'Intelligence Artificielle. Il est essentiel d'avoir une compréhension de base des concepts et des applications de ces technologies pour pouvoir suivre efficacement la formation.
Être à l'aise avec les mathématiques de niveau lycée, notamment les statistiques. Ces connaissances seront utiles pour comprendre les algorithmes sous-jacents aux techniques de Machine Learning et d'IA.
Être muni d'un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur. Cela permettra de participer aux sessions en ligne, de suivre les démonstrations en direct et de poser des questions au formateur.
Avoir une bonne connaissance de l'anglais technique, car la plupart des ressources, documentations et logiciels utilisés dans le domaine de l'IA et du Machine Learning sont en anglais.
Une connaissance de base de la programmation, idéalement dans un langage couramment utilisé en data science comme Python ou R, est recommandée. Cela facilitera la compréhension des exemples de code et la mise en pratique des concepts appris.
Méthodes pédagogiques
L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.
Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.
Modalités d'évaluation
Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.
Choisissez une date pour pouvoir réserver !