▷ Offre de Formation DESS en science des donnees et intelligence artificielle avec CESI OUEST

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Etudiant

Prix

Nous contacter

Durée

Nous contacter

Niveau visé

Non diplômante

Localité

En présentiel

Découvrez les localités disponibles pour suivre cette formation en présentiel.

Objectifs

Au terme de cette formation, l'étudiant·e sera en mesure de/d':
• Comprendre les aspects théoriques de la SD et de l'IA et les utiliser dans des domaines d'application spécifiques.
• Étudier des aspects appliqués des techniques de la SD et de l'IA.
• Sélectionner la technique appropriée pour résoudre un problème spécifique relié à la SD et/ou à l'IA.
• Concevoir et mettre en oeuvre des architectures et des processus pour l'acquisition, le stockage et l'organisation des données.
• Concevoir et mettre en oeuvre des architectures et des processus pour le pré-traitement, l'analyse et l'exploitation des données à différents volumes.
• Concevoir des systèmes intelligents reposant sur l'analyse de données, les algorithmes de l'IA et/ou les connaissances du domaine.
• Concevoir et sélectionner les métriques appropriées pour évaluer de manière quantitative et qualitative les performances des algorithmes en SD et IA.
• Former les étudiant.e.s sur les enjeux sociétaux reliés aux technologies basées sur la SD et l'IA (ex. éthique, explicabilité, réduction de biais et partage de données).
• Mettre en pratique ses connaissances avec la réalisation d'un stage ou la rédaction d'un essai pour la résolution de problèmes dans des domaines variés.
• Savoir documenter, présenter et valoriser les résultats de recherche, ainsi que rédiger des rapports techniques et préparer des communications orales.

Programme

2 cours obligatoires:
Fondements de l'intelligence artificielle : Introduction et développement historique de l'IA. Agents rationnels. Résolution de problèmes et recherche. Problèmes de recherche avec contraintes. Logique formelle et calcul de prédicats. Modèles de représentation des connaissances. Planification automatisée. Raisonnement probabiliste et modèles prédictifs. Modèles de prise de décision. Apprentissage à partir de données. Études d'applications de l'IA.
Concepts statistiques pour la science des données : Rappels sur les concepts de probabilités et statistiques. Statistique et science des données. Modèles paramétriques vs. non paramétriques. Techniques d'échantillonnage des données et estimation de paramètres. Modèles statistiques pour la classification et la régression. Tests d'hypothèses. Propriétés d'un paramètre statistique: biais, consistance, efficacité. Maximum de vraisemblance. Statistique bayésienne. Analyse factorielle et analyse de variance. Réduction de dimensions. Modèles graphiques probabilistes. Méthodes de Monte-Carlo. Réduction du biais statistique dans l'analyse de données. Études d'applications.
3 cours au choix en fonction de son profil (général, IA ou Sciences des données)
- technologie avancée en télécommunication (GEN)
- Système de contrôle d'accès aux données (GEN)
- Conception de système temps-réel réparties embarquées (GEN)
- Ingénierie des protocoles de communication (GEN)
- Systèmes de communication multimédia (GEN)
- Sécurité Informatique et méthodes formelles (GEN)
- Robotique (GEN)
- Eléments d'intelligence artificielle appliquée (IA)
- Techniques d'apprentissage (IA)
- Apprentissage profond (IA)
- Intelligence Artificielle distribuée (IA)
- Eléments avancés d'analyse d'images (IA)
- Traitement automatique du langage naturel (IA)
- Fouille et entreposage de données (Sc. Don)
- Recherche d'information (Sc. Don)
- Techniques d'analyse des mégadonnées (Sc. Don)
- Bases de données avancées (Sc. Don)
- Algorithmes d'optimisation (Sc. Don)
- Web sémantiques (Sc. Don)