Machine Learning Strategy
Cette formation a pour objectif de vous aider à faire du Machine Learning un enjeu stratégique dans votre entreprise. Nombre d’entreprises ont aujourd’hui investi dans plusieurs projets à base de Machine Learning, voire ont plusieurs modèles en production. Ce qu’il manque alors est un alignement stratégique autour des enjeux, de la priorisation et des risques liés à l’utilisation du Machine Learning. L’objectif est de passer d’un mode de fonctionnement où l’IA doit prouver sa valeur à une vision stratégique de l’IA à l’échelle de l’organisation.
Objectifs
- Définir les grands enjeux et piliers du MLOps
- Comprendre les points communs et différences avec le DevOps
- Industrialiser un projet de Machine Learning, du notebook à l’IDE
- Monitorer, maintenir et ré-entraîner automatiquement un modèle de Machine Learning en production
- Ajouter de l’automatisation sur l’ensemble du cycle de vie d’un projet Data Science, notamment vie de l’intégration et du déploiement continu
Public cible
- Chief Data Officer,
- Responsable métier
- Responsable Data
Prérequis
Aucun pré-requis nécessaire
Programme détaillé
Machine Learning : Alignement sur les principaux enjeux
- Big Data, Data Science, Machine Learning, Intelligence Artificielle
- Fondamentaux de la Data Science
- Cycle de vie d’un projet Data Science
Les challenges actuels du Machine Learning
- Industrialisation et mise en production
- Pluridisciplinarité nécessaire à la création de produits data de bout en bout
- Data Product Management
- Alignement stratégique autour des définitions et enjeux et l’IA
- Gouvernance des projets IA
Gouvernance de projets IA
- Management des risques liés au Machine Learning
- Priorisation et pilotage des Use Case de Machine Learning
- Définition des responsabilités clés
IA responsable et éthique : enjeux et obligations
- Grands piliers de l’IA Responsable
- Explicabilité les modèles de Machine Learning
- Gestion des biais en Data Science
- AI Act
Créer une culture du Machine Learning et du MLOps
- Définition et enjeux du MLOps
- MLOps & DevOps : Application du framework CALMS au Machine Learning
- Sponsorship des stackholders
Ce qu’ils en disent…
Modalités d'évaluation
Un questionnaire d'auto-évaluation est envoyé aux participants avant et après la formation pour mesurer leur progression.
Pendant la formation :
Les acquis sont évalués tout au long de la formation par les formateurs sous forme de Quizz en ligne, questions réponses ou tour de table.
Le participant se verra délivrer une attestation de fin de formation à l’issue de la session
Organisation
Cette formation est en groupe de 6 à 12 personne en présentielle en intra-entreprise ou inter-entreprise en fonction du format souhaité par le commanditaire.
Modalités d'accès
Les sessions peuvent être programmées jusqu’ à 7 jours avant la date retenue, sous condition d’un formateur disponible et de la réception de la convention signée avant la session pour des groupes de 6 à 12 personnes .
Formateur(s)
Photos
Financer votre formation par un OPCO
Contacts
.png){kind=spacer}
Formation IA Act
IA pour Product Managers
MLOps & Machine Learning End-To-End
Penser “one-shot” pour l’industrialisation du Machine Learning
MLOps : les principes du DevOps appliqués au Machine Learning
Produits Data Science - N’attendez pas le modèle parfait avant d’industrialiser !
Nous vous accompagnons dans vos projets Data & IA
Les prochains événements Hymaïa
Hymanight - Data & AI Product Management Paris meetup #2
