IA pour Product Managers

1 jour
12 participants
chez Hymaïa

Cette formation a pour objectif de fournir à tout Product Manager les bases nécessaires pour comprendre les enjeux de la data et de l’IA et comment les incorporer dans son langage et travail quotidien.

Participation à la fresque de la Data pour poser les bases et échanger autour des principaux concepts de la Data.

Prix*
750€ HT
Prochaine session :
Nous contacter
*finançable par l'OPCO En savoir plus

Objectifs

<div class="wrapper-block"><div class="wrapper-objectives"> <div class="icons-check"> </div>Savoir définir ce qu’est l’Intelligence Artificielle et le Machine Learning</div><div class="wrapper-objectives"> <div class="icons-check"> </div>Savoir juger lorsque le Machine Learning est nécessaire dans un projet data et quand il ne l’est pas</div><div class="wrapper-objectives"> <div class="icons-check"> </div>Comprendre le lifecycle de tout projet à base de Machine Learning</div><div class="wrapper-objectives"> <div class="icons-check"> </div>Comprendre les spécificités inhérentes à la Data</div></div><div class="wrapper-objectives"> <div class="icons-check"> </div>Appréhender les étapes nécessaires à la création de Produits à base de Machine Learning</div>

Note

Public cible

  • Product Owner
  • Product Managers

Prérequis

Background de Product Management

Taux d'abandon

--

Programme détaillé

Télécharger

Bases du Machine Learning et de l’Intelligence Artificielle

Quelques principes clés

  • Qu’est-ce que le Machine Learning ?
  • L’importance clé de la data : Garbage In, Garbage Out
  • Apprentissage supervisé / non-supervisé
  • Travailler avec de la donnée structurée ou non structurée

Les situations pour lesquelles le Machine Learning est une bonne solution

  • Exemples pour l’automatisation
  • Exemples pour l’optimisation

Cycle de vie de développement d’un Produit Data

Etapes d’un projet ML typique

  • Identifier les personnes impactées
  • Collecter et préparer la donnée
  • Construire et évaluer un modèle
  • Déployer un modèle
  • Gérer le modèle en production

Challenges liés à la donnée

  • L’importance de la qualité de la donnée
  • Les principaux problèmes avec la donnée
  • Gérer l’annotation de données

Modèles et algorithmes

  • Classification
  • Moteurs de recommandation
  • Deep Learning / Réseaux de Neurones
  • IA Générative

Le framework CRISP-ML(Q)

  1. Compréhension business
  2. Compréhension de la donnée
  3. Préparation de la donnée
  4. Modélisation itérative
  5. Évaluation
  6. Déploiement, monitoring, maintenance

Les challenges spécifiques à l’IA dans les produits

Des systèmes non-déterministes

  • Gérer l’incertitude inhérente à l’IA et le besoin d’expérimentation
  • Tolérance à l’erreur pour des résultats probabilistiques
  • Convertir une performance statistique en une métrique business
  • Dégradation des performances dans le temps, monitoring et ré-entraînement

Ethique et régulations en Intelligence Artificielle

  • Biais et explicabilité
  • Régulations
  • Identifier et gérer les risques de privacy et d’éthique dans les projets data
  • IA responsable

Ce que l’IA Générative va changer

  • Les spécificités de l’IA Générative
  • Nouveaux besoins
  • Accélération du cycle de vie

Formateur(s)

Financer votre formation par un OPCO

En tant qu'organisme certifié Qualopi, les formations que nous vous proposons sont finançables par l'OPCO. Trouvez l'OPCO dont vous dépendez ici
Où nous trouver ?

Ces formations pourrait aussi vous intéressez

paiement en ligne
3h
200€HT
20 mars (le matin)

Fresque de la Data

en detail
paiement en ligne
2 jours
1500€ HT
28-29 mars 2024

Devenir Data & AI Product Manager

en detail
paiement en ligne
1 journée
800 € HT
21 mars 2024

Get your Data Governance Strategy to the next level

en detail

Notre prochain événement

Data Night Tech Talk #3 - Data to AI end-to-end

MER. 20 MARS - 19:00
Free
Hybrid
détails et inscription

Appuyez-vous sur les bonnes compétences Data

Nous vous apporterons une réponse sur mesure en vous délivrant notre savoir technologique et méthodologique.