> Formations > Technologies numériques > Gestion de projet > Méthodes Agiles, Scrum, AgilePM, SAFe > Formation Intelligence artificielle pour product owner > Formations > Technologies numériques > Formation Intelligence artificielle pour product owner

Formation : Intelligence artificielle pour product owner

Intelligence artificielle pour product owner

Télécharger au format pdf Partager cette formation par e-mail 2


L'IA est une "technologie" puissante qui impacte l’ensemble des processus métiers, transforme les organisations et modifiera notre manière de travailler, constituant ainsi un levier de rentabilité et d’innovation. Ces transformations ne peuvent se faire qu’avec des équipes métiers qui comprennent l'IA, ses enjeux, ses meilleures pratiques. Ce cours approfondi mais non technique permet aux chefs de produits, responsables de projet, product owner de faire de l’IA un levier de création de valeur et de rentabilité. On acquiert les compétences pour mener un projet utilisant du machine learning.


Inter
Intra
Sur mesure

Cours pratique en présentiel

Réf. IAY
Prix : 2280 € H.T.
  3j - 21h00
Pauses-café et
déjeuners offerts




L'IA est une "technologie" puissante qui impacte l’ensemble des processus métiers, transforme les organisations et modifiera notre manière de travailler, constituant ainsi un levier de rentabilité et d’innovation. Ces transformations ne peuvent se faire qu’avec des équipes métiers qui comprennent l'IA, ses enjeux, ses meilleures pratiques. Ce cours approfondi mais non technique permet aux chefs de produits, responsables de projet, product owner de faire de l’IA un levier de création de valeur et de rentabilité. On acquiert les compétences pour mener un projet utilisant du machine learning.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • Identifier les problématiques business qui peuvent bénéficier du ML (machine learning)
  • Prioriser les cas d’usage
  • Identifier le bon modèle à utiliser en fonction de la problématique
  • Structurer une démarche produit/projet de ML : de la préparation des données jusqu’à la mise en production
  • Analyser les performances d’un modèle d’un point de vue business
  • Appréhender les enjeux et risques liés à ce type de projet

Public concerné
Chefs de projets “métiers”, chefs de produit, product owner.

Prérequis
Maîtriser la gestion de projet.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Programme de la formation

L'intelligence artificielle (IA), le machine learning (ML)

  • Les enjeux de l'IA.
  • Panorama de l'IA (règles VS ML, systèmes hybrides...).
  • Machine learning : concept et use cases.
  • Régression, classification et clustering.
  • Réseaux de neurones artificiels/deep learning.
  • NLP : principes et applications.
  • Computer vision : principes et applications.
Exercice
Ice breaker pour bien démarrer.

Cas d'utilisation en IA

  • Présentation de use cases mis en œuvre en entreprise.
  • Sélection de use cases pour analyse.
Exercice
Analyse de business case pour savoir s'il est pertinent d'utiliser du ML. Quelle démarche utiliser ?

Se préparer à un projet de machine learning

  • Enjeux et risques.
  • Compétences nécessaires.
  • Évaluer et préparer ses données.
  • L'agilité pour les projets de ML.
Travaux pratiques
Projet d'IA : business canvas. Choisir un problème à traiter par du ML. Renseigner le canvas.

Projet de ML : création de valeur

  • Du pain point à la création de valeur.
  • Approche "client centric", approche "design thinking".
  • Les enjeux de l'intégration des modèles d'IA dans les processus métiers.

Algorithmes de ML

  • Présentation.
  • Modélisation d'un problème au sens machine learning : input/output.
  • Principaux algorithmes caractéristiques.
  • Hyperparameters des modèles.

Démarche end to end du projet de ML

  • Overfitting/underfitting : quelles solutions ?
  • Qui fait quoi dans un projet de ML ?
  • Avec quelle méthodologie ?
  • De l'acquisition des données à l'industrialisation (illustration avec un use case).
  • La problématique des données : quantité, qualité, non représentativité, focus sur "imbalanced dataset".
  • Features engineering : irrelevent features, comment sélectionner, extraire et créer des nouveaux features.
  • Les enjeux données/algorithmes, les biais, la privacy.
Travaux pratiques
Présentation de uses cases : classification, clustering, NLP/classification. Sélectionner un use case, préparer son dataset. Visualiser les données. Présenter les "features" pertinents.

Création de modèle de machine learning

  • L'écosystème de l'IA.
  • Panorama des solutions, des acteurs et fournisseurs, les services en ligne existants chez les GAFAM et les start-up.
  • Langage Python, les bibliothèques :
  • De traitement de données (NumPy, Pandas, matplotlib...).
  • De ML (Keras, scikit-learn...).
  • De DL (Tensorflow).
Travaux pratiques
Réalisation d'un projet de ML et suivi pas à pas du projet avec la collaboration d'un coach datascientist. (Préparation et visualisation des données. Sélection de features. Entraînement et évaluation des modèles. Mesure de la performance. Création d'un modèle de ML sans code).

Enjeux de l'évaluation business

  • Création de valeur.
  • Les enjeux de l'évaluation.
  • Performance.
  • ROI, retour sur investissement.

Pratiques projet et organisation

  • Synthèse des meilleures pratiques du point de vue métier.
  • L'organisation des compétences au sein d'une organisation data driven.


Modalités pratiques
Travaux pratiques
Exposés théoriques, études de cas concrets en groupe, quiz, démonstration par le formateur puis mise en pratique pour un meilleur ancrage des connaissances.
Méthodes pédagogiques;
Pédagogie active, échanges avec des experts de l'IA.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Solutions de financement
Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.
Il vous aidera à choisir parmi les solutions suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.

Avis clients
5 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
THOMAS G.
11/03/24
5 / 5

Très bien, un peu plus de temps pour les exercices aurait peut être été bénéfique
OLIVIO S.
11/03/24
5 / 5

Tres complet et concret
XAVIER N.
11/10/23
5 / 5

Très bonne introduction au machine learning, qui prend le temps d’aborder en détail mais de façon pédagogique les fondements des techniques abordées. Le formateur est excellent, capable d’expliquer de façon pédagogue et progressive des concepts parfois complexes, le tout avec humour. Je recommande.




Horaires
En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 15h30 le dernier jour.

Dates et lieux
Du 10 au 12 juin 2024
FR
Paris La Défense
S’inscrire
Du 23 au 25 septembre 2024
FR
Paris La Défense
S’inscrire
Du 13 au 15 novembre 2024
FR
Paris La Défense
S’inscrire