Veuillez activer JS
icon

Mini Master : BIG DATA & INTELLIGENCE ARTIFICIELLE

Mini Master : BIG DATA & INTELLIGENCE ARTIFICIELLE

Mini Master : BIG DATA & INTELLIGENCE ARTIFICIELLE

L’ère du Big Data et de l’Intelligence artificielle généralisée a débuté grâce aux briques technologiques modernes qui nous permettent désormais de stocker et traiter de façon automatisée, dans des temps très courts, des données massives de nature et format divers.  

  • Jours de formation : 10 jours en 6 weekends consécutifs.
  • Horaires : de 09h00 à 15h00.
  • Volume horaire : 70 H.
Lectures : 27
QUIZZES : 20
DUREE : 70 H (12 jrs en 6 WE)
NIVEAU : Intermédiaire
LANGUAGE : Français / Anglais
ETUDIANTS : 0
EVALUATION : Oui
00Journées
00Heures
00Minutes
00Secondes
  • 70 H (12 jrs en 6 WE)
  • Online via GoToMeeting

Ce cursus de formation a pour but de vous préparer à des certifications telles que : 

-   AWS Amazon : Certified Data Analytics

-   Cloudera        : CCA Spark and Hadoop Developer (CCA 175)

-   IBM                : Foundations of IBM Big Data & Analytics Architecture V1 (C2090-136)

-   IBM                : Big Data Fundamentals Technical Mastery Test v1

 

  • Objectifs pédagogiques :

- Comprendre les concepts généraux de la Big Data, ses opportunités, ses enjeux et ses challenges.

- Comprendre l'écosystème ( Hadoop & Spark ) technologique nécessaire pour développer une plateforme Big Data.

-  Acquérir les compétences nécessaires et fiables pour gérer des données Big Data.

- Comprendre la présentation des différentes composantes de l’intelligence artificielle : l’apprentissage statistique (Machine Learning, Deep Learning).

- Élaboration et évaluation des modèles du Machine learning moyennant les langages : R et Python.  

- Apprendre le traitement de données massives (image, parole, ...) et la robotique.

- Implémenter et développer des modèles du Machine Learning pour répondre aux différentes problématiques professionnelles.

- Employer les méthodes avancées d’apprentissage statistique pour résoudre des problématiques d’intelligence artificielle.

- Utiliser les réseaux de neurones et les architectures associées.

-  Concevoir et analyser des expériences pour évaluer les systèmes HRI (Interaction Homme – Robot).

-  Mettre en œuvre des méthodes d’apprentissage profond en s’appuyant sur des bibliothèques logicielles.

 

  • Public ciblé :

Dataminers, chargés d'études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle.

  • Pré-requis : 

Connaissances de base des modèles relationnels, des statistiques et des langages de programmation. Connaissances de base des concepts de la Business Intelligence. 

  • Jours de formation : 10 jours en 6 weekends consécutifs.
  • Horaires : de 09h00 à 15h00.
  • Volume horaire : 70 H.
  • Attestation de suivi de formation : Délivrée en fin de la formation à tous les participants.

  • Certificat " Accomplissement d'un Stage Professionnel en Big Data & IA " de Job SkillZ : Délivré aux participants ayant réalisé et présenté les mini-projets avec succès.

  •  Pack de la formation :
    - LIVE et Interactive via GoToMeeting;
    - Support de cours annoté et illustré ;
    - Guide d'installation des divers logiciels utilisés,
    - Case study + Mises en situations réelles appliquées dans divers secteurs ;
    - Prise en main (par les participants) des TPs + Labs + Mini-projets ;
    - Examens à blanc ;
    - Exposés + Passage des tests de certifications : IBM , Cloudera ..;
    - Suivi post-formation sur un groupe Whatsapp (révision pour le passage des #certifications).

 

Partie 1: Formation "Big Data"

Lecture 1 - Introduction et aperçu  du concept et des technologies liées au Big Data.

Lecture 2 - Utilisation du système de fichiers distribués Hadoop (HDFS) 

Lecture 3 - Exécution et monitoring des applications Hadoop..

Lecture 4 - Utiliser Apache Pig  (ETL)

Lecture 5 - Utiliser Apache Hive  (Data Lake)

Lecture 6 - Introduction à Apache Spark

Lecture 7 - Exécution d'Apache Sqoop (Migration Data warehouse vers Data Lake)

Lecture 8 - Utiliser Apache Flume  (Streaming)

Lecture 9 - Exemple d'application d'analyse utilisant Apache Zeppelin  (Dataviz)

Lecture 10 - Administration HBase

Lecture 11 - Mini-projets

Partie 2: Formation "Intelligence Artificielle" (Machine Learning, Deep Learning..)  

Lecture 1 - Apprentissage statistique avancé : Données faiblement supervisées, Few-Shot Learning, Détection d’outliers ...

Lecture 2 - Apprentissage statistique à grande échelle : Supervisé, Réduction de dimension,Sélection de features 

Lecture 3 - Apprentissage profond : Gradient stochastique, ConvNet, LSTM, Autoencodeurs ...

Lecture 4 - Traitement automatique des langues et apprentissage : Tokenisation, Word Embeddings, Réseaux de neurones ...

Lecture 5 - Apprentissage pour l'image et la reconnaissance d'objets : Supervisé, Arbres de décision et forêts aléatoires , ANN, CNN ...

Lecture 6 - Apprentissage pour la robotiqueHuman-Robot Interaction, Dialogue verbal et non verbal incarné ...

Lecture 7 - Perception pour les systèmes autonomes : Vision sur ordinateur, Formalisation mathématique ...

Lecture 8 - Mini-projets 

Même catégorie de formations