Ibudo
Connexion
Accueil Programmes Numériques et nouvelles technologies

Data science and AI

Tous niveaux 61 leçons

À propos du programme

Maîtrise les bases de l’intelligence artificielle et apprends à extraire des informations précieuses et résoudre des problèmes complexes.

POURQUOI ?

L’Afrique est à un tournant crucial de son développement, et l’innovation est la clé de son avenir. La Data Science offre des solutions puissantes pour aborder les défis uniques auxquels le continent est confronté, qu’il s’agisse de santé, d’éducation, d’énergie ou de développement économique.

Face aux défis complexes auxquels sont confrontées les entreprises africaines, l’exploitation du potentiel des données leur permet de prendre des décisions éclairées, d’anticiper les tendances du marché et de développer des stratégies innovantes pour rester compétitives.

Notre programme de formation en Data Science est spécifiquement conçu pour doter les professionnels africains des compétences nécessaires pour relever ces défis et transformer les données en opportunités de croissance et d’innovation.

Chez Ibudo, nous mettons un point d’honneur à favoriser la résolution commune des problèmes et les solutions collaboratives.

POUR QUI ?

Cette formation s’adresse aux étudiants, aux professionnels et à toute personne passionnée par l’avenir de l’Afrique et désireuse de contribuer à son développement à travers les données. Une connaissance de base en programmation est recommandée.

Étudiants, professionnels en informatique

Étudiant ou jeune diplômé en informatique ou domaine connexe cherchant à s’orienter vers ce domaine, nous accueillons votre enthousiasme à apprendre et à progresser.

LES AVANTAGES

  • Encadrement par des experts de l’industrie

Bénéficiez des conseils et de l’expérience de jeunes professionnels chevronnés dans le domaine de la Data Science et de l’innovation en Afrique.

  • Projets concrets

Mettez en pratique vos connaissances en travaillant sur des projets alignés sur les besoins réels du continent africain.

  • Réseau professionnel

Connectez-vous avec des pairs et des leaders d’opinion dans le domaine de la Data Science et de l’innovation en Afrique.

  • Certificat d’achèvement

À la fin du programme, vous recevrez un certificat d’achèvement attestant de vos connaissances en Data Science.

Qu’allez-vous apprendre ?

  • Découvrez notre programme en Introduction à la data science, conçu pour vous fournir les connaissances et les compétences nécessaires pour démarrer dans ce domaine en pleine croissance.

Contenu du programme

  • Définition de l’IA
  • Détection des applications de l’IA dans notre environnement
  • Typologie et sous branches l’IA (IA> ML>DL)
  • Éthiques liées à l’IA (privacy, discrimation, risques humanitairaires
  • Polémiques (l’IA remplacera t’il l’homme, les IA comprennent, la race humaine va-t-elle disparaitre, …)
  • Introduction aux concepts fondamentaux de l’intelligence artificielle et de ses applications. 1
  • Introduction à l’algèbre linéaire et au calcul différentiel
  • Présentations de l’utilisation des mathématiques dans les algorithmes d’apprentissage automatique
  • Qu’est-ce qu’un algorithme ?
  • Quels sont les différents types d’algorithmes
  • TD : Algorithmique
  • Les bases en programmation Python/R 5
  • TD : Programmation
  • Les données ?
  • Les principaux types de données (catégorielle, continue)
  • Les sources de données
  • Récupération des données
  • Nettoyage des données
  • Exploration des données
  • Visualisation
  • Introduction à l’apprentissage automatique (sous branche de l’IA)
  • Différence entre l’apprentissage supervisé, non supervisé et par renforcement
  • Régression versus Classification (tout dépend de la sortie)
  • Les domaines d’AA et applications (détection d’anomalie, regroupement, classification, regression,…)
  • Définition du problème métier
  • Introduction aux modèles et la Modélisation
  • Évaluation de modèles (les différentes métriques de perf., leur référence, évaluation des approches de régression + évaluation des approches de classification) et interprétation
  • Déploiement
  • Diagnostic d’un modèle (surapprentissage, sousapprentissage, modèles, fallacieux, …)
  • TP sur les 4 premières étapes sur les données d’Iris
  • Présentation et mise en œuvre d’une régression linéaire (lr)
  • Présentation et mise en œuvre d’une régression logistique (logit + probit)
  • Arbre de décision
  • Réseau de neurones artificiels : Perceptron, MLP
  • Utilisation du module Sklearn
  • TP/Projet
  • Algorithme de Bagging et Random Forest
  • Algorithme de Boosting et XgBoost
  • TP
  • Comprendre les bases des réseaux de neurones
  • Architecture d’un réseau de neurones : neurones, couches, fonctions d’activation, rétro propagation de l’erreur 2.
  • Les algorithmes de Perceptron
  • MLP
  • Introduction au clustering
  • Les différéntes approches de clustering (distance-based, density-based, …)
  • Présentation et mise en œuvre d’une k-means
  • Clustering Hiérarchique
  • Introduction aux réseaux de neurones profonds
  • Les architectures populaires : réseaux de neurones convolutionnels (CNN), réseaux de neurones récurrents (RNN), etc.
  • Utilisation de bibliothèques de deep learning telles que TensorFlow/Keras
  • Vision par ordinateur avec les CNN
  • TP : MNIST (CNN), CIFAR10
  • Introduction au NLP et ses applications
  • Prétraitement des données textuelles : tokenization, lemmatization, stop words, etc
  • Presentation de modèles de NLP couramment utilisés : bagof-words, word embeddings (Word2Vec, GloVe)
  • Startup Sucess
  • Churn prediction
  • Construction de Chatbot pour le tourisme Béninois
  • Outil de recrutement pour faire un tri de profils qui cadre le mieux avec un poste parmi plusieurs candidatures.
  • Know Your Customer Opinion
  • Machine Translation French-Wolof