Formation - Maîtriser le développement de systèmes d'IA de confiance

Se préinscrire ou s'inscrire à cette formation Télécharger cette fiche
Warning: Trying to access array offset on value of type null in /var/www/vhosts/cornillet.com/cnrsformation.cornillet.com/compile/e77a363e31e0e63a2495667a1aaff69ef9a806a6_0.file_stageController.tpl.php on line 69

Environnement scientifique et technique de la formation

Institut de mathématiques de Toulouse

- UMR 5219

RESPONSABLES

Laurent RISSER

Ingénieur de recherche

UMR 5219

Jean-Michel LOUBES

Professeur

UMR 5219

ORGANISATION

20 h
10 stagiaires
En présentiel ou à distance

MÉTHODES PÉDAGOGIQUES

Idéalement en présentiel.
Les transparents seront remis aux participants sous forme de fichiers pdf
Les TPs corrigés seront remis aux participants sous forme de notebooks Python
Tout au long de la formation, des cas pratiques ou exercices corrigés permettront à l'apprenant d'évaluer l'acquisition des compétences.

COÛT PÉDAGOGIQUE

1700 Euros

A L'ISSUE DE LA FORMATION

Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

DATE DU STAGE

25016 : du lundi 12/05/2025 au mercredi 14/05/2025 à

NOUVEAU

À distance

OBJECTIFS

Examiner la problématique du biais dans les données et dans les algorithmes prédictifs (niveau 4 -

Analyse)

Comprendre les principales stratégies d'explicabilité des décisions de réseaux de neurones (niveau 4 -

Analyse)

Illustrer les nécessités juridiques des règlementations nationales et européennes liées à la prise de décision par IA (niveau 3 -

Application)

Considérer les démarches à suivre pour développer un système d'IA de confiance (niveau 5 -

Evaluation)

Illustrer la théorie dans des cas d'usages précis (niveau 3 -

Application)

PUBLIC

Ingénieurs, développeurs, data scientists

PRÉREQUIS

Niveau Bac +5 en informatique ou en mathématiques appliquées
Manipuler régulièrement des données.
Être familier du langage de programmation Python sera un plus pour effectuer les travaux pratiques.

PROGRAMME

Jour 1
- Théorie de l'apprentissage automatique (apprentissage supervisé ou non, modèles courants)
- TP : Application sur données bancaires avec XGBoost et Scikit-learn
- Présentation du problème du biais : exemples et définitions
- Que dit le Droit ?
- Comment quantifier les biais ?
- Biais globaux vs biais locaux
- TP : Quantification des biais sur l'exemple des données bancaires

Jour 2
- Auditer les algorithmes et se mettre en conformité
- Réparer les algorithmes
- TP : Application de la réparation sur données bancaires
- Théorie des réseaux de neurones (architectures, backpropagation, batch-training)
- TP : Application sur le jeu d'images « Dogs vs Cats » et le jeu NLP « Bios » avec PyTorch
- Robustesse des décisions et problème des attaques
- Que dit le Droit ?
- Principales méthodes d'explicabilité (LIME, SHAP, GradCAM)

Jour 3 (matin)
- TP Explication des décisions sur les jeux « Dogs vs Cats » et « Bios »
- Mise en place d'une démarche de développement de systèmes d'IA de confiance

EQUIPEMENTS

- PC/MAC
- Python installé
- Scikit-learn ou XGBoost installé
- PyTorch installé

INTERVENANTS

L. RISSER (ingénieur de recherche) et J.-M. LOUBES (directeur de recherche)

FORMATIONS SIMILAIRES

Nous n'avons pas de stage similaire à vous proposer.