Modalités d'évaluation

  • Étude de cas : A partir d’une étude de cas d’entreprise détaillant son secteur d’activité et ses enjeux futurs, le/la candidat(e) complète l’analyse sectorielle à travers des sources extérieures et propose différentes options stratégiques pour l’usage de l’IA et des données massives au sein de l’entreprise.
  • Etude de cas pratique : En se basant sur un projet d’IA en-cours de déploiement au sein d’une entreprise réelle ou fictive, le/la candidat(e) présente une politique d’intégration des impacts humains, organisationnels, et environnementaux de l’usage de l’IA et émet des solutions de remédiation.
  • Mise en situation professionnelle reconstituée (structuration d’un business model) : à partir d’un jeu de données brutes provenant de différentes sources, le/la candidate(e) devra analyser les différentes composantes de la chaîne de valeur des données dans l’organisation en utilisant un ensemble de technologies et de méthodologies permettant de convertir des données brutes en données exploitables, ainsi que proposer différentes options de leur valorisation pour l’entreprise.
  • Étude de cas pratique : Sur la base d’un cas réel de projet d’IA, le/la candidat(e) devra produire une note avec une analyse approfondie des problématiques et contraintes de l’utilisation des données ainsi que les implications éthiques de l’usage de l’IA.

  • Modalités pédagogiques

  • Le programme s'appuie sur une variété de modalités pédagogiques visant à favoriser un apprentissage actif, engageant et stimulant pour les étudiants. Ces modalités pédagogiques incluent, mais ne se limitent pas à :

    • Fondements conceptuels et théoriques : des cours et des exposés en classe permettent aux étudiants d'acquérir les connaissances théoriques fondamentales. Ces cours sont dispensés par des experts du domaine et s'appuient sur des exemples concrets et des études de cas.
    • Travaux de groupe : Les travaux de groupe permettent aux étudiants de développer leurs compétences en collaboration, en communication et en résolution de problèmes. Ils favorisent également l'échange d'idées et l'apprentissage par les pairs.
    • Mises en situation professionnelle (Clinique de l’IA) : Des simulations, des jeux de rôle et des projets concrets permettent aux étudiants de mettre en pratique leurs connaissances et leurs compétences dans des contextes professionnels réalistes. Cela les aide à développer leur sens de l'analyse, leur créativité et leur capacité à prendre des décisions.
    • Classes inversées : Dans les classes inversées, les étudiants préparent des travaux, études de cas et des recherches en amont du cours. En classe, ils discutent, partagent leurs idées et travaillent ensemble pour approfondir leurs connaissances et résoudre des problèmes. Cette approche favorise un apprentissage actif et centré sur l'étudiant.

  • Autres modalités pédagogiques

  • En plus des modalités pédagogiques mentionnées ci-dessus, d'autres approches peuvent être utilisées en fonction des besoins spécifiques du programme et des objectifs d'apprentissage. Ces approches peuvent inclure des conférences invitées, des ateliers, des visites d'entreprises et des projets de recherche.

  • Choix des modalités pédagogiques

  • Le choix des modalités pédagogiques sera guidé par les objectifs pédagogiques du programme, les caractéristiques des apprenants et les ressources disponibles. L'objectif est de créer un environnement d'apprentissage dynamique et stimulant qui favorise l'acquisition des compétences et des connaissances nécessaires aux étudiants pour réussir dans le domaine de l'IA/Data.

  • Importance de la diversité des modalités pédagogiques

  • L'utilisation d'une variété de modalités pédagogiques permet de répondre aux différents styles d'apprentissage des étudiants et de les maintenir engagés dans leur apprentissage. Cela permet également de créer un environnement d'apprentissage plus riche et plus stimulant qui favorise la réflexion critique, la créativité et la résolution de problèmes.