Éthique, biais et limitations du machine learning

Ce module est la troisième et dernière partie du certificat "Science des données et Modélisation". L'objectif est d'explorer des principaux défis du machine learning et des considérations éthiques et légales de l'utilisation des données dans le monde du business.

Cliquez ici pour découvrir les modalités d'évaluation et pédagogiques du programme  

Objectifs

Ce cours vous donnera :

• Les connaissances nécessaires à l'évaluation et à l'analyse des performances d'un modèle de machine learning.
• Les compétences requises pour faire face à de petites bases de données et gérer le surapprentissage.
• Les clefs pour développer son esprit critique sur les challenges de l'IA et de ses implications sociales et éthiques.

Contenu

• 

  Jour 1 : Évaluation de modèle de machine learning (ML)

  Prise en main des principaux challenges du machine learning, de l'évaluation de modèles et de l'analyse de performance.

  Les principaux concepts abordés dans ce module sont : évaluation de modèle ML, analyse de performance et surapprentissage vs. sous-apprentissage.

• 

  Jour 2 : Travailler avec une petite base de données

  Apprendre les méthodes pour gérer une petite quantité de données et les méthodes ensemblistes, et comment augmenter les données.

  Les principaux concepts abordés dans ce module sont : augmentation des données et méthodes ensemblistes.

• 

  Jour 3 : Challenges de l'application du machine learning

  Comment créer une stratégie autour des modèles de machine learning ? Quelles sont les implications sociales et éthiques de tels choix ?

  Les principaux concepts abordés dans ce module sont : analyse de performance, déploiement de modèles ML et les enjeux éthiques, juridiques et sociaux de l'utilisation des données.

Formateurs / Professeurs

Virginie Mathivet

Expertise : IA & Deep Learning

Professeur Expert | AI & Deep learning, Machine Learning, IoT, Réseaux de Neurones, Management de projets IA

Voir son profil