Durée de la formation : 

98 heures / 14 jours

Public : 

Toute personne en charge de la transformation digitale de l’entreprise

Pré-requis : 

Aucun

Objectifs : 

• Comprendre les enjeux de la transformation digitale de l’entreprise.
• Définir le nouveau business model et déployer la stratégie associée.
• Comprendre les enjeux de la cybersécurité
• Découvrir la panoplie d’outils IA au service de votre marketing de contenu.
• Gestion des données et comprendre les données utilisées pour le Big Data

Programme : 

PARTIE 1 :  CYBERSECURITE (7 jours)

1-Vue générale de la cybersécurité

Introduction a la sécurité informatique
Définition menaces et risques
Comment assurer la sécurité de son poste de travail
S’authentifier quel est le processus ?
Les contraintes juridiques et règlementaires, quels reflexes a avoir

2-Les fondamentaux de la sécurité des SI

La gestion des risques et les objectifs de sécurité
RSSI Responsable Sécurité SI quel est son et son métier ?
Analyser des risques informatiques
Procéder a audit de sécurité
Evaluation des coûts de la sécurité
Quelles solutions et architecture de sécurité choisir
La supervision de la sécurité
Les bonnes pratiques sans risque pour l’entreprise (aspect juridique)

3- La sécurité dans le cyberespace

La sécurité de l’information dans le cyberespace
Le pare-feu, la virtualisation et le Cloud Computing
La sécurité des postes clients (menaces, firwall, logiciels..)
Les bases de la cryptographie (techniques et fonctions)
Le processus d’authentification des utilisateurs
La sécurité des échanges, des réseaux sans fils et des dispositifs mobiles et des logiciels
Les concepts de Security by Design et Privacy by Design
Superviser sa sécurité

4 -Cybersécurité, tester ses environnements

Les attaques Web coté client / coté serveur
Détecter les intrusions
Collecter des informations

Mise en situation

PARTIE 2 :  INTELLIGENCE ARTIFICIELLE IA ( 3.5jours)

1-Comprendre l’Intelligence Artificielle

L’Intelligence Artificielle fantasmée vs la réalité
Notion de tâche intellectuelle comparée aux algorithmes
Les différents types d’actions réalisables :
Classification
Régression
Clustering
Estimation de densité
Réduction de dimensionnalité.
Concept d’intelligence collective en IA
Algorithmes génétiques et sélection des agents
Définition du Machine Learning
Les grands algorithmes : XGBoost et Random Forest.

2-Deep Learning, réseaux de neurones

Définition d’un réseau de neurones
Découverte de l’apprentissage d’un réseau de neurones. Les types de réseau
Présentation et exemples d’approximation de fonction par un réseau de neurones
Présentation et exemples d’approximation de distribution par un réseau de neurones
Générer des représentations internes dans un réseau de neurones
Généraliser les résultats d’un réseau de neurones
Deep Learning et généricité des outils

3-Les différentes applications du Deep Learning

Classification de données
Enjeux de la classification de données, conséquences du choix d’un modèle de classification
Les outils de classification
La prédiction d’information et les données séquentielles. Intérêt et limites
Logique de prédiction et règles structurelles de donnée. Outils communs de prédiction
Transformer et générer des données. Réinterprétation d’une donnée
Transformer sur un même format, exemple de la traduction de texte
Génération de donnée “originale” ou Neural Style : générer des images depuis des présentations textuelles
Contrôle d’un environnement avec le Reinforcement Learning

4-Les problématiques que peut résoudre le Machine/Deep Learning

Condition sur les données : volumétrie, dimensionnement, équilibre entre les classes, description
Choix entre donnée brute et features travaillées
Deep Learning versus Machine Learning
Apprentissage supervisé vs non supervisé, qualification du problème
Comprendre l’écart existant entre une affirmation et le résultat d’un algorithme, qualification de la solution du problème

5-Générer un Dataset

Définition de Dataset
Comment stocker et contrôler la donnée : surveiller, nettoyer, convertir
Visualisation graphique et outils statistiques pour mieux comprendre la donnée.
Formatage d’une donnée, format d’entrée/sortie, liaision avec la qualification du problème
Préparation de la donnée, les sets
Comment garantir la pertinence des algorithmes utilisés ?

6-Trouver la solution optimale

Comment trouver une/la meilleure solution à un problème ML/DL ? Méthodologie.
Hypothèse et direction de recherche, état de l’art et bibliographie
Démarche itérative
Conserver un banc de comparaison transversal : témoin
Aboutir à une solution optimale

PARTIE 3 :  BIG DATA (3.5 jours)

1-Introduction à la Gestion de Données à Grande Échelle

Définition de Big Data
Caractéristiques du Big Data : Volume, Variété, Vélocité, Variabilité, Complexité, Véracité, Valeur (les “7V”)
Importance et applications du Big Data dans différents secteurs

2-Technologies de Stockage pour le Big Data

Systèmes de fichiers distribués : HDFS (Hadoop Distributed File System)
Bases de données NoSQL (MongoDB, Cassandra, etc.)
Stockage en colonnes ou stockage en lignes
Comparaison des technologies de stockage

3-Technologies de Traitement pour le Big Data

Introduction à Apache Hadoop et MapReduce
Frameworks de traitement en temps réel : Apache Kafka, Apache Spark Streaming
Avantages et inconvénients du traitement par lots vs en temps réel
Semaine 7-8 : Analyse de Données à Grande Échelle

4-Introduction à l’analyse de données

Utilisation de langages comme Python et R pour l’analyse de données
Introduction à l’apprentissage automatique (Machine Learning) et l’apprentissage en profondeur (Deep Learning)

5-Gestion de Données Non Structurées

Traitement de données textuelles et NLP (Traitement du Langage Naturel)
Analyse d’images et de vidéos
Données géospatiales
Sécurité, Éthique et Gouvernance des Données
Sécurité des données à grande échelle
Protection de la vie privée et conformité réglementaire
Bonnes pratiques en matière de gouvernance des données

Méthode pédagogique : 

Les méthodes sont essentiellement :

• Des méthodes expositives
• Méthodes participatives
• Méthodes démonstratives
• Méthodes actives

Moyen pédagogique : 

Un audit personnalisé sera envoyé au stagiaire avant le début de la formation ainsi qu’un appel téléphonique afin de cibler spécialement les attentes et les bases déjà présentes.

Cours et exercices pratiques en salle informatique équipée de PC

Modalités d’évaluation : 

• En début : 

• • *Test de positionnement de connaissance

• Pendant l’action de formation :

• • *Test de formation, afin de valider les connaissances du stagiaire.
  • La pédagogie est adaptée aux adultes (Participation active, mises en situation, exemples concrets, nombreux échanges à l’intérieur du groupe)
  • – La théorie est directement appliquée par le biais d’exercices sur des cas concrets,

• A la fin de la formation : 

• *Test de fin de formation, afin de valider les connaissances acquises.
• En fin de formation : Une attestation de fin de formation est remise à chaque participant.

Modalités et délais d’accès :

Présentiel :

• Au sein de l’entreprise du commanditaire
• Dans nos locaux :

120 rue Jean Jaurès – 92300 Levallois Perret

A 10min de la gare de Paris Saint Lazare

Arrêt CLICHY LEVALLOIS – ligne L : 2 min du centre

Arrêt LOUISE MICHEL – ligne 3 : 15 min du centre

Plan d’accès sur notre site : https://performat-web.com/ 

A distance : via différentes plateformes comme Zoom, Teams, Whatsapp, Skype avec possibilités d’autres plateformes

Délais d’accès : 

• Nous nous engageons à mettre tout en œuvre pour vous apporter une réponse dans les meilleurs délais.
• Les délais d’accès moyens sont généralement inférieurs à 10 jours à compter de la date de signature de la convention de formation. Ce délai suppose que les dates de planification proposées soient rapidement validées.

Modalités tarifaires : 

• INTER : 490€ HT par jour
• INTRA : Durée et objectifs adaptés et sur mesure : tarifs sur devis

Indicateurs de résultats  :

Taux de satisfaction : 98.25%

Contact : 

• Tél. : 01 47 56 20 72
• Email : jbenisty@performat-web.com

Accessibilité aux personnes en situation d’handicap : 

• La formation est accessible aux personnes en situation de handicap. En cas d’impossibilité, nous vous communiquerons des organismes partenaires susceptibles de vous informer.