Ce cours s'adresse à toute personne souhaitant mieux comprendre l'importance de la confiance et de la responsabilité dans les domaines de l'IA, de l'analyse de données et de l'innovation. Son contenu est particulièrement adapté à ceux qui prennent des décisions stratégiques en s'appuyant sur l'apprentissage automatique et les systèmes d'IA, ainsi qu'à ceux qui conçoivent et entraînent ces systèmes.

Que vous soyez programmeur, cadre dirigeant, membre d’un comité consultatif, testeur, responsable ou simple collaborateur, ce cours vous aidera à acquérir les connaissances et compétences fondamentales nécessaires pour aborder les enjeux liés à l’innovation responsable et à une IA digne de confiance. Fort des connaissances acquises dans ce cours, vous pourrez vous efforcer de trouver des moyens de concevoir, de développer et d’utiliser les systèmes d’apprentissage automatique et d’IA de manière plus responsable. Apprenez à : 1. Expliquer comment une IA digne de confiance s’intègre au cycle de vie de l’IA et de l’analyse de données, ainsi qu’à la chaîne d’approvisionnement des données. 2. Identifier les biais indésirables tout au long du cycle de vie de l’IA et de l’analyse. 3. Définir les principes de l’innovation responsable. 4. Développer une vision pratique des principes de l’innovation responsable. 5. Appliquer les principes d’approche centrée sur l’humain, d’inclusivité, de responsabilité, de confidentialité et de sécurité, de robustesse et de transparence à des scénarios d’innovation responsable et d’IA fiable. 6. Identifier comment les technologies SAS traitent les biais indésirables et innovent de manière responsable dans la gestion des données, le développement de modèles et le déploiement de modèles. Public visé : Utilisateurs de données, professionnels de l’informatique, responsables, analystes, data scientists et toute autre personne qui utilise, conçoit, exploite des informations issues de données et d’IA ou prend des décisions basées sur celles-ci Prérequis : Il n’y a pas de prérequis formels pour cette formation, mais il est utile de disposer d’un niveau pratique de culture des données, qui peut être acquis dans le cadre de la formation « Data Literacy Essentials » ou de la formation « Data Literacy in Practice » (ou les deux).