Statistics and Data Science for Industry (SAFI-M6-01)
6 JOURS
FORMATION EN DISTANCIEL
DE 2500 €HT à 4100 €HT
PERSONNEL CONCERNÉ
Ce cours intensif a été conçu pour les professionnels de l’industrie ayant des activités en lien avec la promotion, la production, la conception et la gestion du cycle de vie de produits. Il offre un parcours accéléré vers l’acquisition de compétences pratiques en statistiques appliquées et en data science, permettant aux participants d’accroître leur efficacité autour de l’application de l’IA au quotidien.
Le cours a été développé et validé en étroite collaboration entre des universitaires expérimentés et des professionnels de l’industrie issus des secteurs mondiaux de l’automobile et de l’aérospatiale (le consortium SAFI), garantissant ainsi que le programme reflète pleinement les meilleures pratiques actuelles du secteur en matière de développement des compétences.
Ce cours est destiné aux professionnels qui :
- Souhaitent acquérir des compétences pratiques en data science et en statistiques appliquées
- Souhaitent tirer parti de l’IA et des méthodes basées sur les données pour prendre des décisions
- Cherchent à améliorer leurs compétences avec un cours structuré, validé par l’industrie et accrédité Qualiopi
PRÉREQUIS
Les supports de cours fournissent suffisamment d’indications pour accomplir toutes les tâches et consolider les acquis, même pour ceux qui sont novices en programmation. Cependant, la participation à SAFI M0 : Introduction à Python est fortement recommandée.
OBJECTIFS DE LA FORMATION
Suivre ce cours vous permettra de…
- Maîtriser les fondamentaux des théories statistiques nécessaires à la modélisation de l’incertitude pour la prise de décision
- Acquérir la confiance dans la collecte, l’exploration, le nettoyage et l’analyse des données industrielles
- Développer vos compétences dans l’utilisation pratique des boîtes à outils Python, la mise en œuvre de workflows et de méthodologies appropriées au contexte des données et des problèmes
- Interpréter et expliquer les résultats à un éventail de publics, y compris des non-spécialistes
- Diriger efficacement des équipes utilisant le big data autour d’approches de résolution de problèmes
Professeur Daniel NEAGU
Daniel Neagu a été nommé professeur d’informatique à l’université de Bradford en 2011. Il a rejoint le département d’informatique en tant que maître de conférences en 2002, et a été promu maître de conférences en 2005. Auparavant, il a été professeur associé au département d’informatique et d’ingénierie de l’université de Galati, en Roumanie (1993-2001). Après avoir soutenu avec succès sa thèse de doctorat intitulée Using Artificial Neural Networks in Fuzzy Reasoning, Daniel a été nommé chercheur au Dipartimento di Elettronica e Informazione, Politecnico di Milano, Italie (2001-2002), où il a rejoint le réseau de recherche européen IMAGETOX (Intelligent Modelling Algorithms for General Evaluation of TOXicities) du 5e PC, en collaboration avec le professeur Giuseppina Gini.
Ses recherches portent sur les techniques d’intelligence artificielle appliquées à l’ingénierie (automobile), la sécurité des produits, la toxicologie, les soins de santé et les réseaux sociaux en ligne.
Daniel dirige le groupe de recherche sur l’intelligence artificielle (AIRe) de l’université de Bradford.
Daniel enseigne les systèmes de Big Data et l’analytique, l’exploration de données, la conception et le développement de logiciels.
Dr Amr Rashad Ahmed ABDULLATIF
Le Dr Amr Abdullatif est un chercheur expérimenté qui se consacre à la recherche et au développement de techniques d’apprentissage automatique et d’apprentissage profond, avec un parcours professionnel éprouvé dans différentes entreprises (GE Oil & Gas, Ansaldo, Bombardier, …), et universités (Bradford, PISA, Scuola Superiore Sant’Anna, Gênes, Le Caire, AASTMT, …). Ses intérêts de recherche portent sur les techniques d’intelligence artificielle appliquées à l’industrie automobile, la transformation numérique du pétrole et du gaz, la vision par ordinateur, le traitement du langage naturel, le diagnostic prédictif, les soins de santé et l’apprentissage en ligne à partir de flux de données non stationnaires.
Il travaille actuellement en tant que professeur adjoint à l’université de Bradford. Auparavant, il dirigeait des projets d’apprentissage automatique chez Baker Hughes, une société GE, en tant que chercheur associé.
Fondamentaux statistiques pour la data science
- Techniques d’exploration et de visualisation des données
- Modèles statistiques pour les données aléatoires continues et catégorielles
- Fondamentaux de la prise de décision statistique – tests d’hypothèses ; représentativité et taille d’un échantillon
Modélisation par régression multiple et analyse du modèle
- Compréhension et préparation des big data
- Qualité et préparation des données
- Conception de caractéristiques : importance, sélection, réduction des dimensions
- Méthodes pour gérer les données de grande dimension
Modélisation statistique des big data
- Régression des grandes dimensions
- Algorithmes de classification, arbres de décision,
combinaison de classifieurs - Regroupement et partitionnement
- Extraction de règles d’association
Mini-projet
- Mise en pratique grâce à la mise en œuvre en autonomie d’un problème industriel lié au big data
METHODES ET MOYENS PEDAGOGIQUES
La formation de 6 jours est dispensée sous forme d’ateliers, avec une répartition approximative de 40/60 entre sessions techniques et travaux pratiques.
Les études de cas pratiques fournissent le contexte pour expliquer les concepts clés et l’application des méthodes et des algorithmes.
Les participants travaillent à travers des tutoriels et des exercices pour appliquer les méthodes aux études de cas industrielles, guidés à la fois sur la méthodologie et l’interprétation.
Les présentations techniques d’experts de l’industrie fournissent un contexte d’application réel.
Sessions « Open » en ligne sur 2 semaines (3 jours par semaine). Sessions « Closed » possible sur site.
PROCHAINE(S) SESSION(S)
Nous consulter 7-9 & 14-15-16 octobre 2026
ACCESSIBILITÉ
Les personnes en situation de handicap sont invitées à contacter notre Référent Handicap afin d'étudier ensemble les possibilités de suivre la formation.
ENVOYER UN EMAIL