Formation permettant d’acquérir les connaissances pour maitriser les domaines de  l’IA et du Big Data en les appliquant sur des applications liées au domaine du Transport Aérien.

Objectifs

A l’issue de cette formation, le stagiaire saura :

  • Explorer le domaine de la science des données pour accompagner la « digitalisation » du transport aérien
  • Utiliser et analyser des données massives
  • Exploiter et concevoir les principaux algorithmes d’apprentissage et notamment apprentissage profond

Adapter des cas d’usage en lien avec les métiers du transport aérien et les traduire en problématique de machine learning

Pré-requis

Personnels travaillant dans des équipes de Data Science (Data scientist, Machine Learning engineer,…)

  • Mathématiques : algèbre linéaire, optimisation, probabilités et statistiques (niveau L2-L3)
  • Informatiques : programmation Python

Compétences

  • Savoir cadrer une problématique métier relative au Transport Aérien et identifier comment y répondre à travers un projet de data science
  • Prétraiter et analyser des données pour répondre à une problématique métier relative au Transport Aérien
  • Sélectionner et entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive
  • Sélectionner et entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données
  • Présenter et déployer un modèle d’apprentissage automatique

Inscription

  • Nicolas Couellan nicolas.couellan@recherche.enac.fr
  • Tél : +33 (0)5 62 25 95 76

Niveau
Cycle
Langue

Cours en français, supports de cours en anglais

Lieu

Ecole Nationale de l’Aviation Civile, 7 Avenue Edouard Belin, 31400 Toulouse

Durée et dates

Durée : 10 jours, 60h

Tarif

5400€ HT

Modalités
Publics

Personnels travaillant dans des équipes de Data Science (Data scientist, Machine Learning engineer,…)

Intervenants

Nicolas Couellan

 

Contact
  • Nicolas Couellan nicolas.couellan@recherche.enac.fr
  • Tél : +33 (0)5 62 25 95 76
Categories:

en_GBEnglish