Certificat de spécialisation Intelligence Artificielle en Santé
Lieu de
formation :
Non proposé en présentiel au Cnam HdF, nous contacter pour possibilité de formation à distance et hybride
Code
diplôme/certificat:
CS10300A
CS10300A
20
crédits
Niveau d'entrée
Aucun niveau requis
Niveau de sortie
Aucun niveau spécifique
Public et conditions d'accès
Etre titulaire d'un BAC+5 ou équivalent en statistique, biostatistique, bio-informatique, épidémiologie, ou dans un domaine annexe.
Objectifs pédagogiques
Maitriser les techniques de computer vision et d'architecture de base de données
o Maîtriser les outils de machine learning et de clustering
o Comprendre les enjeux juridiques et éthiques liés au traitement des données de santé
o Appréhender les différentes tâches du processus décisionnel en détection des épidémies ou réactions indésirables, dépistage des anomalies, prévention des risques sanitaires
o Acquérir les connaissances nécessaires pour anticiper les différentes sources d'incertitude
o Acquérir des compétences en communication et en valorisation des résultats
o Maîtriser les outils de machine learning et de clustering
o Comprendre les enjeux juridiques et éthiques liés au traitement des données de santé
o Appréhender les différentes tâches du processus décisionnel en détection des épidémies ou réactions indésirables, dépistage des anomalies, prévention des risques sanitaires
o Acquérir les connaissances nécessaires pour anticiper les différentes sources d'incertitude
o Acquérir des compétences en communication et en valorisation des résultats
Organisation, stages, projets, mémoire et conditions de délivrance du diplôme (ou certificat)
o Les deux US sont à valider par examen final ( QCM )
o La validation du certificat dans sa globalité est conditionnée par une soutenance d'un projet final
o La validation du certificat dans sa globalité est conditionnée par une soutenance d'un projet final
USR235
6 ects
USR236
6 ects
USR237
6 ects
UAR20D
2 ects
|
Compétences et débouchés professionnels
o Être capable de planifier des plans d'analyses des données en adéquation à la problématique de terrain
o Avoir une vision d'ensemble sur les attentes des décideurs de la science des données dans le domaine de la santé
o Acquérir une rigueur dans le choix des outils d'IA à déployer pour une utilisation responsable et appropriée
o Savoir traduire les résultats des analyses en des outils visuels et opérationnels à la portée des utilisateurs et leur apporter conseil sur les futurs protocoles de collecte et d'analyse des données
o Avoir une vision d'ensemble sur les attentes des décideurs de la science des données dans le domaine de la santé
o Acquérir une rigueur dans le choix des outils d'IA à déployer pour une utilisation responsable et appropriée
o Savoir traduire les résultats des analyses en des outils visuels et opérationnels à la portée des utilisateurs et leur apporter conseil sur les futurs protocoles de collecte et d'analyse des données
