Machine Learning en Santé
Public Concerné
Avoir des bases solides en statistique et en programmation
Objectifs pédagogiques
Offrir un savoir-faire sur la pertinence de l'utilisation des algorithmes de maching learning avec des travaux pratiques sur Python
Capacité et compétences acquises
- Description et pratique des outils de machine learning
- Illustration de leur utilisation pertinente en pratique ainsi que leurs limites
- Travaux pratiques sous Python
Contenu de la formation
- Dr Kévin Yauy, médecin généticien et spécialiste en IA : Conférence d'ouverture inspirante sur le projet d'hôpital augmenté à Montpellier
- Mounia N. HOCINE, ingénieur : PREDICTION - DETECTION
Utilisation SQL et Python : gestion et analyse des données de la pandémie COVID-19
Techniques de réduction de dimension
Algorithmes d'apprentissage supervisé et prédiction d'un événement santé indésirable
Algorithmes d'apprentissage non supervisé et détection de regroupements ou d'anomalies
Journal-club : Apport des algorithmes d'IA par rapport aux méthodes classiques
3. Kawtar Chibani, ingénieur : LARGE LANGUAGE MODELS
Cours et TP sur Large Language Models & Knowledge Graphs
4. Veselin Doychinov, ingénieur : COMPUTER VISION
Cours et TP sur le Deep Learning et la segmentation sémantique
Description des modalités de validation
QCM
Data Challenge
Data Challenge
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
