Intelligence Artificielle, Data Management et Power BI

Aucun

Comprendre les bases de l’intelligence artificielle

Préparer et gérer des données

Construire des modèles analytiques simples

Créer des tableaux de bord Power BI

Exploiter les données pour la prise de décision

Module 1 — Introduction à l’Intelligence Artificielle
Concepts fondamentaux

Qu’est-ce que l’intelligence artificielle

Différence entre IA, machine learning et deep learning

Applications de l’IA dans les entreprises

IA dans la finance, le marketing et l’industrie

Types d’algorithmes

Apprentissage supervisé

Apprentissage non supervisé

Apprentissage par renforcement

Cycle de vie d’un projet IA

Collecte des données

Préparation des données

Entraînement du modèle

Validation et tests

Déploiement

Cas pratiques

Prévision de ventes

Analyse du comportement client

Détection de fraude

Module 2 — Data Management
Importance de la gestion des données

Qualité des données

Gouvernance des données

Sécurité des données

Organisation des données dans l’entreprise

Architecture des données

Bases de données relationnelles

Data Warehouse

Data Lake

Data Mart

Modélisation des données

Schéma en étoile

Schéma en flocon

Tables de faits et dimensions

ETL (Extract Transform Load)

Extraction des données

Transformation

Chargement dans un Data Warehouse

Outils utilisés

SQL

Excel

Python

SAS

Module 3 — Introduction à Power BI
Présentation de Power BI

Business Intelligence

Visualisation des données

Tableaux de bord

Connexion aux données

Excel

SQL Server

Bases de données

fichiers CSV

Power Query

Nettoyage des données

Transformation des données

Fusion de tables

Cas pratique

Créer un modèle de données à partir de plusieurs sources.

Module 4 — Modélisation et analyse dans Power BI
Modèle de données

Relations entre tables

Table de faits

Table de dimension

Calculs avec DAX

Mesures

Colonnes calculées

Fonctions statistiques

Exemples

Calcul du chiffre d'affaires

Analyse de marges

Analyse temporelle

Module 5 — Visualisation et tableaux de bord
Types de visualisations

Graphiques

Cartes

Indicateurs KPI

Tableaux analytiques

Bonnes pratiques

Design de dashboard

Choix des graphiques

Storytelling avec les données

Cas pratique

Création d’un tableau de bord interactif.

Module 6 — Projet final

Les participants réalisent un projet complet :

Étapes

Collecte d’un dataset

Nettoyage des données

Analyse

Création d’un dashboard Power BI

Présentation des résultats

Compétences acquises

1. Introduction à l’intelligence artificielle

Définition de l’intelligence artificielle

Différence entre IA, Machine Learning et Deep Learning

Applications de l’IA dans les entreprises

Cas d’usage dans la finance, le marketing et l’industrie

2. Comprendre les données

Types de données (structurées et non structurées)

Sources de données

Importance de la qualité des données

Nettoyage et préparation des données

3. Gestion des données (Data Management)

Architecture des données

Bases de données relationnelles

Data Warehouse et Data Lake

Gouvernance et sécurité des données

4. Introduction à l’analyse de données

Statistiques de base

Exploration des données

Analyse descriptive et prédictive

Introduction aux modèles analytiques

5. Introduction à Power BI

Présentation de Power BI

Connexion aux sources de données

Importation et transformation des données

6. Modélisation des données

Création de relations entre tables

Modèle en étoile (Star Schema)

Tables de faits et dimensions

7. Visualisation des données

Création de graphiques et dashboards

Création d’indicateurs de performance (KPI)

Bonnes pratiques de visualisation

8. Analyse avancée dans Power BI

Introduction au langage DAX

Mesures et colonnes calculées

Analyse temporelle

9. Cas pratiques

Analyse d’un dataset réel

Création d’un tableau de bord interactif

Interprétation des résultats

10. Projet final

Analyse complète d’un jeu de données

Création d’un dashboard Power BI

Présentation des résultats

Attestation