Spécialité Data Science & Apprentissage Automatique Avancé
L’émergence de l’apprentissage automatique dans tous les secteurs d’application a pour conséquence une utilisation accrue des modèles prédictifs sur des problématiques variées, complexes, et désormais à fort enjeu en termes de risques (faux positifs, biais algorithmiques, dérives de modèles, …).
De nombreux acteurs cherchent désormais des ingénieurs qui, au-delà de la mise en place, la validation et le déploiement d’algorithmes prédictifs, maîtrisent également leurs limites et les méthodes statistiques rigoureuses pour les inspecter. En effet, dans les domaines critiques où chaque décision a des effets considérables, les modèles doivent être analysés en profondeur, strictement contrôlés et être auréolés de confiance.
Cette spécialisation renforce les connaissances en apprentissage automatique (machine learning), notamment sur les problématiques actuelles à fort enjeu en intelligence artificielle : traitement d’images, explicabilité et interprétabilité des modèles, ou encore intelligence artificielle de confiance. L’enseignement se compose de toutes nouvelles matières, en particulier un socle en transport optimal, en explicabilité des modèles, et en quantification d’incertitudes de prédiction (prédiction conforme).
Les ingénieurs issus de cette filière ont vocation à travailler sur des problématiques industrielles et de recherche de pointe, sur des cas d’application complexes et à forte valeur ajoutée. C’est également la filière privilégiée pour poursuivre en thèse sur des sujets de recherche en machine learning et deep learning, ou intelligence artificielle au sens large.
Responsable de la filière : Sébastien Da Veiga
Mots clés
Traitement d’images / IA de confiance / Données non structurées
Métiers
Machine learning engineer / R&D engineer
Entreprises de l’écosystème ENSAI
Air Liquide, EDF, RTE, Safran, SNCF, Thales, Orano, CEA, DGA.