Formation Spécialisation Métiers Blockchain et Intelligence Artificielle pour l'assurance

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs pédagogiques

• Définir la notion de Blockchain
• Présenter la notion de Machine et Deep Learning
• Démontrer le rôle de la Blockchain dans les secteurs de l'assurance
• Identifier les apports de la Blockchain et du Deep Learning dans le secteur de l'assurance
• Présenter quelques exemples d'application de la Blockchain et du Deep Learning dans le secteur de l'assurance
• Construire les bases d'un projet innovant pour l'assurance utilisant la Blockchain et l'Intelligence Artificielle.

Modalités et moyens pédagogiques

Formation délivrée en présentiel ou distanciel* (e-learning, classe virtuelle, présentiel à distance).

Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).

Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :

• Ordinateurs Mac ou PC (sauf pour les cours de l'offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
• Environnements de formation installés sur les postes de travail ou en ligne
• Supports de cours et exercices

* nous consulter pour la faisabilité en distanciel

** ratio variable selon le cours suivi

Niveau requis

Aucun prérequis n'est nécessaire. Cependant une appétence et des connaissances techniques et de développement faciliteront la compréhension ou permettront d'approfondir en détails certains sujets.

Public concerné

Tout profil.

Programme

Introduction à la Blockchain (rappels)

• Bitcoin et la (re)naissance de la Blockchain
• Concepts de base de la Blockchain
• Ethereum et la Blockchain intelligente
• "Smart contract"
• Terminologie

Les Blockchains

• Introduction
• Outils et développement
• DApp et DAO (Decentralised Application / Organisation)
• Domaines d'application de la Blockchain
• Les acteurs principaux de la Blockchain
• Les points d'attention (choix de blockchain, gouvernance...)

Les applications de la Blockchain (focus sur l'assurance)

• Assurer la traçabilité et certification de documents
• Automatiser les processus de gestion des dossiers clients
• Effectuer des transactions de token (cryptomonnaie)
• Objets connectés (IoT) et Blockchain

Blockchain dans le secteur de l'assurance

• Développer des assurances indicielles ou paramétriques associées à des objets connectés
• Mettre en oeuvre des assurances "peer to peer" et/ou communautaires
• Implication et préparation d'une transition vers la Blockchain pour le secteur de l'assurance

De la Data à l'Intelligence Artificielle

• Introduction
• Les champs de la Data Science
• IA, Machine Learning et Deep Learning

Le Machine Learning

• Introduction - Qu'est-ce que le Machine Learning ?
• Types de tâches :
• Supervised Learning
• Unsupervised Learning
• Types d'actions :
• Classification
• Régression
• Clustering

Introduction au Deep Learning

• Introduction - Qu'est-ce que le Deep Learning ?
• Notions de "Learning"
• Deep Learning dans le secteur de l'assurance

Réseaux de Neurones Artificiels (ANN)

• Du modèle Perceptron aux réseaux de neurones
• Fonctions d'activation et de coût d'erreur (cost)
• Réseaux de rétroaction (feedforward networks)
• Rétropropagation (backpropagation)
• Applications d'un ANN

Réseaux de Neurones de Convolution (CNN)

• Comprendre les CNN
• Noyaux et filtres d'image
• Convolutions
• Couches de pooling
• Applications d'un CNN

Réseaux de Neurones Récurrents (RNN)

• Théorie d'un RNN
• Théorie des LSTM (Long Short Term Memory) et GRU (Gated Recurrent Unit)
• Implémentation basique d'un RNN
• Time Series avec un RNN
• Applications d'un RNN

Blockchain et IA pour l'assurance

• Retour sur les projets Blockchain explorés en amont pour y ajouter des applications et usages de l'Intelligence Artificielle
• Mini-projets

Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités d’évaluation des acquis

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation

Partager cette formation Télécharger au format pdf Ajouter à mes favoris