Intelligence Artificielle en Santé

Code Stage : CS103

Nouveau

Tarifs

6 000 € net

Particuliers : vous ne bénéficiez d'aucune prise en charge ou vous êtes demandeur d'emploi ? Découvrez nos tarifs adaptés à votre situation

Nombre d'heures

120

4 octobre 2021 - 9 février 2022
Formation disponible en 100% distanciel.
Nombre d'auditeurs.rices maximum : 20

Responsable

Mounia N. HOCINE, Biostatisticienne, ancienne présidente de la Société Française de Biométrie

Public, conditions d’accès et prérequis

Professionnels exerçant en tant que :
Statisticiens, Biostatisticiens, Epidémiologistes, Bio-informaticiens, Economistes de la santé, Attaché.e.s de recherche clinique, ...
Professionnels exerçant notamment au sein d’agences sanitaires, entreprises, mutuelles santé, instituts et laboratoires de recherche biomédicale, établissements hospitaliers,start up, etc.

Prérequis : Avoir un Bac+5 ou équivalent dans le domaine d’analyse des données de santé

Soumis à agrément : Transmettre un dossier de candidature comprenant : CV et lettre de motivation

Objectifs

Objectifs pédagogiques
  • Maitriser les techniques de computer vision et d’architecture de base de données
  • Maîtriser les outils de maching learning et de clustering
  • Comprendre les enjeux juridiques et éthiques liés au traitement des données de santé
  • Appréhender les différentes tâches du processus décisionnel en détection des épidémies ou réactions indésirables, dépistage des anomalies, prévention des risques sanitaires
  • Acquérir les connaissances nécessaires pour anticiper les différentes sources d’incertitude
  • Acquérir des compétences en communication et en valorisation des résultats
Compétences visées
  • Être capable de planifier des plans d’analyses des données en adéquation à la problématique de terrain
  • Avoir une vision d’ensemble sur les attentes des décideurs de la science des données dans le domaine de la santé
  • Acquérir une rigueur dans le choix des outils d’IA à déployer pour une utilisation responsable et appropriée
  • 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

Les « + » de la formation

  • La pluridisciplinarité des enseignements sur l'utilisation appropriée des outils d’IA en santé,
  • Le format hybride des cours entre séminaires, travaux pratiques sur R et Python et des data challenges,
  • La renommée et la grande expertise terrain des intervenants,
  • L'accessibilité totale de la formation en distanciel synchronisé.

Code(s) ROME : Biostatisticien (K2402), Statisticien, Chargé.e d’études statistiques, Data analyst, Data scientist (M1403), Épidémiologiste (K2402), Attaché.e de recherche clinique (K1402), Bioinformaticien (H1206)

Programme

Ce certificat conjugue des compétences en sciences de données et un savoir-faire en sciences humaines et sociales. Il permet un traitement approprié des données complexes ou massives en santé, dans le but de traduire les résultats en des outils fonctionnels.

Lundi : Maching learning

Arbres de décision, forêts aléatoires, réseaux de neurones, apprentissage profond, classification, etc.
Format : Retours d’expériences et mises en situations. TP R & Python

Mardi : Data engineering

Data management, architecture de bases de données et data visualisation, fondamentaux des big data, sécurisation de données, etc
Format : Retours d’expériences et mises en situations.

Mercredi : Séminaires et travaux pratiques sous R et Python

Sémantique de l’IA et applications en génomique, pharmaco-logie, diagnostic, prévention, Health Data Hub, enquêtes. Enjeux éthiques, juridiques, épidémiologiques. Visualisation, valori-sation et communication des résultats. Défis futurs.
Format : Conférences webinaires en distanciel synchro.

Validation de la formation

QCM + soutenance du projet final (mise en pratique des acquis)
Pour le projet final, deux data challenges seront proposés.

 

Points forts de la formation

Les enseignements dispensés couvriront essentiellement les outils de la science des données de santé incluant :

  • Les outils de gestion et de visualisation des données de santé,
  • Les algorithmes de prédiction et de détection de signaux d’alerte,
  • Les modèles de statistiques décisionnelle,
  • Les techniques d’apprentissage statistique pour l’analyse des données complexes ou massives.

D’autres enseignements en sciences humaines et sociales seront intégrés dans ce certificat pour permettre :

  • D’inscrire le développement des outils d’IA dans processus opérationnel d’aide à la décision médicale ou managériale,
  • D’aborder les aspects éthiques et réglementaires indispensables à l’analyse des données de santé et l’interprétation des résultats.

Contact

Posez-nous vos questions via ce formulaire (cliquer ici) ou en appelant le 01 58 80 89 72
Du lundi au vendredi, de 09h30 à 17h00

Centre(s) d'enseignement

Session(s)

du 4 octobre 2021 au 9 février 2022

Voir le planning et la liste des intervenants

4, 5 et 6 octobre, 8,9 et 10 novembre, 6,7 et 8 décembre 2021, 10, 11 et 12 janvier, 7,8 et 9 février 2022