Blockchain et Intelligence Artificielle (IA) pour l'assurance
Proposé par
M2I
Prérequis
Public admis
- Salarié en Poste
- Entreprise
Demandeur d'emploi et Etudiant non admis
Financement
- Votre OPCO
- Financement personnel
Financement CPF non pris en charge
Modalités
- En centre
- À distance
Objectifs pédagogiques
A l'issue de cette formation, vous serez capable de :
- 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.
Programme de la formation
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
Proposé par
M2I
"Un leadership dans le domaine de la formation"
Proposé par
M2I
