L’Analyse de données avec R

• Décrire le principe de fonctionnement général du Deep Learning et de l’Intelligence Artificielle Générative.

• Utiliser des techniques de prompting avancées pour répondre à des besoins métier.
• Synthétiser des articles et contenus scientifiques en produisant des résumés concis qui mettent en évidence les points clés et les conclusions principales.
• Améliorer sa veille technologique en configurant, personnalisant et automatisant des outils d’intelligence artificielle générative pour surveiller et résumer les dernières recherches publiées dans des domaines spécifiques.
• Identifier les points clés d’un domaine scientifique spécifique et détecter les sujets de recherche manquants nécessaires pour compléter un modèle théorique existant.
• Traduire des articles.

• Découvrir les fondamentaux de R et des outils d’IA génératives.
•  Acquérir les bases des analyses statistiques descriptives et les appliquer à des jeux de
  données concrets.
• Apprendre à automatiser des tâches courantes en R grâce aux IA génératives.
• Maîtriser la création de visualisations simples et la présentation de données.
• S’initier aux concepts de régressions simples et de tests d’hypothèses.
• Générer des workflows et des rapports automatisés avec R Markdown.

• Comprendre le rôle de NVivo dans le processus de l’analyse qualitative.
• Comprendre et maîtriser l’environnement NVivo.
  • Gestion des sources
  • Gestion des cas
  • Codage des sources
  • Les matrices de croisement
  • Documenter son analyse ; mémos, annotations et liens à.

• Comprendre les fondamentaux de l’IA générative et ses applications
• Maîtriser les techniques d’analyse qualitative assistées par IA
• Utiliser l’IA pour l’analyse et la présentation des données qualitatives

• Comprendre les fondamentaux de l’IA générative et ses applications dans la communication
• Utiliser l’IA dans sa stratégie de communication : définition de cibles, structure des messages, choix des formats…

• Approfondir la maîtrise de R pour réaliser des analyses statistiques avancées.
• Découvrir et exploiter les outils d’IA génératives pour automatiser des tâches courantes en analyse de données.
• Optimiser les processus analytiques en intégrant des workflows automatisés.
• Structurer des workflows complexes de manière efficace et innovante.
• Renforcer la compréhension et l’application des concepts statistiques avancés à des cas réels et simulés.

• Découvrir l’ensemble des possibilités offertes par PRISM pour obtenir le graphique que l’on souhaite, tracé automatique des courbes d’ajustement compris.

• Décrire le fonctionnement d’une IA générative (IAG) pour pouvoir en optimiser l’utilisation dans son travail quotidien
• D’appliquer les méthodes de prompt engineering pour utiliser efficacement les outils d’IAG
• D’identifier des cas d’usage dans son environnement professionnel

• Découvrer le principe de fonctionnement général du Deep Learning et de l’Intelligence Artificielle Générative et bénéficier du potentiel des outils d’IAG
• Utiliser des techniques de prompting avancées pour répondre à des besoins métier.
• Classifier les outils d’intelligence artificielle générative selon les médias mis en œuvre (text-to-text, text-to-image, etc.), et sélectionner le bon outil pour un cas d’usage précis.
• Produire des activités pédagogiques telles que des notes de cours, des guides d’étude, ou des résumés de chapitres pour aider les étudiants dans leur apprentissage.
• Concevoir des examens et des quiz à partir du contenu de formation développé pour les étudiants et gagner du temps dans la préparation de vos cours
• Générer des scénarios ou cas d’étude pour des travaux de groupe, basés sur des sujets d’actualité ou des avancées scientifiques pour décupler les possibilités d’animations de cours (contenu, ateliers de groupes, etc.)
• Adapter son enseignement et préparer ses apprenants à la révolution de l’IAG

Échanger avec les participants sur leurs pratiques de NVivo et approfondissement des connaissances et compétences suivantes :

• Maitriser l’environnement NVivo.
• Gestion des sources
• Gestion des cas
• Codage des sources
• Requêtes et matrices
• Documenter son analyse ; mémos, annotations et liens à.
• Visualisation et exportation
• L’importation et l’utilisation des données provenant des réseaux sociaux et du web
• Le travail collaboratif et la comparaison d’encodeur.