Description
L'atelier de formation a pour objectif de sensibiliser les participants à l'importance de la normalisation technique dans le domaine des technologies de l'information et de la communication (TIC), en particulier dans le domaine de l’IA, et de mieux comprendre les principes fondamentaux de l’IA. Au cours de cette journée, les participants développeront une application de classification d'images à l’aide de ressources cloud, tout en découvrant comment appliquer concrètement des normes au travers de cas d'utilisation pratiques.
Public cible
Professionnels du secteur des TIC (CEOs, CIOs, managers, consultants), entrepreneurs, chercheurs ainsi que toutes personnes intéressées par l'intelligence artificielle ainsi que par les aspects de normalisation et de confiance numérique associés.
Acquis et objectifs d’apprentissage
- Découvrir la future norme internationale ISO/IEC 42001 « AI Management System », qui permet de superviser le développement des projets d'IA au sein d'une organisation
- Comprendre les aspects fondamentaux de l'IA, notamment dans le domaine de la classification d'images
- Apprendre les bonnes pratiques liées au cycle de vie du système d'IA (par exemple, utilisation des données, formation de modèles, test du système) basées sur des normes
- Comprendre comment gérer certains risques de fiabilité (par exemple, biais, robustesse) en se basant sur des normes existantes
- Identifier les normes pertinentes et les appliquer efficacement dans les projets d'IA ;
- Être capable de contribuer aux normes techniques
Contenu
Good practices supporting the development of AI projects within an organization
- ISO/IEC FDIS 42001 Information technology — Artificial intelligence — Management system
Overview of artificial intelligence
- ISO/IEC 22989:2022 Information technology — Artificial intelligence — Artificial intelligence concepts and terminology
- ISO/IEC 23053:2022 Framework for Artificial Intelligence (AI) Systems Using Machine Learning (ML)
Practical session
- Learn how to use Cloud resources
- Learn the good practices related to AI system lifecycle (for example, data usage, model training, system testing) using some international standards:
- Data usage
- ISO/IEC 8183:2023 Information technology — Artificial intelligence — Data life cycle framework
- ISO/IEC 5259 series on Data quality for analytics and machine learning (ML)
- ML model development
- ISO/IEC TR 24372:2021 Information technology — Artificial intelligence (AI) — Overview of computational approaches for AI systems
- System testing
- ISO/IEC AWI TS 29119-11 Information technology — Artificial intelligence — Part 11: Testing for AI systems
- ISO/IEC 4213:2022 Information technology — Artificial intelligence Assessment of machine learning classification performance
- Data usage
- Understand how to address some trustworthiness risks (for example, bias, robustness) based on the inputs from standards:
- ISO/IEC 25059:2023 Software engineering — Systems and software Quality Requirements and Evaluation (SQuaRE) — Quality model for AI systems
- ISO/IEC TR 24027:2021 Information technology — Artificial intelligence (AI) — Bias in AI systems and AI aided decision making
- ISO/IEC DTS 12791 Information technology — Artificial intelligence — Treatment of unwanted bias in classification and regression machine learning tasks
- ISO/IEC TR 24029-1:2021 Artificial Intelligence (AI) — Assessment of the robustness of neural networks — Part 1: Overview
Standards development process
- Overview of ISO/IEC JTC 1/SC 42 Artificial Intelligence
- Overview of CEN/CLC JTC 21 Artificial Intelligence
- Overview of ISO/IEC JTC 1/SC 38 Cloud computing and distributed platforms
- How to follow and contribute to standards development
- How to consult standards
Compétences requises
Il est recommandé de disposer de connaissances basiques dans le domaine des TIC pour suivre cette formation.
Durée
8h00
Certificat
Un certificat de participation délivré par l’ILNAS, organisme de formation agréé, sera remis à la fin de la formation.