• Découvrir les enjeux du big data agricole et se questionner autour de la maitrise des données
• Comprendre les principes de la science des données pour des objectifs de prédiction
• Appréhender la pratique réelle au travers d'exemples sur l'utilisation des forêts aléatoires et des réseaux de neurones pour l'apprentissage profond
• Comprendre le passage de ces modèles à des outils d'aide à la décision opérationnels

La formation comporte 3 classes virtuelles réparties sur 3 jours où l'interactivité et les échanges seront privilégiés.

Classe virtuelle 1

Présentation de la formation, modalités d'apprentissage et tour de table

Le big data agricole : de quoi parle-t-on ?

• Echange ouvert sur les données identifiées par les participants
• Multiplications des capteurs, des flux des données automatiques
• De l'objet connecté (IoT) à la base de données dans le cloud
• Standard d'échange de données et possibilités de croiser les données
• Les API pour faciliter l'accès aux données

Garder la maitrise des usages des données agricoles

• Le cadre juridique actuel : la contractualisation
• Des chartes pour encadrer les contrats : cas du label Data-Agri
• Le consentement

Classe virtuelle 2

Les méthodes de science de données

• Le principe du machine learning
• Zoom sur les forêts aléatoires avec un exemple

Ex. : Prédiction d'un risque de maladie / Prédiction d'une culture à partir d'une image satellite

• Zoom sur les réseaux de neurone et deep learning pour l'analyse d'image

Ex. : Reconnaissance d'une maladie foliaire, maladie animale / Comptage d'épi, d'animaux

Travail individuel à réaliser et à rendre avant la veille de la classe virtuelle 3 : analyse d'article.

Classe virtuelle 3

Restitution travail individuel

De la science des données aux Outils d'Aide à la Décision opérationnels (OAD)

• Comprendre ce qu'est un OAD
• Découvrir quelques méthodes de conception des OAD

Conclusion et évaluation de la formation

Formation en ligne interactive alternant sur 3 matinées :

• Exposés, échanges et quiz en classe virtuelle
• Travail pratique personnel en asynchrone : la durée de ce travail est estimée au minimum à 1h de travail individuel à réaliser dans l'après-midi de la journée 2 et à rendre avant 18h au formateur. Merci de prévoir suffisamment de temps pour le réaliser.
• Retours sur les travaux pratiques en classe virtuelle pour valider le travail personnel de chacun

• Évaluation des compétences acquises par des quizz en classes virtuelles et un travail individuel à rendre
• Évaluation de la formation par un questionnaire de satisfaction

• Émargement par classe virtuelle
• Certificat de réalisation transmis par courriel à l’issue de la formation

Menadi Julie, Ingénieure responsable du réseau des DIGIFERMES®, Acta

• Animatrice d'un réseau de fermes expérimentales sur le numérique en agriculture
• Coordinatrice et animatrice de projets européens sur l'agriculture numérique