Machine Learning pour la Supply Chain

L'apprenant sera capable de concevoir et déployer des modèles de machine learning pour optimiser les processus de supply chain (prévision de demande, gestion des stocks, optimisation logistique). Il maîtrisera les outils professionnels (Python, scikit-learn, pandas) et saura évaluer la performance de ses modèles sur des données réelles. Il pourra autonomement identifier les problèmes supply chain résolubles par le ML et proposer des solutions adaptées.

Professionnels de la supply chain, logistique ou opérations ayant des bases en programmation et souhaitant appliquer le ML à leurs processus métier. Également destiné aux développeurs/data analysts voulant se spécialiser dans les applications supply chain avec une autonomie progressive sur des cas réels.

Connaissances de base en Python (variables, boucles, fonctions); Compréhension élémentaire des statistiques et probabilités; Familiarité avec les concepts fondamentaux du machine learning (apprentissage supervisé/non supervisé, train/test)

Maîtriser l'implémentation de modèles de machine learning avancés pour optimiser les processus de supply chain (prévision de demande, optimisation d'inventaire, détection d'anomalies). Concevoir des architectures ML scalables intégrant données temps réel et systèmes legacy, en mesurant l'impact business et en pilotant la transformation digitale de la chaîne logistique.

Directeurs IT, responsables transformation digitale, data scientists seniors et architectes solutions intervenant dans des environnements supply chain complexes, souhaitant piloter l'implémentation stratégique de solutions ML pour optimiser la performance logistique et la prise de décision en Afrique francophone.

Maîtrise confirmée de Python et des frameworks ML (scikit-learn, TensorFlow); Expérience en data science et statistiques avancées; Connaissance des processus supply chain; Compréhension des architectures cloud et big data; Expérience en gestion de projets data complexes.