Introduction formation

• Diagnostic préformation et des attentes formation
• Évaluation du niveau en amont de la formation pour le positionnement de chaque apprenant
• Accueil des participants
• Présentation du formateur et des participants, présentation du déroulé de la formation, de ses objectifs, présentation du programme, et règles de fonctionnement du groupe
• Présentation du contenu pédagogique
• Distribution du support pédagogique

Définition et présentation de la chaine de Markov et de ses applications

• Théorie de chaines de Markov appliquées à la représentation d'un diagramme de Gantt d’un processus de création entrepreneurial sous forme de chaines de Markov.
• Introduction au Markov Reward process (MRP) appliquées à la représentation d’un Lean Canvas de création entrepreneurial sous forme de MRP.
• Introduction aux Markov Decision Process (MDP). Représentation d'un business model sous forme d'un processus décisionnel markovien. Comparaison de l’approche goal-reward et de l’approche penalty-reward.
• Introduction au reward engineering pour formuler une approche de la performance du projet en termes de performance financière et assurantielle et de performance sociale et environnementale.

Le couplage du GRP-LAB avec les IA

• Introduction au couplage exploitation entre Grp-lab et Chat-Gpt. Familiarisation avec l’approche IA Model-based . Mise en adéquation entre l’approche Model-based et la recherche d’équilibre entre performance financière et performance sociale et environnementale.
• Introduction au couplage exploration entre Grp-lab et Chat-Gpt. (Grp-lab) et aux approches exploratives Model-free. Mise en adéquation entre l’approche Model-free et la recherche d’équilibre entre performance financière et performance sociale et environnementale.
• Couplage de l’approche Grp- lab, Chat-Gpt, Markov Decision Process (MDP) et les approches, valeur actuelle nette (VAN) et l’indice de profitabilité (IP) et le modèle DuPont.
• Couplage de l’approche Grp- lab, Chat-Gpt, Markov Reward Process (MRP) et l’horloge stratégiques.

Les outils du Deep learning

• Introduction au Deep learning et aux Hidden markov models (HMM) pour déterminer les différents critères de validation et d’impact d’une démarche spécifique de mise en service d’une nouvelle offre de marché tels:Prédiction du comportement des early adopter, évaluation de la performance financière et sociale de la “Unique value proposition” par la prédiction via des réseau neurones (RNN), Prediction des perfomances des “revenue streams” (financiers, sociaux, environnementaux) par rapport aux “cost structures” (financiers, sociaux, environnementaux)
• Introduction à l’environnement Google colab aux principales librairies en language python pour réaliser des RNN.
• Utilisation de Chat-Gpt pour générer le code python de programmation des RNN en Google colab.

Approfondissement et calibrage en distancielDébriefing de fin de formation

• questions/réponses, évaluation à chaud par les apprenants
• Evaluation et sanction de la formation – atteinte des objectifs afin de pouvoir travailler le plan d’actions à mettre en œuvre