ESHub
Le programme officiel de certification des compétences en construction (CSCS)
ID du cours : 2501050108809ESH
Dates du cours : 05/01/25 Durée du cours : 1 Jour(s) d'étude Lieu du cours : Londres, Royaume-Uni
Catégorie de cours : Programmes uniques
Sous-catégories de cours :
Éducation et développement professionnel Santé, sécurité et bien-être Leadership et gestion Durabilité et pratiques environnementales Sécurité de la construction Durabilité environnementale Santé et bien-être Leadership et communication Assurance qualité Gestion des risques Développement des compétences techniques
Informations sur le cours
Introduction
Notre formation est conçue comme une formation intensive d'une journée. Vous y apprendrez les notions de santé et de sécurité dans le secteur de la construction nécessaires à la réussite de votre formation. À l'issue de la formation, vous passerez un test en ligne qui évaluera vos connaissances acquises au cours de la journée.
Objectifs
Après avoir réussi votre test, vous recevrez la confirmation de votre carte CSCS. Vous recevrez ensuite une confirmation de vos résultats et de votre carte CSCS. Votre carte CSCS originale et votre certificat vous parviendront sous 10 jours ouvrés.
À qui s'adresse cette formation ?
Toute personne souhaitant travailler sur des chantiers de construction Toute personne souhaitant postuler à un emploi dans le secteur de la construction Toute personne souhaitant accéder à un chantier de construction au Royaume-Uni (obligatoire)
Méthode de formation
• Pré-évaluation • Enseignement en groupe en direct • Utilisation d'exemples concrets, d'études de cas et d'exercices • Participation et discussion interactives • Présentation PowerPoint, écran LCD et tableau à feuilles mobiles • Activités et tests de groupe • Post-évaluation
Soutien au programme
Ce programme est soutenu par : * Des discussions interactives * Des jeux de rôle * Des études de cas et met en évidence les techniques à la disposition des participants.
Agenda quotidien
Agenda du matin : * 9h00-9h30 (pré-évaluation, compléter le registre et présence) * 9h30-11h30 (session technique) * 11h30-11h45 (pause-café) * 11h45-12h45 (session technique) * 12h45-13h00 (pause de révision) * 13h00-14h00 (test CSCS) Aganda de l'après-midi : * 14h30-15h00 (pré-évaluation, compléter le registre et présence) * 15h00-18h30 (session technique) * 18h30-18h45 (pause-café) * 18h45-19h45 (session technique) * 19h45-20h00 (pause de révision) * 20h00-21h00 (CSCS (Test)
Plans de cours
Part 1 / 9
Data Science and AI Foundations
Day 1:
Foundations of Data Science
Introduction to data science and its interdisciplinary applications.
Overview of the data lifecycle: Collection, cleaning, storage, and retrieval.
Tools and technologies: Excel, SQL, and Python basics.
Case study: Transforming raw data into structured formats for analysis.
Day 2:
Exploratory Data Analysis (EDA)
Statistical measures: Mean, median, mode, variance, and correlation.
Data visualization techniques using Matplotlib and Seaborn.
Identifying outliers and handling missing data.
Hands-on exercise: Conducting EDA on a sample dataset.
Day 3:
Machine Learning Fundamentals
Supervised vs. unsupervised learning: Definitions and examples.
Regression and classification algorithms: Linear regression, logistic regression.
Clustering methods: K-means and hierarchical clustering.
Practical session: Building a simple predictive model.
Day 4:
Advanced AI Concepts and Applications
Neural networks and deep learning fundamentals.
Introduction to natural language processing (NLP).
Explainable AI (XAI): Techniques for model transparency.
Group activity: Designing an AI solution for a hypothetical scenario.
Day 5:
Ethics, Compliance, and Implementation
Ethical considerations in AI development and deployment.
Regulatory frameworks governing data privacy and security.
Strategies for integrating AI into organizational workflows.
Final project presentation and feedback session.
Day 1:
Foundations of Data Science
Introduction to data science and its interdisciplinary applications.
Overview of the data lifecycle: Collection, cleaning, storage, and retrieval.
Tools and technologies: Excel, SQL, and Python basics.
Case study: Transforming raw data into structured formats for analysis.
Day 2:
Exploratory Data Analysis (EDA)
Statistical measures: Mean, median, mode, variance, and correlation.
Data visualization techniques using Matplotlib and Seaborn.
Identifying outliers and handling missing data.
Hands-on exercise: Conducting EDA on a sample dataset.
Day 3:
Machine Learning Fundamentals
Supervised vs. unsupervised learning: Definitions and examples.
Regression and classification algorithms: Linear regression, logistic regression.
Clustering methods: K-means and hierarchical clustering.
Practical session: Building a simple predictive model.
Day 4:
Advanced AI Concepts and Applications
Neural networks and deep learning fundamentals.
Introduction to natural language processing (NLP).
Explainable AI (XAI): Techniques for model transparency.
Group activity: Designing an AI solution for a hypothetical scenario.
Day 5:
Ethics, Compliance, and Implementation
Ethical considerations in AI development and deployment.
Regulatory frameworks governing data privacy and security.
Strategies for integrating AI into organizational workflows.
Final project presentation and feedback session.
Semaine 02
Semaine 02
Semaine 03
Semaine 03
Semaine 04
Semaine 04
Semaine 05
Semaine 05
Semaine 06
Semaine 06
Semaine 07
Semaine 07
Semaine 08
Semaine 08
Semaine 09
Semaine 09
