> Formations > Technologies numériques > Intelligence Artificielle, Big Data > IA, Machine Learning, analyse de données > Formation Parcours certifiant intégrer des modèles et des services d’intelligence artificielle > Formations > Technologies numériques > Formation Parcours certifiant intégrer des modèles et des services d’intelligence artificielle
Nouvelle formation

Formation : Parcours certifiant intégrer des modèles et des services d’intelligence artificielle

Bloc de compétences d'un Titre RNCP

Parcours certifiant intégrer des modèles et des services d’intelligence artificielle

Bloc de compétences d'un Titre RNCP
Télécharger au format pdf Partager cette formation par e-mail 2

Télécharger au format pdf Partager cette formation par e-mail 2

Ce parcours de formation représente le deuxième bloc de compétences du titre RNCP de niveau 6 (Bac +3) « Développeur en intelligence artificielle » reconnu par l'État. Il couvre une gamme complète de compétences, de la veille technique à la chaîne de livraison continue. Vous maîtriserez l'organisation de la veille, l'identification et le paramétrage des services d'IA, le développement d'API, l'intégration dans des applications, la surveillance des modèles avec des métriques spécifiques, la programmation de tests automatisés et la mise en place d'une chaîne de livraison continue.


Inter
Intra
Sur mesure

Cours pratique

Réf. ZIS
Prix : 12500 € H.T.
  24j - 168h00
Pauses-café et
déjeuners offerts




Ce parcours de formation représente le deuxième bloc de compétences du titre RNCP de niveau 6 (Bac +3) « Développeur en intelligence artificielle » reconnu par l'État. Il couvre une gamme complète de compétences, de la veille technique à la chaîne de livraison continue. Vous maîtriserez l'organisation de la veille, l'identification et le paramétrage des services d'IA, le développement d'API, l'intégration dans des applications, la surveillance des modèles avec des métriques spécifiques, la programmation de tests automatisés et la mise en place d'une chaîne de livraison continue.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • Organiser et réaliser une veille technique et réglementaire
  • Identifier des services d’IA préexistants à partir de l’expression de besoin en fonctionnalités d’IA
  • Paramétrer un service d’intelligence artificielle
  • Développer une API exposant un modèle d’intelligence artificielle
  • Intégrer l’API d’un modèle ou d’un service d’intelligence artificielle dans une application
  • Monitorer un modèle d’intelligence artificielle à partir des métriques courantes et spécifiques au projet
  • Programmer les tests automatisés d’un modèle d’intelligence artificielle
  • Créer une chaîne de livraison continue d’un modèle d’intelligence artificielle

Public concerné
Toute personne souhaitant intégrer des modèles et des services d’intelligence artificielle.

Prérequis
Être titulaire d'un diplôme de niveau 5 (Bac +2), avoir des connaissances en programmation objet et en SQL. Si ce n'est pas le cas, être titulaire d'un niveau 4 (BAC) et 3 ans d'expérience en développement d'application, sous réserve de la validation du dossier VAP par le certificateur.

Programme de la formation

Mettre en œuvre une veille concurrentielle efficace

  • Identifier les différents types de veille.
  • Concevoir un plan de recherche.
  • Maîtriser les outils terrain et documentaires de collecte d'informations.
  • Mettre en place des outils de monitoring et d'analyse.
  • Exploiter les informations pour optimiser son positionnement concurrentiel.

Conduire un projet Benchmarking

  • Identifier les différents types de benchmarking.
  • Rédiger le cahier des charges du projet.
  • Recenser les sources d'informations et les partenaires.
  • Analyser les données recueillies.
  • Communiquer les bonnes pratiques auprès des équipes.

Statistiques descriptives, introduction

  • Comprendre l'intérêt de la statistique descriptive.
  • Comprendre comment traiter des données brutes.
  • Comprendre les outils statistiques de base et leur calcul.
  • Poser une problématique statistique et rechercher la méthode appropriée.

Machine learning, méthodes et solutions

  • Comprendre les différents modèles d'apprentissage.
  • Modéliser un problème pratique sous forme abstraite.
  • Identifier les méthodes d'apprentissage pertinentes pour résoudre un problème.
  • Appliquer et évaluer les méthodes identifiées sur un problème.
  • Faire le lien entre les différentes techniques d'apprentissage.

Intégration continue, bonnes pratiques de mise en œuvre

  • Comprendre les composantes et les principes de l'intégration continue.
  • Manipuler un gestionnaire de contrôle des versions.
  • Comprendre les mécanismes de la construction du logiciel et les outils de Build associés.
  • Configurer un projet sur un serveur d'intégration continue.
  • Déchiffrer les principaux métriques d'outils d'analyse de code.
  • Appréhender le rôle des dépôts d'artefacts et la gestion des configurations.

Machine Learning avec Python du POC à la production

  • Mettre en place les différentes étapes de préprocessing avec Python.
  • Savoir choisir le modèle approprié pour une problématique donnée.
  • Appliquer et évaluer des modèles sur des données réelles.
  • Mettre à disposition un modèle dans le cloud et permettre son interrogation par le biais du API.

Deep Learning et réseaux de neurones : les fondamentaux

  • Comprendre les concepts de Machine Learning et l’évolution vers le Deep Learning (réseaux de neurones profonds).
  • Maîtriser les bases théoriques et pratiques d'architecture et de convergence de réseaux de neurones.
  • Connaître les différentes architectures fondamentales existantes et maîtriser leurs implémentations fondamentales.
  • Maîtriser les méthodologies de mise en place de réseaux de neurones, les points forts et les limites de ces outils.
  • Connaître les briques de base du Deep Learning : réseaux de neurones simples, convolutifs et récursifs.
  • Appréhender les modèles plus avancés : auto-encodeurs, gans, apprentissage par renforcement.

Deep Learning avec PyTorch

  • Savoir manipuler des images et du texte avec PyTorch.
  • Mettre en place un entraînement de réseaux de neurones à partir de zéro ou en utilisant le transfer learning.
  • Connaître les modules de PyTorch pour charger les données.
  • Avoir des notions sur les entraînements distribués.
  • Avoir des notions sur les nouvelles méta-architectures telles que les transformers.


Certification
Le bloc de compétences est validé à travers un cas pratique et une mise en situation. Pour le cas pratique, l’évaluation doit se faire à partir de l’expression d’un besoin réel ou fictif de fonctionnalités d’intelligence artificielle. Ce besoin peut résulter d’une commande client comme d’une sollicitation interne d’un collaborateur data scientist par exemple. Le cas pratique évalué a pour but l’installation et la configuration du service d’IA préconisé. Évaluation basée sur la correction d’un rapport professionnel et d’un oral individuel. Pour la mise en situation, l’évaluation doit se faire dans un contexte réel ou fictif de réalisation d’un service d’intelligence artificielle à partir d’un modèle fourni. Le projet évalué a pour but la mise en service (packaging, monitorage, test…) du modèle fourni, et son intégration dans une application existante. Évaluation basée sur la correction d’un rapport professionnel et d’un oral individuel intégrant une démonstration du projet.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Mentions légales

Solutions de financement
Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.
Il vous aidera à choisir parmi les solutions suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.

Horaires
En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 15h30 le dernier jour.

Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance