Comprendre l'IA et ses usages
Identifier les cas d'application utiles dans leur secteur (informatique, bureaux d'études, éco-construction, finances).Préparer et exploiter les données
Collecter, nettoyer et structurer des jeux de données fiables pour un projet IA.Concevoir et entraîner un modèle IA
Choisir la bonne approche, entraîner un modèle avec Python et en évaluer la performance.Intégrer l'éthique et la performance
Prendre en compte les enjeux réglementaires, sociétaux et éthiques, et mesurer les résultats.Déployer une solution IA en entreprise
Mettre en œuvre un modèle dans un environnement technique (IT, cloud, systèmes) et assurer son suivi.
Bloc 1 – Données et préparation
- Collecter, nettoyer et structurer les données.
- Identifier les biais et améliorer la qualité des jeux de données.
- Utiliser les principales techniques de préparation et d'analyse.
Bloc 2 – Modélisation et apprentissage
- Comprendre les différents types de modèles IA.
- Entraîner un modèle avec Python et des bibliothèques spécialisées.
- Optimiser les performances et tester la robustesse.
Bloc 3 – Éthique, enjeux et performance
- Identifier les impacts éthiques, juridiques et sociétaux de l'IA.
- Comprendre les menaces et les dérives possibles.
- Définir et utiliser des indicateurs pour mesurer la performance et la fiabilité.
Bloc 4 – Industrialisation et architecture
- Intégrer un modèle IA dans un environnement technique (IT, cloud, systèmes métiers).
- Découvrir les bonnes pratiques de l'industrialisation (MLOps, CI/CD).
- Contribuer à l'architecture et à la documentation de la solution.
Non prévu;
Non certifiante
Sans niveau spécifique