Concevoir et implémenter une solution d'IA – Parcours Cible 1 « Professionnels Data »

Objectifs

Les objectifs pédagogiques sont:

• Permettre aux participants de comprendre et appliquer les principes fondamentaux de l'IA dans un contexte de traitement de données. 
• Maîtriser les outils et techniques de préparation des données pour le développement de solutions IA. 
• Acquérir des compétences en modélisation IA, en tenant compte des exigences métiers. 
• Assurer la qualité et la cohérence des données pour un usage optimal dans des solutions IA. 

Programme de la formation

1- Documentation (1 jour)

• Documenter les jeux de données (datasheet, documentation technique) 
• Documenter le flux de traitement des données (chaîne d'approvisionnement) 
• Suivi du cycle de vie de la donnée 

2- Techniques de traitement de données (2 jours) 

• Génération de données (données synthétiques, confidentialité) 
• Techniques d'augmentation de données 

3- Préparation des données (2 jours) 

• Évaluation de la qualité et de la pertinence des données 
• Data-cleaning : identification des données aberrantes, gestion des données manquantes 
• Identification des biais et méthodes d'atténuation 

4- Adapter la solution aux enjeux sociétaux et besoins clients (1,5 jours) 

• Identification des risques éthiques et sociétaux liés à l'utilisation de l'IA 
• Connaissance des besoins métiers et des cas d'usage 

5- Mesure et suivi de la performance (2 jours) 

• Définition et suivi des indicateurs de performance 
• Techniques de MLOps, versionnage et mise en production des modèles 

6- Les menaces (1,5 jours) 

• Connaissance des menaces pesant sur les solutions IA 
• Évaluation des risques résiduels et techniques d'atténuation 

7- Modélisation IA (2,5 jours) 

• Développement de modèles IA (prédiction, classification, réseaux de neurones) 
• Utilisation des environnements de développement (Jupyter, Tensorflow, Keras) 

8- Méthodes d'apprentissage (2 jours)

• Optimisation des méthodes d'apprentissage en fonction des jeux de données 
• Introduction aux bibliothèques spécialisées du marché 

9- Industrialisation et architecture (2 jours)

• Bonnes pratiques MLOps (versionning, CI/CD) 
• Déploiement de l'IA via API et services web 
• Notions d'architecture des systèmes d'information intégrant l'IA 

10- Amélioration continue (2 jours)

• Mesure des performances des solutions IA 
• Évolution des solutions en fonction des nouvelles données et des retours utilisateurs 

Validation et sanction

Titre ou diplôme en voie d'élaboration;

Type de formation

Non certifiante

Sortie

Sans niveau spécifique