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.
Bloc 1 – Données et préparation (22h)
- 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 (26h)
- 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 (42h)
- 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 (38h)
- 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.
Titre ou diplôme en voie d'élaboration;
Non certifiante
Sans niveau spécifique