Intelligence artificielle

Objectifs

• Analyser un problème afin de formuler un cahier des charges fonctionnel et technique pour une solution d'IA


• Collecter, nettoyer et préparer des jeux de données pour l'apprentissage automatique en documentant les choix de pré traitement


• Stocker et transformer des données structurées et semi structurées à l'aide de bases de données et d'outils de traitement en tenant compte de l'empreinte écologique dans le choix des outils


• Développer des systèmes d'apprentissage supervisé et non supervisé adaptés à un problème donné, en intégrant dès la conception l'amélioration du rapport risques/bénéfices (environnementaux, socio-économiques) dans l'ensemble du cycle de vie


• Optimiser des architectures de base en apprentissage profond en tenant compte des contraintes de performance et de consommation de ressources


• Programmer des solutions d'IA en mobilisant des bibliothèques usuelles


• Choisir des métriques d'évaluation adaptées aux modèles, en analysant la qualité, les biais et les limites des données


• Améliorer la qualité et la fiabilité des modèles par des techniques de réduction de dimension et de pré-traitement en optimisant l'usage des ressources


• Intégrer des modèles d'IA dans des applications logicielles simples


• Participer au déploiement de solutions d'IA dans des environnements informatiques distants


• Réaliser une veille technologique et scientifique en IA sur les évolutions récentes dans le domaine de l'IA


• Participer à des projets d'IA en équipes pluridisciplinaires, y compris en anglais, en respectant des objectifs, contraintes et délais dans conception et le déploiement


• Identifier les principaux enjeux éthiques juridiques, sociétaux et environnementaux liés à l'IA (biais, discrimination, explicabilité) dans différents contextes d'usage, afin de les intégrer dans la définition des orientations de veille, de R&D et dans les choix méthodologiques


• Participer au développement de nouveaux systèmes d'IA, dans le respect du cadre réglementaire applicable aux systèmes d'IA et aux données, ainsi que de l'accessibilité


• Tester, évaluer les modèles d'IA au moyen de métriques appropriées, en explicitant les limites et les risques associés


• Décrire et documenter les choix techniques, la provenance, les transformations et l'usage des données dans une perspective de transparence de gestion responsable dans le respect du cadre juridique


• Communiquer les résultats techniques, en adaptant sa communication écrite ou orale, à des publics variés en explicitant les implications éthiques et environnementales

Programme de la formation

-

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Bac + 3 et 4