Concepteur développeur en intelligence artificielle et analyse big data - option data science - Blocs 2, 3, 4 et 5

"Cette formation modulaire permet d'acquérir et de valider les compétences des blocs suivants du titre professionnel RNCP?38616?– “Concepteur développeur en intelligence artificielle et analyse big data - option Data Analyse” : – Bloc?2?: Analyser et synthétiser les données préalablement à l'utilisation d'algorithmes d'IA – Bloc?3 : Appliquer des techniques d'analyse IA via des algorithmes d'apprentissage automatiques (Machine Learning) – Bloc?4?: Mener des projets IA et Big Data en équipe en intégrant les contraintes légales et des considérations éthiques – Bloc?5?: Option Data Science - Développer et mettre en production des algorithmes d'IA par apprentissage profond (Deep Learning) Les modalités d'évaluation sont conformes aux référentiels RNCP (cas pratique, livrables, mise en situation professionnelle, jury), et la validation donne lieu à l'attestation officielle de réussite des blocs."

"Concepteur développeur en intelligence artificielle et analyse big data - RNCP38616BC02, RNCP38616BC03, RNCP38616BC04, RNCP38616BC05 Module 1 - Decision Science (48h) Objectif : À l'issue de ce module, les stagiaires seront capables d'analyser un problème business réel, de formuler des hypothèses, d'appliquer des méthodes statistiques (inférence, régression linéaire et logistique), et de présenter des recommandations claires et visuelles via un dashboard, en adoptant une posture de consultant Data. Module 2 - Math (8h) Objectif : À l'issue de ce module, les stagiaires seront capables de mobiliser les notions fondamentales d'algèbre linéaire et de calcul différentiel (fonctions, équations, vecteurs, matrices, dérivées, intégrales) nécessaires à la compréhension et à la mise en oeuvre des algorithmes de data science. Module 3 - Machine Learning (80h) Objectif : À l'issue de ce module, les stagiaires seront capables de mettre en oeuvre un projet complet de machine learning supervisé ou non supervisé à l'aide de Scikit-Learn, en maîtrisant les étapes clés du workflow (préparation des données, modélisation, évaluation, optimisation, industrialisation), tout en comprenant les fondements mathématiques des algorithmes et leurs applications à des données tabulaires, textuelles ou temporelles. Module 4 - Deep Learning (64h) Objectif : À l'issue de ce module, les stagiaires seront capables de concevoir, entraîner et évaluer différents types de réseaux neuronaux (dense, convolutifs, récursifs, transformers) pour traiter des données complexes (images, texte, séquences), tout en comprenant les principes de l'apprentissage profond, de l'optimisation, du NLP, des modèles génératifs (GAN, RAG) et de l'apprentissage par renforcement. Module 5 - ML Ops (32h) Objectif : À l'issue de ce module, les stagiaires seront capables de mettre en production un modèle de machine learning à l'échelle en automatisant son entraînement, en le déployant dans le cloud via une API, et en créant une interface web fonctionnelle permettant l'exploitation du modèle en conditions réelles. Module 6 - Projet - (80h) Objectif : À l'issue de ce module, les stagiaires seront capables de concevoir, développer, déployer et présenter en équipe un projet data/IA original en production, tout en intégrant les bonnes pratiques de CI/CD, en mobilisant les outils d'IA générative pour gagner en efficacité, et en prenant en compte les enjeux d'explicabilité et d'éthique liés à l'intelligence artificielle. "