Aller au contenu principal

Architecte en intelligence artificielle - Fullstack IA

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000260083
Organisme responsable : Jedha (ouvre dans un nouvel onglet)

Nouvelle recherche

Référentiels

Code Rome

  • M1402 Conseil en organisation et management d'entreprise
  • M1403 Études et prospectives socio-économiques
  • M1802 Expertise et support en systèmes d'information
  • M1805 Études et développement informatique

Formacode

  • 31008 : Système information
  • 31026 : Data science
  • 31028 : Intelligence artificielle
  • 31085 : Informatisation des processus

Présentation de la formation

Objectifs

Cette première phase pose les bases techniques indispensables pour aborder sereinement la suite de la formation. Vous commencez par programmer en Python, structurer votre code, comprendre la logique algorithmique et utiliser les outils essentiels du développeur moderne, comme Git et GitHub. L' objectif n'est pas de plonger immédiatement dans l'IA, mais de vous rendre à l'aise avec le code, les environnements de travail et les bonnes pratiques logicielles, afin de construire…

Cette première phase pose les bases techniques indispensables pour aborder sereinement la suite de la formation. Vous commencez par programmer en Python, structurer votre code, comprendre la logique algorithmique et utiliser les outils essentiels du développeur moderne, comme Git et GitHub. L' objectif n'est pas de plonger immédiatement dans l'IA, mais de vous rendre à l'aise avec le code, les environnements de travail et les bonnes pratiques logicielles, afin de construire un socle solide. Cette étape vous permet de ne plus être bloqué par la technique et de progresser ensuite vers l'IA avec confiance et autonomie.
/........./ 
Prouvez que vous savez construire, pas seulement apprendre. Tout au long de cette phase finale, vous développez un projet d'IA complet, de bout en bout. Données, modèles, architecture, déploiement et démonstration : vous appliquez l' ensemble des compétences acquises dans un contexte proche du monde professionnel. Vous repartez avec un projet concret, démontrable et valorisable, reflet de votre capacité à livrer un système d'IA réel.

Programme de la formation

Module 1 – AI Engineering Foundation  Bases solides en Python, algorithmique et bonnes pratiques de code. Prise en main des outils du développeur (VS Code/Cursor, Git, GitHub, terminal). Module 2 – Exploratory Data Analysis  Explorer, nettoyer et transformer les données avec Python, Pandas et NumPy. Utiliser stats descriptives et visualisation (Matplotlib) pour comprendre un dataset. Module 3 – Data Infrastructure  Collecter la donnée via APIs, bases SQL et fichiers. Construire…

Module 1 – AI Engineering Foundation 
  • Bases solides en Python, algorithmique et bonnes pratiques de code.
  • Prise en main des outils du développeur (VS Code/Cursor, Git, GitHub, terminal).
Module 2 – Exploratory Data Analysis 
  • Explorer, nettoyer et transformer les données avec Python, Pandas et NumPy.
  • Utiliser stats descriptives et visualisation (Matplotlib) pour comprendre un dataset.
Module 3 – Data Infrastructure 
  • Collecter la donnée via APIs, bases SQL et fichiers.
  • Construire data lakes/warehouses sur le cloud (AWS, S3, RDS) et des pipelines ETL.
Module 4 – Machine Learning 
  • Préparer les données et entraîner des modèles supervisés et non supervisés (scikit-learn).
  • Travailler sur l'évaluation, la régularisation et la lutte contre l'overfitting.
Module 5 – Deep Learning Foundation 
  • Comprendre réseaux de neurones, descente de gradient et représentations apprises.
  • Manipuler texte et images avec PyTorch et Hugging Face.
Module 6 – Deep Learning Model Architecture 
  • Plonger dans les Transformers et l'attention.
  • Utiliser l'écosystème Hugging Face et découvrir CLIP pour le multimodal.
Module 7 – Generative Process / GenAI 
  • Comprendre la génération de texte (auto-régressif) et d'images (diffusion).
  • Poser les bases pour construire des systèmes GenAI (LLM, diffusion) intégrables en produit.
Module 8 – Adaptation & Evaluation 
  • Adapter des modèles (Transfer Learning, SFT, LoRA/QLoRA).
  • Introduire RL, RLHF, DPO et les métriques d'évaluation (BLEU, ROUGE, BertScore, LLM-as-a-judge).
Module 9 – ML Engineering 
  • Déployer des modèles avec Docker, FastAPI, Streamlit et MLflow.
  • Mettre en place monitoring, traçabilité et entraînements distants.
Module 10 – AI Engineering (LLM Systems) 
  • Construire des apps LLM avec LangChain/LangGraph, RAG et bases vectorielles (Weaviate).
  • Gérer observabilité, déploiement (vLLM, Hugging Face) et connexion à des outils (MCP).
Module 11 – Demoday 
  • Concevoir un projet IA de bout en bout, de la donnée au déploiement.
  • Mettre en production une app ML ou LLM observable, documentée et présentable.

Validation et sanction

Architecte en intelligence artificielle

Type de formation

Certifiante

Niveau de sortie

Bac + 5 et plus

Durée, rythme, financement

Durée

En centre

450 h

Financement

Conventionnement
Oui

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

- Réussite d'un test technique validant des compétences fondamentales en mathématiques appliquées et en programmation Python. - Réussite d'un entretien d'admission qui jugera de la motivation du candidat, de sa capacité à suivre la formation et de la pertinence et de la faisabilité de son projet professionnel - Pratique courante de l'anglais (niveau B1/B2), évaluée par un test d'anglais

Lieu de réalisation de l'action

Modalités d'enseignement

Formation mixte

Adresse

7 Rue des Filles du Calvaire
75003 Paris 3e

Responsable : Jedha

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
Jedha
75003 Paris 3e
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes