Expert en informatique et système d'information

Le programme Master of Science IA/Data est conçu pour vous fournir une expertise avancée en intelligence artificielle, machine learning, analyse de données et technologies émergentes comme l'IA générative et les modèles de langage étendu (LLM). Ce programme unique s'appuie sur une pédagogie concrète, un Lab IA parrainé par le mathématicien et ancien député Cédric Villani, et la collaboration avec des entreprises partenaires de renom. La Plateforme est également co-organisateur du Forum Méditerranée de l'Intelligence Artificielle, un événement incontournable du secteur. Le MSc IA & Data de La Plateforme forme des experts capables de relever ces enjeux tout en ouvrant les portes à des carrières d'avenir comme Data Scientist, Ingénieur IA, Chef de projet ou créateur d'entreprise dans les technologies de pointe

UNIT 1 : Fondations de l'intelligence artificielle Calcul scientifique et algorithmique Histoire de l'intelligence artificielle. Concepts et applications, depuis l'IA symbolique jusqu'à l'IA générative. Statistiques, probabilités et algèbre linéaire. Développement d'algorithmes avancés. ? Renforcement de la culture scientifique et l'utilisation de la programmation et des mathématiques dans les autres sciences. Apprentissage automatique / Machine Learning Rappel sur les algorithmes de régression, de classement et de classification. Développement de l'IA symbolique.. Évaluation de modèles d'intelligence artificielle (graphes, métriques et A/B testing). ? Modélisation de données à travers des outils de prédictions pour différentes applications métiers et évaluation des modèles d'intelligence artificielle. UNIT 2 : Approches avancées en intelligence artificielle Gestion & analyse de la donnée Extraction de données pour les problématiques métier. Système de gestion de bases de données SQL, NoSQL. Création de pipelines de données (ETLs, Apache Spark, Apache Airflow). Analyse descriptive des données. Visualisation de données à l'aide de divers outils de Python, de R, Power BI, Tableau et Supernet.. ? Gestion et exploitation des données pour répondre aux besoins métiers, incluant l'extraction, la gestion de bases de données, la création de pipelines, l'analyse descriptive et la visualisation des données. Apprentissage profond / Deep Learning Initiation aux modèles d'apprentissage profond (MLP et CNN). Interprétabilité et explicabilité des modèles d'intelligence artificielle (SHAP, LIME,…), enjeux éthiques et réglementation de l'IA.. Évaluation de modèles d'intelligence artificielle (graphes, métriques et A/B testing). ? Modélisation de données à travers des outils de prédictions pour différentes applications métiers et évaluation des modèles d'intelligence artificielle UNIT 3 : Infrastructure et maintenabilité Initiation MLOps, Gestion documentaire, Gestion de la fiabilité & testing Suivi et monitoring de modèles d'intelligence artificielle Outils d'intégration continue et de déploiement continu de modèles d'intelligence artificielle. Documentation fonctionnelle et documentation technique. Tests logiciels : tests unitaires, tests fonctionnels et tests de non-régression. ? Développement, déploiement et monitoring d'applications web d'intelligence artificielle. UNIT 4 : Apprentissage profond / Deep Learning Cadrage de projet Méthode Agile de gestion de