Bootcamp Expert IA et Machine Learning

Bootcamp Expert IA et Machine Learning

Formation longue certifiante / 280 heures (8 semaines) / Réf. LUNBC101

Titre RNCP 37624 BC04 Concevoir, mettre en oeuvre et optimiser un modèle d’IA/machine learning du titre Data Engineer, délivré par Lunalogic et CFA Stephenson (date enregistrement : 31 mai 2023)

Format : Inter

Lieu : Distanciel

Bootcamp Expert IA et Machine Learning

Présentation de la formation

Cette formation a été conçue pour vous aider à devenir un développeur compétent et polyvalent dans le domaine de l’IA, capable de créer des modèles d’apprentissage, de les optimiser et de les déployer pour résoudre des problèmes complexes dans divers domaines d’application.

Notre programme complet et pratique vous initiera aux fondamentaux de l’IA et du ML tout en vous fournissant les compétences nécessaires pour relever les défis réels auxquels vous pourriez être confronté en tant que développeur en IA.

Date de début de la formation : octobre 2024

PRE-REQUIS

Être titulaire d’une certification de niveau 6 dans le domaine visé.

A défaut :

Expérience professionnelle en informatique requise : Une expérience professionnelle, des stages dans des domaines tels que l’informatique, l’ingénierie informatique ou autres domaines liés

Compétences en programmation : Les compétences en programmation sont essentielles pour comprendre et travailler avec l’IA. Les langages de programmation les plus couramment utilisés dans le domaine de l’IA incluent Python, Java ou C++…      Une expérience en programmation est demandée

Connaissances en mathématiques et en statistiques : Les concepts d’IA sont souvent basés sur des principes mathématiques et statistiques. Une bonne compréhension de ces domaines est nécessaire pour suivre une formation en IA dans de bonnes conditions

Compréhension de base de l’IA et du Machine Learning : Bien que la formation apporte des détails spécifiques de ces domaines, une compréhension de base de ce qu’est l’IA et comment elle fonctionne est demandée

CONDITIONS D’ACCES

La procédure d’inscription se déroule en plusieurs phases :

PUBLIC CIBLE

Public cible :

OBJECTIFS PEDAGOGIQUES ET OPERATIONNELS

A l’issue de la formation, le participant sera en mesure de :

PROGRAMME

  • Introduction au Python
  • Introduction à l’IA et au Machine Learning
  • Mathématiques pour l’IA et le Machine Learning
  • Apprentissage supervisé et non supervisé
  • Réseaux de neurones
  • Optimisation des modèles d’IA et Tests
  • Python pour le ML
  • Julia pour l’IA
  • Déploiement de modèles de Machine Learning
  • Visualisation de données et communication des résultats
  • Préparation et nettoyage des données pour l’IA/ML (big data)
  • Éthique et droit appliqués à la donnée
  • SQL et bases de données avancées
  • Sécurité et cybersécurité

La possibilité de valider un ou des blocs de compétences est proposée par le certificateur.

MODALITES PEDAGOGIQUES

La formation se déroule à 100% à distance et alterne des phases de distanciel synchrone sous forme de classes virtuelles et des phases en distanciel asynchrone.

Cours  : permettant d’acquérir les connaissances en lien avec l’IA

Ateliers pratiques :  projets pratiques liés à l’IA

Études de cas : travail sur des situations tirées de cas réels

Travail en groupe : Pour développer des compétences en collaboration,  communication, essentielles pour la gestion de projets

Des ressources en ligne (documents, tutoriels, forums de discussion…) qui complètent l’apprentissage en salle

Évaluations  formatives : des tests réguliers, des projets et des sessions de feedback pour aider les participants à évaluer leur progression et à identifier les points d’amélioration

MODALITES D’EVALUATION

Mise en situation : Conception et mise en œuvre d’un modèle d’IA/ML.

Le candidat (seul), doit à partir d’une problématique, de données de test, et d’une série d’exigences, fournies par une entreprise fictive ou réelle :

  1. Choisir le modèle d’IA/ML le plus adapté à la problématique en se basant sur des tests et des analyses statistiques et justifier son choix,
  2. Paramétrer le modèle pour qu’il traite le plus efficacement possible la problématique,
  3. Mettre en place la solution la plus pertinente et respectueuse du cadre réglementaire dans une perspective d’industrialisation,
  4. Mesurer la performance du modèle retenu et optimiser le modèle en fonction des résultats obtenus et des métriques de référence fournies par le client (performance du modèle, métriques métiers),
  5. Communiquer sur la solution de façon accessible à l’aide d’une datavisualisation et justifier ses choix à travers une présentation.

Le candidat présente sa solution de ML à un jury de deux personnes représentant le client (data visualisation et présentation) et justifie ses choix techniques par rapport aux besoins du client.

EQUIVALENCES

Après validation du bloc, vous pouvez intégrer la préparation  à la certification complète en étant dispensé de l’unité de formation et des évaluations du bloc.

DEBOUCHES

A l’issue de l’obtention de la certification, vous pourrez intégrer des entreprises de toutes tailles et de tous secteurs au sein de services data, informatiques ou IA, auprès de services métiers divers.

PRIX

6 900 € repas et pauses compris

Découvrez les différents financements possibles ici.

Votre situation nécessite des adaptations ? N’hésitez pas à contacter notre référent handicap à l’adresse suivante : asoares@ensup.eu

Il s’agit d’une nouvelle formation et aucune session n’a encore été réalisée. Le taux d’obtention n’est pas encore disponible car le titre a récemment été déposé (mai 2023).