Overview
La formation de Développeur en Intelligence Artificielle est conçue pour fournir aux participants les compétences nécessaires pour concevoir, développer et déployer des solutions d'intelligence artificielle. Sur une durée de 780 heures, cette formation allie théorie et pratique à travers des ateliers, des projets réels et des évaluations continues.
Les participants apprendront à utiliser des outils et des frameworks modernes tels que TensorFlow, PyTorch et Scikit-learn. La formation est structurée en modules progressifs, allant des fondations de l'IA aux applications avancées, incluant un projet fil rouge qui permettra aux apprenants de mettre en pratique leurs connaissances dans un contexte professionnel.
À l'issue de la formation, les participants seront capables de développer des modèles d'IA, d'analyser des données et de travailler en équipe sur des projets complexes. Cette formation est idéale pour ceux qui souhaitent se spécialiser dans le domaine de l'intelligence artificielle et répondre aux besoins croissants du marché.
Objectives
- Développer des modèles d'intelligence artificielle en utilisant des frameworks modernes.
- Analyser et prétraiter des données pour des applications d'IA.
- Implémenter des algorithmes d'apprentissage supervisé et non supervisé.
- Évaluer et optimiser les performances des modèles d'IA.
- Travailler en équipe sur des projets d'IA en respectant les délais.
- Présenter des résultats de projets d'IA de manière professionnelle.
Audience
- Développeurs souhaitant se spécialiser en IA
- Professionnels en reconversion vers le secteur technologique
- Étudiants en informatique ou domaines connexes
Prerequisites
- Connaissances de base en programmation (Python recommandé)
- Notions de mathématiques et statistiques
- Expérience avec des bases de données
Outcomes
- Capacité à développer des applications d'IA fonctionnelles.
- Compétence en analyse de données et en modélisation.
- Aptitude à travailler sur des projets d'IA en équipe.
- Maîtrise des outils et frameworks d'IA actuels.
Syllabus
- 01Introduction à l'Intelligence Artificielle
Concepts fondamentaux de l'IA et de l'apprentissage machine · Présentation des outils et environnements de développement (Jupyter, Anaconda) · Mise en place d'un environnement de développement
60 h - 02Prétraitement et Analyse des Données
Techniques de nettoyage et de transformation des données · Analyse exploratoire des données · Préparation d'un jeu de données pour un modèle d'IA
120 h - 03Apprentissage Supervisé
Théorie des algorithmes d'apprentissage supervisé · Implémentation de modèles de régression et de classification · Présentation des résultats de modèles
150 h - 04Apprentissage Non Supervisé et Deep Learning
Introduction aux réseaux de neurones et à l'apprentissage non supervisé · Création de modèles de clustering et de réseaux de neurones · Développement d'un modèle de classification d'images
150 h - 05Industrialisation et Déploiement des Modèles
Meilleures pratiques pour le déploiement de modèles d'IA · Mise en production d'un modèle d'IA · Audit de déploiement
150 h - 06Projet Fil Rouge / Capstone
Réalisation d'un projet d'IA complet en équipe · Feedback et itérations sur le projet · Soutenance du projet
150 h
Teaching
- Cours théoriques
- Ateliers pratiques
- Projets / mini-projets
- Feedbacks réguliers
Assessment
- Présentation des résultats de modèles
- Critères : précision, rappel, F1
- Audit de déploiement
- Critères : performance, scalabilité
- Soutenance du projet
- Critères : innovation, qualité technique, présentation
Resources
- Python
- Jupyter
- Pandas
- Matplotlib
- Scikit
- TensorFlow
- Keras
- Docker
- Flask
EVA throughout the programme
You are not on your own. EVA stays with you before, during and after the sessions, so the learning holds in the job.
- Before each module, prepare your real use cases.
- Between sessions, an assistant to clarify a concept or iterate.
- After the programme, support to follow what you put in place.