Artificial Intelligence Engineer - 18 mois (temps partiel)
Description
12 projets professionnalisants pour acquérir des compétences par la pratique. Chaque livrable de projet enrichira votre portfolio que vous pourrez valoriser auprès de recruteurs.
- Au cours de cette formation vous réaliserez les projets suivants :
- Démarrez votre formation de AI Engineer
- Participez à un concours sur la Smart City
- Préparez des données pour un organisme de santé publique
- Construisez un modèle de scoring
- Segmentez des clients d'un site e-commerce
- Classifiez automatiquement des biens de consommation
- Réalisez une analyse de sentiments grâce au Deep Learning
- Traitez les images pour le système embarqué d'une voiture autonome
- Développez une preuve concept
- Réalisez une application de recommandation de contenu
- Réalisez un traitement dans un environnement Big Data sur le Cloud
- Réalisez le cadrage d'un projet IA
Pour mener à bien ces projets, vous disposerez de nombreuses aides et ressources :
- Rendez-vous hebdomadaires individuels avec votre mentor (45min en visioconférence) pour vous soutenir jusqu'au diplôme
- Cours vidéos à suivre à tout moment sur votre ordinateur ou depuis votre mobile
- Accès à une communauté d'étudiants pour échanger sur votre formation, partager vos bons plans ou vous motiver !
Objectifs
Cette formation a pour objectif de vous former pas à pas au métier AI Engineer.
Les métiers de l'Intelligence Artificielle et de la Data Science sont en plein essor : leur volume a plus que quadruplé depuis 2013. Parmi eux :
- Le Data Scientist qui réalise des analyses de données et des prédictions métiers poussées grâce à la data science.
- L'AI Engineer qui développe des solutions d'IA complexes et les déploie en production.
- Le Machine Learning Engineer qui conçoit des modèles prédictifs autonomes.
A l'issue de la formation, vous serez ainsi capable de :
- Collecter, pré-traiter, analyser des données et créer des variables pertinentes (feature engineering) pour l'entraînement d'un modèle.
- Concevoir des modèles d'apprentissage automatique à partir de données structurées et de données non structurées (texte et image).
- Gérer le cycle de vie et de déploiement en production d'un modèle (MLOps) ou d'une application dans des environnements classiques et Big Data.
- Manager des projets IA et de data science complexes en intégrant les contraintes légales et les valeurs d'éthique.
Vous maîtriserez les technologies et les langages techniques les plus demandés : Python : Jupyter Notebook, Git, Github, Streamlit, MLFlow. Technologies : NLP, Computer Vision, Deep Learning, MLOps, Cloud (AWS, Azure, Heroku, Google Cloud), Databricks, API, Hadoop/PySpark.