LA PASSERELLE : 01. Concevoir et implémenter une solution d’IA pour les professionnels Data
Organisme
LA PASSERELLE
40 RUE ALEXANDRE DUMAS75011 PARISVoir toutes ses formationsAutres organismes proposant cette formation
Durée
Modalités
Formation
- Mixte
Évaluation
1. Cas d'usage unique (1h) (épreuve orale) 2. Questionnaire à visée professionnelle (45 min) (en ligne)
Certification
Réussite des 2 modalités d'évaluation (cas d'usage unique et questionnaire) - Le coût de la certification est compris dans le coût du stage.
Prix
Inter
La formation en Inter est dispensée pour un groupe de salariés d’entreprises différentes.
6 400 € HT / personne
Certification obligatoire
+ 400 € HT / personne
Intra
La formation en Intra est dispensée pour un groupe de salariés d’une seule et même entreprise.
30 171,43 € HT / groupe
Certification obligatoire
+ 400 € HT / personne
4 stagiaires minimum
Public
Professionnels de l’informatique et du traitement des données (data engineer, data analyst, business data analyst et architecte data).
Pré-requis
- Exercer un emploi comportant des activités orientées vers la création d’infrastructures, de logiciels, vers le traitement et l’analyse de données ou encore vers la maintenance des systèmes ;
- Des connaissances en mathématiques et statistiques, en particulier dans l’exploitation de données (statistiques descriptives, probabilités, statistiques inférentielles, analyse exploratoire des données, modélisation statistique) ;
- Justifier d’une expérience en programmation (1er niveau de maîtrise des langages de programmation, connaissances algorithmes et structures de données, architecture logicielle, systèmes d’exploitation).I2
- Des connaissances en mathématiques et statistiques, en particulier dans l’exploitation de données (statistiques descriptives, probabilités, statistiques inférentielles, analyse exploratoire des données, modélisation statistique) ;
- Justifier d’une expérience en programmation (1er niveau de maîtrise des langages de programmation, connaissances algorithmes et structures de données, architecture logicielle, systèmes d’exploitation).I2
Certification
Concevoir et implémenter une solution d’IA
Objectifs pédagogiques
Mesure et suivi de la performance
Les menaces
Les connaissances générales liées aux modèles d’IA
La modélisation IA
Les méthodes d’apprentissage
Industrialisation et architecture
- Identifier, définir et mesurer les indicateurs de performance dès la conception de la solution
- Analyser et ré-évaluer de manière périodique les indicateurs de performance
- Maitriser les techniques de versionnage et de mise en production des modèles
- Maitriser les techniques de Mlops et frameworks associés (MLFlow, …), conteneurisation (docker) et les articuler avec les techniques de Devops
- Développer des tableaux de bord pour le suivi des performances et les métriques associées
- Intégrer les retours utilisateurs et les limites d’utilisation (retour du contrôle vers un humain)
Les menaces
- Connaître les menaces qui pèsent sur l’élaboration d’une solution d’IA et comprendre l’état de l’art des mécanismes d’atténuation (adversarial example) et évaluer les risques résiduels
Les connaissances générales liées aux modèles d’IA
- Comprendre les modèles d’IA et leurs champs d’application
- Maîtriser les outils (Tensorflow, Keras, ...) pour faire de L’IA
- Compréhension, prise de recul par rapport des cas d’usage
- Intégrer les contraintes opérationnelles (accès aux données, SI, etc…)
- Sensibilisation Écoconception (ex-gestion de flux de données vertueuse, code optimisé, …)
- Apprendre les bonnes pratiques pour gérer un projet d'Intelligence artificielle
- Maîtriser les bases et les bibliothèques de Python, et leur application à l’intelligence artificielle
La modélisation IA
- Connaissance des différents modèles d’IA et de leurs spécificités (ex. contraintes liées aux différentes formes d’apprentissage
- Apprendre à développer en Python des modèles de IA (prédiction, classification, réseaux de neurones)
- Maitriser les environnements de développement de l’IA (Notebook Jupyter, …)
Les méthodes d’apprentissage
- Apprendre à Optimiser le code & automatiser des tâches
- Optimiser les méthodes d’apprentissage au regard du jeu de données
- Elargir les connaissances sur les bibliothèques du marché.
Industrialisation et architecture
- Bonnes pratiques Mlops, versionning, dév. Continu, CI/CD…
- Savoir « exposer » l’IA (API, web service, events, etc)
- Développement d’IHM basiques pour première retitution MVP (Tkinter, Flask, Django, …)
- Avoir une bonne connaissance des principaux éléments d’architectures impliquées pour l’IA
- Être capable de challenger les propositions techniques sous les contraintes performance, économique, écologique, …)
- Apprendre à utiliser des outils de monitoring d’entrainement de type Tensorboard
- Apprendre à utiliser les bibliothèques d’optimisation de modèles de type Optuna
- Avoir des notions d’architecture d’un système d’information intégrant de L’IA
Programme détaillé
Documentation
- Durée : 4 heures
- Modalité : présentiel
- Objectifs pédagogiques : documenter les jeux de données, les flux de traitement, et le cycle de vie des données.
Techniques de traitement de données
- Durée : 10 heures
- Modalité : présentiel
- Objectifs pédagogiques : prendre en compte les techniques de génération de données et maîtriser les techniques d’augmentation de données.
Adapter la solution selon les enjeux sociétaux et les besoins clients
- Durée : 16 heures
- Modalité : présentiel
- Objectifs pédagogiques : adapter une solution IA en tenant compte des besoins métiers et des enjeux sociétaux.
Mesure et suivi de la performance
- Durée : 18 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : identifier et corriger les dérives de modèle et mesurer les indicateurs de performance.
Les menaces
- Durée : 8 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : identifier les menaces à l’intégrité des données et évaluer les risques résiduels.
Préparation des données
- Durée : 12 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : préparer les données pour un projet IA en nettoyant et normalisant les informations.
Connaissances générales liées aux modèles d'IA
- Durée : 16 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : maîtriser les bases théoriques et pratiques des modèles d’IA et leurs outils associés.
Modélisation IA
- Durée : 14 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : développer des modèles IA pour répondre à des problématiques métiers spécifiques.
Méthodes d'apprentissage
- Durée : 12 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : apprendre à optimiser les modèles IA et à les déployer en production.
Industrialisation et architecture
- Durée : 18 heures
- Modalité : téléprésentiel (cours en direct-vidéo)
- Objectifs pédagogiques : industrialiser les modèles IA et maîtriser les environnements d'architecture liés à l'IA.