Concevoir et implémenter une solution d’Intelligence Artificielle pour les professionnels IT

22 j (154 heures)

Tarif : 15400€HT

Ref : IAIT

Les objectifs

- Documenter les jeux de données (datasheet, documentation technique)

- Documenter le flux de traitement des données (donnée source jusqu'à l'exploitation, chaine d'approvisionnement des données)

- Documenter le cycle de vie de la donnée Prendre en compte les techniques de génération de données (données synthétiques, confidentialité différentielle, etc.)

- Maitriser les techniques d'augmentation de données

- Evaluer la qualité et la pertinence des données (visualisation, indicateurs (de cohérence), distribution, etc.)

- Identifier les biais les plus courants et leurs atténuations et évaluer les risques résiduels Intégrer et maitriser les méthodes de base de data-cleaning (renseigner données manquantes, identifier les données aberrantes, etc.)

- Comprendre les impacts de la solution par rapport au destinataire direct et indirect

- Connaître, identifier et intégrer les différents risques éthiques et sociétaux associés à l'utilisation de l'IA en fonction du cas d'usage

- Connaître la réglementation en lien avec la confidentialité et utilisation des données et de l'IA pour les usages sensibles

- Connaitre les besoins métiers et comprendre les besoins exprimés

- Comprendre le cas d'usage en fonction des besoins métiers

- Identifier et corriger les dérives du modèle (apprentissage en continu avec des dérives liées aux nouvelles données)

- 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

- Choisir et documenter le modèle de stockage adapté en fonction du cas d'usage et des données sources

- 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)

- 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

- 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

- 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, …)

- 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.

- 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

Les prochaines sessions

A distance

02/06/2025

15400€HT

13/10/2025

15400€HT

Aix

Angers

Bordeaux

Lille

Lyon

02/06/2025

15400€HT

13/10/2025

15400€HT

Marseille

Metz

Montpellier

Nantes

Nice

Nimes

Paris

02/06/2025

15400€HT

13/10/2025

15400€HT

Rennes

Sophia

Strasbourg

Toulouse

02/06/2025

15400€HT

13/10/2025

15400€HT

Tours

Je souhaite m'inscrire

Télécharger le programme

En quelques mots...

Public

Professionnels de l'IT dont :
- le cœur de métier n'est pas initialement l'exploitation des données,
- l'expertise et les finalités se concentrent sur la gestion et l'optimisation des systèmes et de l'infrastructure informatiques et non sur l'exploitation des données pour prendre des décisions (développeur informatique, spécialiste BDD, consultant AT, spécialiste infrastructure, spécialiste systèmes, réseaux et sécurité, intégrateur logiciel...)

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)

Méthodes et Moyens pédagogiques

Formation réalisée en Présentiel, Distanciel ou Dual-Learning selon la formule retenue.
Mise à disposition de nos environnements de visio sur nos formations en Distanciel Remise d'une documentation pédagogique numérique pendant la formation La formation est constituée d'apports théoriques, d'exercices pratiques et de réflexions
Dans le cas d'une formation sur site Entreprise, le client s'engage à avoir toutes les ressources pédagogiques nécessaires (salle, équipements, accès internet, TV ou Paperboard...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation

Modalités de suivi et d'évaluations

Auto-positionnement des stagiaires avant la formation
Émargement des stagiaires et formateur par 1/2 journée
Exercices de mise en pratique ou quiz de connaissances tout au long de la formation permettant de mesurer la progression des stagiaires
Auto-évaluation des acquis de la formation par les stagiaires
Questionnaire de satisfaction à chaud et à froid à l'issue de la formation