Prérequis et objectifs

Résultats attendus

Résultats attendus

L’évaluation des compétences est fondée sur : 1/ Des mises en situation professionnelle reconstituée pour évaluer la mise en pratique des compétences techniques et managériales acquises ; 2/ Un dossier professionnel mettant en avant les compétences acquises fait l’objet d’une production écrite et soutenue devant un jury Ces évaluations permettent de valider les compétences pour acquérir la certification " Développeur en Intelligence Artificielle et Data Science " de niveau 6

Prérequis de la formation

Prérequis de la formation

Être
titulaire d’une certification professionnelle de niveau 5
Informatique dans le domaine visé ou posséder un niveau 4 en
informatique dans le domaine visé avec une expérience professionnelle d’au
moins un an dans les métiers informatiques (développement d’applications)

Dans le cas
où un candidat ne disposerait pas des prérequis définis, il a la possibilité de
déposer un dossier de candidature qui sera examiné par une commission
réunissant la direction pédagogique EPSI et le responsable en charge du
recrutement des candidats en vue d’une admission « exceptionnelle ».

L’admission se
fait sur dépôt de dossier de candidature, des tests techniques et un entretien
individuel. Une réponse personnalisée est donnée à chaque candidat dans les 5
jours qui suivent l’entretien.

Objectifs de la formation

Objectifs de la formation

La
certification Développeur en Intelligence Artificielle et Data science
s’adresse à un public qui souhaite acquérir (formation initiale ou   réorientation) ou renforcer (formation
continue) les compétences et 
l’expertise dans le développement d'applicatifs informatiques autour
de l'IA et de la Data Science. Elle permet d’acquérir les compétences
permettant de développer des solutions informatiques utilisables par des spécialistes
ou non-spécialistes, intégrant directement ou indirectement des briques
technologiques d'Intelligence Artificielle.

 

·        
Développer le Back-end et le Front-end d’une solution IA,
intégrant des briques d’intelligence artificielle

·        
Mettre en place et développer la phase de la collecte, le
stockage et le traitement des données

·        
Maitriser les approches de création de valeur à partir des
données massives « Big data » (analyse, exploitation et data visualisation
des données)

·        
Construire, entraîner, tester et adapter le modèle
d’apprentissage préconisé, à partir d’une structure de données propres

·        
Maintenir techniquement la solution IA

·        
Améliorer et/ou adapter (évolutions des besoins)
l’application ou le programme d’intelligence artificielle pour répondre au
besoin

  • Réaliser de la
    veille technologique, réglementaire, métier

 

La
formation vise l’obtention de la certification professionnelle référencée au
Répertoire National « Développeur en Intelligence Artificielle et Data
Science» - Niveau 6 (RNCP36581).

Objectifs de sortie

Objectifs de sortie

Secteurs d'activités :
Le développeur en intelligence artificielle et Data science peut exercer son activité dans l'ensemble des secteurs. Il exerce des tâches «?d'expert métier?» en autonomie, mais participe également aux étapes de définition des projets et à la veille sur les technologies, notamment les briques de développement mises à disposition par d'autres acteurs de l'IA. Selon la maturité de l'IA au sein de l'entreprise, de leur taille et de leur organisation, les entreprises font appel au Développeur IA?:

Soit au travers d'un prestataire de service, généralement une ESN?;
Soit par une embauche ou évolution interne.

Les métiers ciblés sont :

·        
Développeur(euse) BI (Business Intelligence)

·        
Développeur(euse) Python

·        
Développeur(euse) Data

·        
Analyste Développeur(euse) Data

Développeur(euse)
d’applications IA

Domaines

Domaine(s)
Mathématiques informatiques
Langage Python
Intelligence artificielle

Contenu

Contenu

Le
programme de la formation est :

  1. Le programme de la
    formation vise les compétences suivantes :

    1/ Créer un modèle de
    données d’une solution I.A en utilisant des méthodes de Data science:

    - Collecte de donnée

    - Data Science et Workflow

     

    2/ Développer un modèle
    prédictif d’une solution I.A:

    - Machine Learning

    - Exploitation des données
    - Architecture d’application

     

    3/ Produire et
    maintenir une solution I.A. :

    - Déploiement solution I.A
    - Développement et testing

     

    4/ Gérer les
    activités/tâches du développement d’une solution I.A :

    - Approche DevOps et agile
    - Communication et projet

    5/  Communiquer & Assurer une veille
    technologique:

     ·        
    Communication en langue anglaise et
    française

    ·        
    Créativité et Ethique professionnelle

    ·        
    Innovation