Développeur en intelligence artificielle

RNCP35141BC02Apprentissage automatique ( Machine Learning ) supervisé et non supervisé

• C5 Préparer des données en vue de l'apprentissage afin que celles-ci soient nettoyées C6 Transformer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Preprocessing) C7 Générer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Feature Engineering) C8 Maîtriser les différents algorithmes d'apprentissage afin d'apporter une réponse adaptée à une problématique d’une organisation (entreprise, laboratoire, etc.) C9 Entraîner un modèle d'apprentissage supervisé pour optimiser une fonction de prédiction à partir d'exemples annotés C10 Entraîner un modèle d'apprentissage non supervisé pour détecter des structures sous-jacentes à partir de données non étiquetées C11 Améliorer les capacités prédictives d'un système en sélectionnant un modèle différent ou en modifiant ses hyperparamètres en vue de corriger des erreurs (hyperparameter tuning) C12 Mettre en production le modèle d'apprentissage supervisé ou non supervisé obtenu sous la forme d'une API C13 Adopter une démarche d’amélioration continue en identifiant les axes de perfectionnement d’un produit à l’aide d’une méthode adaptée de manière à améliorer la performance du produit

Évaluation : Un cas pratique d'étude d'un jeu de données sur une problématique métier avec remise d'un notebook, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 2 le candidat devra traiter les valeurs manquantes ou aberrantes, adapter une transformation des données en fonction de leur nature, construire de nouvelles données pertinentes à partir des données initiales, tester plusieurs modèles et choisir le meilleur, déployer le modèle en production et être capable de corriger/adapter le modèle.

RNCP35141BC03Reconnaissance de formes par réseaux de neurones artificiels

• C14 Convertir les données entrantes (images et texte par exemple) en données adaptées pour un réseau de neurones C15 Maîtriser les différentes architectures de réseau de neurones : convolutifs pour les images & récurrents pour les séries temporelles et les modèles de traitement automatique du langage (NLP) pour le texte C16 Utiliser un réseau de neurones convolutifs pour étiqueter des images C17 Utiliser un réseau de neurones pour comprendre l'intention d'une phrase en langage naturel

Évaluation : Un cas pratique d'étude d'un jeu de données sur une problématique métier avec remise d'un notebook, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 3 le candidat devra utiliser un réseau de neurones pour étiqueter des images et pour comprendre l'intention d'une phrase.

RNCP35141BC04Développement et Gestion de projet en IA

• C19 Planifier des actions à mettre en œuvre C20 Mobiliser les ressources nécessaires pour mener à bien le projet en respectant les délais C21 Recommander des actions à sa hiérarchie et rendre compte de ses résultats

Évaluation : Etude d'un cas pratique, production d'un dossier et présentation orale devant un jury de professionnels. Pour le bloc 4 le candidat devra analyser et formuler une problématique en fonction du public, constituer une équipe projet adaptée, planifier son projet et rendre compte à sa hiérarchie en utilisant le vocabulaire adapté.