Description
1) Analyser les besoins d'un client pour un projet d'intelligence artificielle - Réaliser un audit de l’écosystème du client, en analysant sa cartographie des données, afin d’identifier ses besoins en développement d’application mettant en œuvre des techniques d’IA - Réaliser une étude de faisabilité en mesurant les utilisations possibles de l’IA dans la structure, les complexités techniques, ainsi que la charge de travail associée, afin d’identifier les cas d’usage de l’IA et de produire les éléments de réponse technique - Réaliser une veille technique et technologie en collectant, classifiant et en analysant l’information, afin de maintenir à jour son expertise IA et aider à la prise de décision technique - Emettre des recommandations d’usage de l’IA au client en utilisant une communication adaptée à un public non expert IA, afin de valider le projet avec lui 2) Concevoir une solution d'intelligence artificielle - Préparer les données disponibles du client ou issues d’une base de données en sources ouvertes, en les nettoyant et structurant, en vue de leur utilisation par les algorithmes d’IA - Concevoir le code source de traitement de données simple à réutiliser et à maintenir, afin de construire une architecture de code en environnement Data Science, tout en établissant un langage commun entre concepteurs de solutions d’IA - Mettre en place les procédures techniques et technologiques d'exploitation, en configurant les éléments nécessaires, afin de mener à bien tout projet de développement logiciel - Concevoir une base de données relationnelle à l’aide de méthodes standards de modélisation de données, afin de développer la solution IA - Concevoir le programme d’intelligence artificielle adapté aux données disponibles afin de répondre aux objectifs fonctionnels du projet, en utilisant les outils et les méthodes standards, notamment de Machine Learning et de Deep Learning - Développer l’interaction entre les fonctionnalités de l’application et l’intelligence artificielle dans le respect des objectifs visés et des bonnes pratiques du domaine 3) Mise en production d'un système d'intelligence artificielle - Déterminer le modèle mathématique (algorithme) adapté à la problématique de traitement de données IA, afin de développer une solution IA répondant aux attentes du commanditaire - Développer le back-end de l’application d’IA dans le respect des spécifications fonctionnelles et des bonnes pratiques du domaine, afin de construire la solution IA - Maintenir opérationnelle l’application d’IA chez le client, à l’aide des outils de monitorage, afin de détecter et réagir aux éventuels dysfonctionnements en appliquant des correctifs 4) Gestion d'un projet d'intelligence artificielle - Etablir le processus organisationnel d’industrialisation, en définissant les étapes et les moyens nécessaires, afin d’optimiser la prise de décision tout au long du projet d’IA - Planifier les tâches du projet IA en utilisant un outil adapté afin de prévoir la livraison du projet dans les temps impartis - Communiquer avec les parties prenantes au projet en mettant en œuvre les canaux de communication nécessaires afin de rendre compte de l'avancement du projet - Mettre en place une démarche de travail selon la méthode agile en répartissant les rôles au sein d’une équipe agile pour faciliter la collaboration, accélérer le processus itératif et assurer la bonne exécution et livraison du projet
Objectif
L'objectif de la certification est de former des profils scientifiques ou informatiques au métier d'ingénieur en intelligence artificielle (ou Machine Learning Engineer (MLE)). Pour cela, Yotta Academy propose une approche technique de la Data Science en collant au plus proche de la réalité du terrain. Les apprenants développent des compétences sur l’implémentation d’algorithmes de Machine Learning, de mise en production afin d’obtenir une couche applicative servant des utilisateurs finaux, ainsi qu'en gestion de projet en environnement industrialisé. Dans le cadre du dispositif de formation préparant au passage de la certification, les candidats peuvent interagir de façon continue avec les formateurs, qui sont des Machine Learning Engineers experts dans leurs domaines (NLP, Computer Vision), et qui pratiquent au quotidien la data science dans les entreprises.
Niveau
7 - Savoirs hautement spécialisés
Date de validité
17/06/2024
Domains
- intelligence artificielle
- mathématiques informatiques
NSF
- Informatique, traitement de l'information, réseaux de transmission
- Informatique, traitement de l'information, réseaux de transmission des données
GFE
Rome
| Nom légal | Rôle |
|---|