Description
- Prendre en charge la production d’une solution en IA Organiser les processus automatiques de déploiement et de migration d’applications IA par conteneurisation d’un ou plusieurs processus d’API en pipeline. Garantir et superviser l’implémentation et la production logicielle correcte d’une solution en IA en tenant compte des concepts algébriques et stochastiques de source tiers ou de sa propre production tout en s’appuyant sur les normes d’écriture propres à chaque langage de programmation (ou de script) afin d’être aisément maintenable de façon continue dans un environnement de processus distribués. Concevoir et conduire les phases de tests et de recette (avant et après mise en production, avant et après déploiement) en appliquant les méthodes, normes et outils standards de l’organisation tout en tenant compte des réglementations en vigueur concernant la politique d’éthique des données et la politique de sécurité du système d’information afin de garantir la fiabilité des applications développées ou migrées. Valoriser les forces sur le terrain d’une solution en IA par des indicateurs de performance technique, décisionnelle (KPI) et d’alerte, afin de vulgariser l’optimisation de cette solution aux équipes produit concernées. Assurer une veille technique continue sur les thématiques de l’IA, de l’analyse des données, du Cloud et du modèle Data Driven Engineering - Proposer et évaluer des prototypes d’IA Exploiter et valoriser les données disponibles au regard des spécifications fonctionnelles définies par les directeurs de produit, chefs de produit, et business analysts en utilisant les mécanismes d’apprentissage machine et des plans d’expériences permettant la recherche des modèles d’apprentissage les plus adaptés pour répondre à ce besoin fonctionnel. Utiliser et optimiser Analyser l’environnement multiserveur et distribué de son organisation en veillant à optimiser et accélérer les temps de traitement sur site. Modéliser la fiabilité logicielle par algèbre de processus pour appliquer la détection de faille DoS due à une provocation des phénomènes de famine. - Acquérir et purifier les données Analyser et mettre en œuvre des solutions d’architecture de bases de données relationnelles (Maria, Oracle, PostgreSQL, …), des optimisations en données clusterisées (Cassandra, Mongo, HDFS, ...), ainsi que des extensions par service tiers (Firebase, Heroku, Aurora, ...), pour déterminer les systèmes de gestion de base de données les mieux adaptés à rendre la donnée disponible en continue. Analyser les demandes fonctionnelles de l’organisation en identifiant les données utiles et en déterminant leur nature, leur structure, leurs solutions de récupération, de cryptage et de stockage afin de cerner et reformuler les problématiques. Concevoir les requêtes des données en s’appuyant sur les langages de programmation du marché (Python pandas/koalas/scikit-learn, Scala, JS, Spark, Query DSL – ElasticSearch, …) afin d’extraire et d’enrichir les données au moyen d’algorithmes adaptés. Analyser l’architecture générale des données (ETL, batch DB, cluster DB, …) et leur acheminement (Runtime DB, Backoffice DB, …) afin de concevoir une architecture de flux de données en pipeline permettant d’agréger des types de données et des modes de collecte différents et ainsi proposer des traitements optimisés. - Communiquer entre pairs dans une usine logicielle en livraison continue Assurer une communication efficace et continue avec les acteurs externes (partenaires, fournisseurs, experts, …) en utilisant une communication directe et factuelle s’appuyant sur l’ensemble de ses savoirs techniques afin de transmettre les informations entre pairs et ainsi contribuer à rendre transparentes les solutions en IA de son organisation dans le cadre d’échanges constructifs sur les plateformes. Analyser la démarche d’automatisation des tests de sécurité de son organisation en décomposant l’ensemble des processus de production des applications et de la donnée sous la forme de cartographie de chaînes de valeur afin d’inscrire son chaînon du pipeline de livraison des données dans cette démarche dès l’étape de conception en vue d’identifier des axes d’amélioration et d’optimisation.
Objectif
La création de la certification de «Expert en Intelligence Artificielle » répond aux besoins exprimés par le marché sur un métier émergent. En effet, avec le développement et l’utilisation de l’intelligence Artificielle (IA) dans une multitude de domaines, plusieurs nouveaux profils ou compétences métiers sont de plus en plus recherchés, comme l'expert en IA, qui est un spécialiste capable de développer, de gérer les volets intelligence artificielle dans une organisation et de garantir la réponse métier. L'expert en IA construit des projet IA en affinant plusieurs prototypes optimisés. Il est force de proposition et accompagne la transformation IA à travers la purification et l'exploitation de données.Il conçoit, teste et adapte les applicatifs intégrant tout ou partie de ces technologies. Il est donc un spécialiste du développement informatique, du génie logiciel et des interfaces homme machine, avec une très bonne connaissance des technologies d’IA/Data Science, du secteur ou de la fonction d’application des données traitées.
Niveau
7 - Savoirs hautement spécialisés
Date de validité
15/10/2022
Domains
- Informatique et systèmes d'information
- Data Warehouse
- intelligence artificielle
- informatique décisionnelle
NSF
- Informatique, traitement de l'information, réseaux de transmission
- Informatique, traitement de l'information, réseaux de transmission des données
- Langages artificiels et informatique ; Linguistique et didactique des langues
GFE
Rome
| Nom légal | Rôle |
|---|