éF École de FranceFormations CPF & écoles Trouver ma formation
Titre RNCP 100% CPF

Data Science, Machine Learning et IA appliquee - RNCP38616BC02, BC03, BC04, BC05

LE WAGON

3 900 €à partir de
320 hdurée
3sessions actives
Rhônelieu

Objectifs de la formation

La formation vise l'acquisition des blocs de competences BC02, BC03, BC04 et BC05 :
RNCP38616BC02
Extraire des donnees via des scripts personnalises (Python, SQL) pour recuperer des informations precises depuis une ou plusieurs bases de donnees.
Mener des analyses exploratoires en appliquant des statistiques descriptives (moyenne, frequences) pour comprendre la distribution des donnees et ecarter les valeurs anormales.
Identifier et interpreter des tendances avec des langages de programmation (Python) et/ou des outils metiers (tableurs) pour comprendre le contexte et la nature des donnees.
RNCP38616BC03
Selectionner l'algorithme d'apprentissage optimal en comparant les performances et caracteristiques des differentes familles d'algorithmes pour repondre a la problematique metier.
Preparer et transformer les donnees par des techniques de preprocessing pour les adapter au modele d'apprentissage automatique choisi.
Entrainer un modele d'apprentissage automatique en optimisant une loss function a partir des donnees d'entrainement pour minimiser les erreurs selon des indicateurs de succes definis.
RNCP38616BC04
Identifier les evolutions cles en IA et Big Data via des sources specialisees pour rester a la pointe des innovations et alimenter les strategies de projet.
Elaborer et evaluer la problematique metier par des approches analytiques pour creer un cahier des charges refletant les besoins et objectifs du projet data.
Evaluer les risques du projet IA et Big Data (impact ethique, RGPD, normes environnementales) en proposant des methodes d'audit garantissant la conformite globale.
Planifier et coordonner les ressources humaines et materielles en structurant un calendrier garantissant le respect des delais et budgets.
Piloter une equipe multidisciplinaire avec des mecanismes d'evaluation et de feedback continus, assurant une progression fluide du projet data.
Presenter les resultats de projets IA et Big Data en adaptant le contenu aux parties prenantes, y compris les personnes en situation de handicap, selon les directives WCAG pour garantir une comprehension claire et inclusive.
RNCP38616BC05
Preparer des donnees non structurees en les convertissant en donnees numeriques et tabulaires pour servir de donnees d'entrainement a un algorithme d'apprentissage profond.
Selectionner l'algorithme d'apprentissage profond optimal en comparant les performances et caracteristiques des differentes familles d'algorithmes pour repondre a la problematique metier.
Entrainer un modele d'apprentissage profond en optimisant une loss function a partir des donnees d'entrainement pour minimiser les erreurs selon des indicateurs de succes definis.
Deployer efficacement un modele d'apprentissage profond via des outils et plateformes de production adaptes (MLOps) pour assurer une accessibilite et une performance optimale des predictions aux utilisateurs finaux.

Programme

La formation couvre integralement les competences des blocs RNCP38616BC02, BC03, BC04 et BC05 a travers 6 modules progressifs (320h), dispenses en presentiel sur campus :
MODULE 1 - Decision Science (48h)
Statistiques et probabilites, SQL avance, inference statistique, regression lineaire et logistique, dashboarding. Analyse de problemes business reels et presentation de recommandations en posture de consultant data.
BC02
MODULE 2 - Mathematiques pour la Data Science (8h)
Algebre lineaire et calcul differentiel (fonctions, vecteurs, matrices, derivees, integrales) : fondements mathematiques des algorithmes de data science.
BC02, BC03
MODULE 3 - Machine Learning (80h)
Workflow ML complet avec Scikit-Learn : preparation des donnees, metriques de performance, algorithmes supervises (arbres, ensembles), non supervises (clustering), series temporelles, NLP. Optimisation et industrialisation des modeles.
BC03
MODULE 4 - Deep Learning (64h)
Reseaux neuronaux denses, convolutifs (CNN), recurrents (RNN), Transformers, NLP avance. IA generative (GAN, RAG), apprentissage par renforcement. Traitement de donnees complexes : images, texte, sequences.
BC05
MODULE 5 - ML Ops (40h)
Mise en production a l'echelle : entrainement cloud, automatisation du cycle de vie des modeles, deploiement via API, creation d'interfaces web fonctionnelles pour l'exploitation en conditions reelles.
BC05
MODULE 6 - Projet final (80h)
Projet data/IA original en equipe : conception, developpement, deploiement (CI/CD), explicabilite (XAI) et ethique de l'IA. Outils d'IA generative integres. Kick-off, methodes agiles, Dress Rehearsal et Demo Day (soutenance devant jury).
BC03, BC04, BC05
EVALUATIONS ET JALONS PEDAGOGIQUES
- Exercices pratiques apres chaque unite (evaluations formatives)
- Mises en situation professionnelles simulees
- Quiz et evaluations formatives regulieres
- Demonstrations intermediaires (semaines 6/7)
- Soutenance finale (Demo Day, semaine 8)
METHODES ET OUTILS
Presentiel sur campus : alternance cours et autonomie encadree, plateforme Kitt, binomes, presentations orales, environnements cloud.

Résultats attendus

Session d'information
Une session dédiée à la certification est organisée pendant la formation. Elle inclut :
Le déroulement de l'examen
Les dates et inscriptions
Slides et replay sont partagés rapidement avec les apprenants.
Évaluations en ligne
Les évaluations se font entièrement à distance.
Dates et liens d'inscription communiqués durant la formation.
Convocation officielle envoyée par mail après inscription.
RNCP38616BC02
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra effectuer une analyse de donnees en recuperant ces donnees puis en calculant des statistiques descriptives pour en tirer des conclusions.
RNCP38616BC03
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra realiser un algorithme d'apprentissage automatique et evaluer les performances de son modele.
RNCP38616BC04
Etude d'un cas pratique, production d'une presentation repondant a une problematique metier. Le candidat devra analyser une problematique metier, identifier des innovations technologiques pertinentes, justifier ses choix techniques, proposer un plan de gestion de projet (ressources, planification, modalites de suivi et de coordination) et une analyse des risques inherents a la realisation de ce projet.
RNCP38616BC05
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra realiser un algorithme d'apprentissage automatique profond et evaluer les performances de son modele. De plus, le candidat se verra donner un modele qu'il devra alors deployer en production.
Les evaluations des competences de ces 5 blocs sont realisees grace a un cas pratique. Le candidat recoit un jeu de donnees associe a une problematique metier. Il doit, pour :
- le bloc 1, Automatiser la collecte et le traitement des donnees (Data Engineering) : realiser un traitement de cette donnee et son transfert automatique.
- le bloc 2, Analyser et synthetiser prealablement les donnees : effectuer une analyse de donnees en recuperant ces donnees puis en calculant des statistiques descriptives pour en tirer des conclusions
- le bloc 3, Appliquer des techniques d'analyse IA via des algorithmes d'apprentissage automatiques (Machine Learning) : realiser un algorithme d'apprentissage automatique et evaluer les performances de son modele.
- le bloc 5, developper et mettre en production des algorithmes d'IA par apprentissage profond (Deep Learning) - Option Data science : realiser un algorithme d'apprentissage automatique profond et evaluer les performances de son modele et deployer un modele en production.
Epreuves d'evaluation bloc 4
Pour le bloc 4, le candidat devra produire une presentation repondant a une problematique metier. Le candidat devra analyser une problematique metier, identifier des innovations technologiques pertinentes, justifier ses choix techniques, proposer un plan de gestion de projet et une analyse des risques

Les points forts

Des projets concrets et des vrais jeux de données
Un suivi en temps réel pour ne pas rester bloqué
Un accès à vie à la plateforme pédagogique du Wagon
Une pédagogie basée sur la pratique
Rejoignez une communauté internationale
de 28,000+ alumni du Wagon

La certification

Concepteur développeur en intelligence artificielle et analyse big data

RNCP 38616 RS -1 CertifInfo 116296

Organisme & lieu

Formations similaires