Personnalisation et déploiement des technologies IA génératives et no-code
E.T.H.I.C.S.
Gestion projet informatiqueECOLE SUPERIEURE D INFORMATIQUE ET DE COMMERCE
Permettre au participant deconcevoir et superviserune solution IA de bout en bout : définir l'architecture d'entraînement et de déploiement (cloud/edge/hybride), choisir les modèles, organiser un dispositifMLOpssécurisé, évaluer performance/robustesse/biais, intégrer la solution au SI et mettre en place lasupervision post-déploiement.
- Concevoir l'architecture d'entraînement et de déploiement (cloud/edge/hybride) et dimensionner les ressources (GPU/stockage/latence/coûts).
- Mettre en place un environnement de développement IA sécurisé et automatisé (pipelines, CI/CD, MLOps, IaC, contrôle d'accès).
- Sélectionner les approches et modèles pertinents (ML, deep learning, LLM, computer vision, IA génératives) selon le cas d'usage.
- Superviser la conception de modèles dans une démarche d'IA responsable (explicabilité, auditabilité, équité, gestion des biais).
- Définir une stratégie d'évaluation : métriques, exigences métier, conformité, tests de biais et de dérives.
- Évaluer la robustesse et la généralisation (sur/sous-apprentissage, validation croisée, stress tests, data drift).
- Organiser l'amélioration continue et l'optimisation (tracking d'expériences, versioning, tuning, réduction coûts/latence).
- Intégrer la solution à l'écosystème applicatif (API, sécurité, performance, interopérabilité) et planifier les tests.
- Produire les livrables de transfert (documentation technique, guides, éléments d'explicabilité, modalités d'exploitation).
- Mettre en place la supervision post-déploiement (observabilité, alerting, rollback, suivi dérives, gouvernance MLOps).
À l'issue du bloc 3, le participant est capable deconcevoir et superviser une solution IA: définir l'architecture, sécuriser les pipelines MLOps, sélectionner et évaluer les modèles (performance/robustesse/biais), intégrer la solution au SI, documenter et assurer lasupervision post-déploiement, en vue de la validation du bloc RNCP41813BC03.
Conception IA & MLOps : architecture cloud/edge, choix modèles (ML/DL/LLM), IA responsable (biais/explicabilité), évaluation robustesse, intégration SI et monitoring post-prod (drift/alerting). Évaluation : projet + soutenance.
Chef de projet data et intelligence artificielle
RNCP 41813 RS -1 CertifInfo 120271 E.T.H.I.C.S.
Gestion projet informatiqueCENTRE DE FORMATION INNOVATION EN SYSTÈME D'INFORMATION
Gestion projet informatiqueDAWAN
Gestion projet informatiqueEXXEA
Gestion projet informatique