Chef de projets en intelligence artificielle et sciences des données (MS)

RNCP40551BC01Concevoir et développer un projet d'Intelligence Artificielle et de Science des Données

• Caractériser les nouvelles technologies issues de la recherche en Intelligence Artificielle (IA) et en Sciences des Données (SD) en effectuant une revue de la littérature du domaine concerné pour exploiter ces résultats dans les cas d’usage à valeur ajoutée. Détecter les résultats de recherche prometteurs, innovants pour en exploiter leurs bénéfices dans l’entreprise en identifiant les laboratoires de rang mondial. Évaluer chaque technologie Data ou Intelligence Artificielle en s’appuyant sur des références appropriées pour mesurer sa valeur ajoutée potentielle dans les usages de l’entreprise. Etudier les cas d'usage Data et Intelligence Artificielle déjà implémentés, notamment pour les usagers en situations de handicap, afin de les évaluer, les enrichir et en créer de nouveaux en capitalisant sur les expériences acquises. Monitorer le retour sur investissement des projets applicatifs incluant l’Intelligence Artificielle ou la Science des Données en mettant en place des indicateurs en phase conception afin d’en évaluer leur efficacité.

Évaluation : Évaluation via un test écrit qui couvre les aspects suivants : * Identification des acteurs clés d’un écosystème en Intelligence Artificielle ou Science des Données * Collecte et sélection de données * Argumentation de l’utilisation de l’Intelligence Artificielle * Conception de business modèles innovants à base d’IA à partir des besoins usagers * Mesure de la performance du projet * Déploiement des solutions retenues à court et moyen terme Évaluation via un projet écrit examiné par un expert professionnel, contenant : * Un rapport présentant le développement d’un service construit avec des méthodes de l’Intelligence Artificielle appliquées à un ensemble de données ou data set imposé. * Les choix techniques et la manière dont les problèmes ont été résolus. * Le code informatique développé pour créer ce service.

RNCP40551BC02Contribuer à l’élaboration d’un plan Intelligence Artificielle stratégique et opérationnel

• Structurer les axes stratégiques au sein de l’entreprise grâce à des cas d'usage innovants d’Intelligence Artificielle et/ou Science des Données pour créer des projets à forte valeur ajoutée. Décrire les projets clés à mener pour optimiser les processus internes d’un point de vue clients, services et produits innovants avec agilité. Identifier les fournisseurs potentiels d’outils d’extraction, de conteneurisation et de visualisation de données pour les inclure dans les projets data et Intelligence Artificielle de l’entreprise en évaluant leurs prestations de services (technique, SAV, coûts…). Réaliser un plan global Intelligence Artificielle & Science de données en budgétant des plans d’investissement pluriannuels pour s'assurer de la viabilité du projet et le structurer via une prospective financière et un prévisionnel des engagements à court, moyen et long terme. Impliquer les directions métiers dans la réflexion de valorisation des données Intelligence Artificielle pour garantir l’adhésion des non spécialistes par des actions de sensibilisation, de formation Mesurer les effets du plan Intelligence Artificielle pour évaluer l’impact sur les métiers et le modèle économique de l’entreprise en intégrant diverses approches : techniques, éthiques, humaines financières, sociales.

Évaluation : Étude de cas écrite : Élaborée par le certificateur sur la base de cas réels en entreprises : * Description stratégique d’un projet Data & Intelligence Artificielle (politique, économique, social et technologique) * Élaboration d’un plan global Intelligence Artificielle et * Sciences des données intégrant le chiffrage et la création de valeur * Identification de Business Model innovant basé sur les données * L’étude de cas donne lieu à un travail d’analyse, de réflexion et de présentation en groupe, ci-après détaillée Évaluation orale collective de l’étude de cas : Soutenance de la production devant un jury d’experts en Intelligence Artificielle

RNCP40551BC03Gérer des projets intégrant l'Intelligence Artificielle et la valorisation des données

• Superviser la rédaction du cahier des charges fonctionnel et technique en spécifiant les livrables pour déterminer les budgets et les ressources à allouer à la réalisation du projet. Mobiliser les techniques de conduite de projets en mettant en place des méthodes et indicateurs de suivi pour produire les livrables du projet Intelligence Artificielle et Science de Données. Sensibiliser les salariés à la démarche qualité en proposant des plans de formation adaptés aux nouveaux enjeux du secteur de l’Intelligence Artificielle et de la Science des données afin de structurer le projet dans le temps (maintenabilité des normes, écoresponsabilités, gestion des serveurs...). Fédérer les équipes en construisant les objectifs individuels et/ou collectifs à partir des ressources (financières, matérielles, humaines) pour respecter le cahier des charges. Conduire le changement en identifiant les besoins des parties prenantes internes ou externes d’un projet Intelligence Artificielle par la mise en place d’actions managériales telles que des formations, la restructuration de services, des embauches, des ordres de missions… en vue de permettre aux collaborateurs de s'adapter au changement et à l'évolution de l'environnement pour la mitigation des risques et la réussite du projet

Évaluation : Évaluation écrite via un rapport et des livrables sur le management d’un projet : Les candidats sont accompagnés sur la base d’un cahier des charges, de livrables à fournir et un coaching individualisé. Ce projet applicatif consiste à présenter : * Les méthodes à utiliser * Le planning * L’attribution des tâches à des ressources humaines * Le calcul du budget du projet * Les indicateurs et mesure de la performance * La gestion des risques (identification et plan de mitigation) * La qualité du projet * Le pilotage du projet Évaluation orale sous forme de « pitch » : Soutenance du projet avec analyse réflexive sur les livrables et la production devant un jury d’experts comprenant un représentant opérationnel de l’entreprise commanditaire et un enseignant spécialisé.

RNCP40551BC04Organiser l'extraction, la mise en forme et le stockage en temps réel de données massives structurées ou non sur des plateformes Cloud

• Concevoir une architecture d’entrepôt de données massives pour optimiser le stockage et la résilience de données structurées ou non en utilisant le Cloud Computing. Transformer les données de base dans des formats spécifiques pour permettre l’intégration de données provenant de sources multivariées en utilisant des bibliothèques de programmation. Utiliser des services IaaS, PaaS, SaaS (Infrastructure as a Service (IaaS), Platform as a Service (PaaS), Software as a Service (SaaS) et l'informatique sans serveur) et gérer les données historiques en utilisant les principaux indicateurs (issus de l’OCDE, la convention 108 et le RGPD) pour garantir la disponibilité, la qualité et l’amélioration continue de la fiabilité des données. Stocker des données massives en vue de favoriser leur traitement distribué en utilisant des infrastructures auto redimensionnables, afin de réduire les coûts et l’impact écologique. Transformer des volumes massifs de données en utilisant les bibliothèques de Machine Learning pour obtenir des informations utiles définies dans le cahier des charges. Organiser le stockage en sécurisant l’accès des données pour en extraire le sens dans le respect des contraintes éthiques et légales (RGPD et autres législations nationales, européennes ou internationales).

Évaluation : Étude de cas écrite : * Rapport écrit avec analyse réflexive sur les livrables, examiné par un jury d’évaluation composé d’experts ainsi que les scripts et programmes mis en œuvre Travaux pratiques sur outils en Exploitation * Proposés par le certificateur, ces travaux pratiques feront l’objet d’un rendu écrit du TP, examiné par un jury d’évaluation composé d’experts professionnels. * L’écosystème choisi est Python. * Ils permettent aux apprenants d’évaluer les avantages et les limites de plusieurs outils d’extraction et de stockage de données massives en exploitation: déploiement d’une plateforme de stockage et traitement de données dans le Cloud, analyse et prétraitement des données, applications de Machine Learning distribuées

RNCP40551BC05Optimiser le traitement des données pour l’aide à la décision

• Caractériser les différents algorithmes d’optimisation pour évaluer leur capacité à résoudre des problèmes spécifiques en comparant leurs performances. Mettre en œuvre les algorithmes d’optimisation les plus adaptés en modélisant des situations de références pour faciliter la prise de décision. Présenter le résultat d’analyses de données sous forme infographique en utilisant des modèles référents afin de faciliter la prise de décision managériale, marketing et/ou opérationnelle. Mettre en œuvre un algorithme pour résoudre un problème de décision séquentielle en utilisant les techniques de planification et d’apprentissage par renforcement en Intelligence Artificielle. Mobiliser les outils d’IA symboliques et/ou connectivistes pour résoudre des problèmes complexes.

Évaluation : Évaluation via un test écrit : Le sujet porte sur les notions cadres théoriques et connaissances des outils (bibliothèques, logiciels, matériel) Travaux Pratiques (TP) sur outils en simulation et/ou exploitation Proposés par le certificateur, ces travaux pratiques feront l’objet d’un rendu écrit du TP, examiné par un jury d’évaluation composé d’experts professionnels. Ces TP permettent aux apprenants de : * De modéliser le problème * D’utiliser les outils de traitement et de visualisation de données * D’évaluer les limites de ces outils de traitement et de visualisation de données en laboratoire et/ou exploitation * D’argumenter le choix des solutions, d'outils et de méthodes mobilisés pour traiter le problème

RNCP40551BC06Industrialiser les processus à base d'Intelligence Artificielle en faveur de leur fiabilité et certificabilité

• Restituer des travaux scientifiques de l’état de l’art à partir d’une étude autonome afin d’opérationnaliser cette contribution dans l’industrie. Évaluer l’alignement du projet avec les différentes législations notamment la RGPD et l’IA Act européen, en prenant en compte tous les publics, afin d’inscrire le projet dans une démarche durable et responsable. S’approprier les contraintes de l’application des IA dans les systèmes critiques (aéronautique, médical, etc.) en prenant en compte les seuils qualité définis par les secteurs industriels afin que la production du projet puisse être validée. Vérifier ou s’assurer des propriétés de fiabilité, robustesse et explicabilité des systèmes à base d’IA en référence au cahier des charges afin de valider le déploiement par les différentes instances.

Évaluation : Monographie scientifique orale en collectif : Réalisée à la demande du certificateur, cette monographie concerne un papier scientifique appartenant à un des domaines suivants : * Robustesse * Explicabilité * Quantification d’incertitude * Biais et éthique * Détection d’anomalie Travaux pratiques : Proposés par le certificateur, ces travaux pratiques feront l’objet d’un rendu écrit du TP, examiné par un jury d’évaluation composé d’experts professionnels. Ces TP permettent aux apprenants d’évaluer les avantages et les limites des méthodes pour promouvoir : * La robustesse * L’explicabilité * La détection et quantification d’incertitude * Les biais et éthique * La détection d’anomalie