Sciences et Ingénierie - Intelligence artificielle

RNCP42304BC01Participer à la définition du périmètre métier et à la gestion de projets d’intelligence artificielle

• Analyser les besoins métier et formaliser les cas d’usages Intelligence Artificielle en mobilisant une approche collaborative avec les parties prenantes afin d’aligner les solutions d’Intelligence Artificielle avec les enjeux stratégiques et opérationnels de l’organisation. Définir les objectifs et les livrables d’un projet en intelligence artificielle en formalisant un cahier des charges clair et structuré afin d’assurer une vision partagée entre les parties prenantes et de garantir un développement efficace de la solution. Collaborer avec des équipes pluridisciplinaires en mobilisant des outils et méthodes de travail collaboratif afin de garantir la cohérence, la pertinence et la faisabilité technique du projet. Planifier les différentes phases du projet en appliquant des méthodologies de gestion de projet afin d’optimiser l’organisation et d’assurer une progression efficace du projet. Suivre l’avancement des projets en utilisant des outils de reporting et de visualisation pour garantir une visibilité précise et faciliter la prose de décision. Identifier les risques en réalisant une analyse proactive avec des plans d’actions adaptés afin de sécuriser la réussite des projets. Faciliter l’adoption des outils d’intelligence artificielle en mobilisant des actions de formation et d’accompagnement afin de garantir une utilisation efficace et responsable. Explorer de nouvelles méthodes technologiques en intelligence artificielle par une veille active afin de proposer des solutions adaptées aux besoins métiers.

Évaluation : Étude de cas en groupe portant sur l’analyse des besoins, la définition du périmètre métier et la gestion d’un projet d’intelligence artificielle au sein d’une organisation réelle ou fictive.

RNCP42304BC02Préparer et analyser des données pour l’intelligence artificielle

• Extraire des données issues de sources hétérogènes en mobilisant des requêtes complexes (jointures, sous-requêtes, agrégations) et des langages de programmation afin d'identifier les informations pertinentes pour l'entraînement et l'évaluation des modèles d’intelligence artificielle. Assurer la qualité et la fiabilité des jeux de données en les nettoyant et en les structurant à l’aide de bibliothèques spécialisées tout en mettant en œuvre des techniques avancées de détection des anomalies , d’imputation des valeurs manquantes (moyenne, médiane) et de conversion des formats de données pour garantir leur cohérence. Harmoniser les variables de jeux de données en appliquant des techniques de normalisation et de standardisation afin d’améliorer l’efficacité et la précision des méthodes d’apprentissages automatiques. Analyser les distributions et tendances des données par des techniques de calculs statistiques (médian, écart-type, etc.) pour détecter les corrélations et orienter les choix des algorithmes en IA à utiliser pour la construction de tableaux de bord. Utiliser des outils de visualisation pour explorer les données afin de faciliter l’interprétation des résultats. Documenter les étapes de préparation et d’analyse des données en rédigeant des rapports techniques détaillant les méthodes utilisées, les résultats et les choix effectués afin d’assurer la traçabilité du travail. Organiser les jeux de données multimodaux (texte, images, audio) en utilisant des outils spécialisés adaptés afin de garantir leur qualité et l’optimisation des algorithmes.

Évaluation : Étude de cas en groupe portant sur une organisation réelle ou fictive confrontée à une problématique métier nécessitant l’exploitation de données en vue du développement d’un système d’intelligence artificielle.

RNCP42304BC03Développer et intégrer des solutions d’intelligence artificielle

• Déployer des modèles de machine Learning et Deep Learning afin de créer des solutions opérationnelles d’IA et répondre aux problématiques d’automatisation et de scalabilité à l’aide d’outils appropriés. Appliquer des méthodes de dimensionalité en éliminant les variables superflues afin d’optimiser les performances des modèles d'Intelligence Artificielle. Intégrer des modèles d'Intelligence Artificielle dans des systèmes applicatifs en conteneurisant les modèles afin d’assurer leur déploiement et leur portabilité. Assurer la validation des modèles et les tests des solutions IA en utilisant des techniques de Cross-validation pour tester la robustesse des modèles, afin de vérifier leur conformité aux exigences fonctionnelles tout en garantissant leur fiabilité avant la mise en production. Documenter les solutions développées en utilisant des outils de documentation technique, afin de faciliter leur intégration, leur maintenance et leur évolution, permettant ainsi de partager et de maintenir efficacement les projets IA dans un environnement collaboratif.

Évaluation : Étude de cas en groupe avec mise en situation professionnelle portant sur la conception, le développement, l’intégration et la validation d’une solution d’intelligence artificielle répondant à un besoin métier défini. Rapport individuel relatant un projet IA développé dans le cadre d’une immersion professionnelle (stage, alternance, ou projet tutoré en entreprise) suivi d’une soutenance orale individuelle

RNCP42304BC04Maintenir des solutions d’intelligence artificielle

• Mettre en œuvre le déploiement de modèle IA en utilisant des outils standards afin d’assurer leurs accessibilités et leur intégration dans un environnement applicatif. Automatiser l’intégration et le déploiement continu des solutions IA en utilisant des outils adaptés afin de simplifier les mises à jour et améliorer la gestion du cycle de vie des modèles. Mettre en place un suivi de performance des modèles IA en utilisant de monitoring et de logging afin de détecter d’éventuelles dérives, améliorer les performances et définir des actions correctives. Appliquer des stratégies d’entraînement de modèles en utilisant des techniques d’entrainement incrémental afin de garantir leur pertinence et leur adaptation aux évolutions des données et des besoins métier. Mettre en place des mesures de protection de données en appliquant des techniques de chiffrement de gestion des accès aux données d’anonymisation et de pseudonymisation à l’aide de protocole de sécurité, de solutions de gestion des identités et des accès et de cadres réglementaires pour assurer la sécurité et la conformité des solutions IA aux réglementations en vigueur. Documenter les incidents liés aux modèles en utilisant des systèmes de suivi pour améliorer la gestion des erreurs et la maintenance. Former les utilisateurs par des sessions pédagogiques pour décrire les enjeux de l'intelligence artificielle afin optimiser leur compréhension et garantir une utilisation efficace des solutions d’intelligence artificielle.

Évaluation : Etude de cas en groupe avec mise en situation professionnelle portant sur la conception, le développement, l’intégration et la validation d’une solution IA en production, dans un contexte professionnel réel ou simulé. Rapport individuel relatant un projet IA développé dans le cadre d’une immersion professionnelle (stage, alternance, ou projet tutoré en entreprise) suivi d’une soutenance orale individuelle