Développement et conduite de projets d'intelligence artificielle

Le domaine de l’Intelligence Artificielle est en pleine croissance et connaît une forte accélération depuis quelques années. Le marché du numérique déjà tendu est affecté par une pénurie de professionnels spécialisé dans l’intelligence artificielle. La certification « Intelligence artificielle(IA) par la pratique : des fondamentaux à l'industrialisation » permet aux professionnels ayant une connaissance de l’IA et aux experts de l’IA de se spécialiser dans la conduite et l’animation de projets « Intelligence artificielle ».

Cette certification est structurée : * en compétences techniques liées à l’exploitation et l’analyse des données. * en compétences de savoir-être et de softskills nécessaires à la conduite de projets « Intelligence artificielle ». Pilotage d’un projet de Data Science en exploration et production * Elaborer des préconisations, proposer des solutions et des scenarii pour répondre aux besoins des utilisateurs. * Appliquer les bonnes pratiques d’un projet de data science pour planifier et estimer le coût du projet de l’exploitation à la production. * Industrialiser un projet de data science pour optimiser le déploiement du projet de Data Science. Conception d’un modèle statistique de traitement des données * Maîtriser les méthodes et les outils de traitement de l'information pour produire un modèle statistique. * Adapter les outils de traitement statistique de données pour accroître la fiabilité et pertinence des données. * Réaliser un ou deux algorithmes de prédilection pour traiter les données. * Suivre la performance d’un ou des algorithmes développées pour modéliser les comportements et extraire de nouveaux usages. Traitement des données quantitatives et qualitatives * Stocker et accéder aux données pour traiter les données. * Analyser des données massives – Big Data pour formaliser les résultats des études. * Restituer les résultats des études réalisées pour partager les données analysées avec les parties prenantes au projet. * Vulgariser des sujets complexes pour restituer les résultats des traitements des données. * Elaborer des préconisations, proposer des solutions et des scenarii pour répondre aux besoins des utilisateurs. * Appliquer les bonnes pratiques d’un projet de data science pour planifier et estimer le coût du projet de l’exploitation à la production. * Industrialiser un projet de data science pour optimiser le déploiement du projet de Data Science. * Maîtriser les méthodes et les outils de traitement de l'information pour produire un modèle statistique. * Adapter les outils de traitement statistique de données pour accroître la fiabilité et pertinence des données. * Réaliser un ou deux algorithmes de prédilection pour traiter les données. * Suivre la performance d’un ou des algorithmes développées pour modéliser les comportements et extraire de nouveaux usages. * Stocker et accéder aux données pour traiter les données. * Analyser des données massives – Big Data pour formaliser les résultats des études. * Restituer les résultats des études réalisées pour partager les données analysées avec les parties prenantes au projet. * Vulgariser des sujets complexes pour restituer les résultats des traitements des données.