Opleiding : Certificeringscursus: Integratie van modellen en diensten voor kunstmatige intelligentieVaardighedenblok van de kwalificatie RNCP 37827BC02
Praktijkcursus - 24d
- 168u00 - Ref. ZIS
|
Downloaden in pdf-formaat
Deze cursus delen via mail
 | Organiseren en uitvoeren van technisch en regelgevend toezicht |
| Bestaande AI-diensten identificeren op basis van de behoefte aan AI-functies |
| Een dienst voor kunstmatige intelligentie opzetten |
| Een API ontwikkelen die een model van kunstmatige intelligentie blootlegt |
| De API van een model of dienst voor kunstmatige intelligentie integreren in een toepassing |
| Een model voor kunstmatige intelligentie bewaken met behulp van huidige en projectspecifieke meetgegevens |
| Geautomatiseerde tests programmeren voor een model met kunstmatige intelligentie |
| Een doorlopende leveringsketen creëren voor een kunstmatig intelligentiemodel |
Doelgroep
Iedereen die modellen en diensten op het gebied van kunstmatige intelligentie wil integreren.
Voorafgaande vereisten
In het bezit zijn van een diploma op niveau 5 (Bac +2) en kennis hebben van objectprogrammering en SQL. Als dit niet het geval is, moet je een diploma op niveau 4 (BAC) en 3 jaar ervaring in applicatieontwikkeling hebben, onder voorbehoud van validatie van je VAP-aanvraag door de certificeerder.
Certificatie
Le bloc de compétences est validé à travers un cas pratique et une mise en situation.
Pour le cas pratique, l’évaluation doit se faire à partir de l’expression d’un besoin réel ou fictif de fonctionnalités d’intelligence artificielle. Ce besoin peut résulter d’une commande client comme d’une sollicitation interne d’un collaborateur data scientist par exemple. Le cas pratique évalué a pour but l’installation et la configuration du service d’IA préconisé.
Évaluation basée sur la correction d’un rapport professionnel et d’un oral individuel.
Pour la mise en situation, l’évaluation doit se faire dans un contexte réel ou fictif de réalisation d’un service d’intelligence artificielle à partir d’un modèle fourni. Le projet évalué a pour but la mise en service (packaging, monitorage, test…) du modèle fourni, et son intégration dans une application existante.
Évaluation basée sur la correction d’un rapport professionnel et d’un oral individuel intégrant une démonstration du projet.
Samenstelling van het traject
Dit traject bestaat uit de volgende modules :
Effectieve concurrentie-informatie implementeren
Ref. VCU -
2 dagen
3 / 5
3 / 5
Een benchmarkproject beheren
Ref. BEN -
2 dagen
Beschrijvende statistiek, inleiding
Ref. UES -
2 dagen
5 / 5
5 / 5
Machinaal leren, methoden en oplossingen
Ref. MLB -
4 dagen
4 / 5
4 / 5
Continue integratie, beste implementatiepraktijken
Ref. DIN -
3 dagen
4 / 5
4 / 5
Machine learning, van POC tot productie in Python
Ref. PYD -
3 dagen
3 / 5
3 / 5
Deep Learning en neurale netwerken: de basis
Ref. DRN -
3 dagen
4 / 5
4 / 5
Diep leren met PyTorch
Ref. DLT -
4 dagen
4 / 5
4 / 5
Certificering Integratie van modellen en diensten voor kunstmatige intelligentie
Ref. ZSD -
0.5 dag
Opleidingsprogramma
1 Effectieve concurrentie-informatie implementeren
- De verschillende soorten monitoring identificeren.
- Ontwerp een onderzoeksplan.
- Het beheersen van veld- en documentaire instrumenten voor het verzamelen van informatie.
- Tools voor monitoring en analyse implementeren.
- Gebruik de informatie om je concurrentiepositie te optimaliseren.
2 Een benchmarkproject beheren
- De verschillende soorten benchmarking identificeren.
- Opstellen van de projectspecificaties.
- Informatiebronnen en partners identificeren.
- Analyseer de verzamelde gegevens.
- Beste praktijken overbrengen aan teams.
3 Beschrijvende statistiek, inleiding
- De voordelen van beschrijvende statistiek begrijpen.
- Begrijpen hoe je ruwe gegevens verwerkt.
- Begrijpen wat statistische basisinstrumenten zijn en hoe je ze berekent.
- Stel een statistisch probleem en zoek de juiste methode.
4 Machinaal leren, methoden en oplossingen
- De verschillende leermodellen begrijpen.
- Een praktisch probleem in abstracte vorm modelleren.
- De relevante leermethoden voor het oplossen van een probleem identificeren.
- De geïdentificeerde methoden toepassen en evalueren op een probleem.
- Het verband leggen tussen verschillende leertechnieken.
5 Continue integratie, beste implementatiepraktijken
- De componenten en principes van continue integratie begrijpen.
- Omgaan met een versiebeheerbeheerder.
- De mechanismen begrijpen die betrokken zijn bij het bouwen van de software en de bijbehorende Build tools.
- Een project configureren op een continue integratie server.
- De belangrijkste metriek van codeanalyseprogramma's ontcijferen.
- De rol van artefactrepositories en configuratiebeheer begrijpen.
6 Machine Learning met Python van POC tot productie
- De verschillende voorbewerkingsfasen instellen met Python.
- Het juiste model kiezen voor een bepaald probleem.
- Modellen toepassen en evalueren op echte gegevens.
- Maak een model beschikbaar in de cloud en zorg dat het via de API kan worden opgevraagd.
7 Deep Learning en neurale netwerken: de basis
- De concepten van Machine Learning en de evolutie naar Deep Learning (diepe neurale netwerken) begrijpen.
- Beheers de theoretische en praktische grondslagen van neurale netwerkarchitectuur en convergentie.
- Bekend zijn met de verschillende beschikbare fundamentele architecturen en hun basisimplementaties beheersen.
- Beheersing van de methodologieën voor het opzetten van neurale netwerken en de sterke punten en beperkingen van deze hulpmiddelen.
- Inzicht in de basisbouwstenen van Deep Learning: eenvoudige, convolutionele en recursieve neurale netwerken.
- Leer meer over geavanceerde modellen: auto-encoders, gans, reinforcement learning.
8 Diep leren met PyTorch
- Leer hoe je afbeeldingen en tekst kunt manipuleren met PyTorch.
- Opzetten van neurale netwerktraining vanuit het niets of met behulp van transfer learning.
- De PyTorch-modules voor het laden van gegevens kennen.
- Kennis van gedistribueerde training.
- Kennis van nieuwe meta-architecturen zoals transformatoren.
Publicatiedatum : 23/05/2024
DEELNEMERS
Iedereen die modellen en diensten op het gebied van kunstmatige intelligentie wil integreren.
VOORAFGAANDE VEREISTEN
In het bezit zijn van een diploma op niveau 5 (Bac +2) en kennis hebben van objectprogrammering en SQL. Als dit niet het geval is, moet je een diploma op niveau 4 (BAC) en 3 jaar ervaring in applicatieontwikkeling hebben, onder voorbehoud van validatie van je VAP-aanvraag door de certificeerder.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Iedereen die modellen en diensten op het gebied van kunstmatige intelligentie wil integreren.
VOORAFGAANDE VEREISTEN
In het bezit zijn van een diploma op niveau 5 (Bac +2) en kennis hebben van objectprogrammering en SQL. Als dit niet het geval is, moet je een diploma op niveau 4 (BAC) en 3 jaar ervaring in applicatieontwikkeling hebben, onder voorbehoud van validatie van je VAP-aanvraag door de certificeerder.
VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.
BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.
PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.
TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.
TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.
Data en plaats
Selecteer uw locatie of kies voor de les op afstand en kies vervolgens uw datum.
Klas op afstand
Laatste plaatsen
Garantiedatum ter plaatse of op afstand
Gegarandeerde sessie