Machine Learning Engineer, Bootcamp (5 mois) (Titre RNCP)

by DataScientest

Formation pratique - 31j - 217h00 - Réf. 3BZ

Machine Learning Engineer, Bootcamp (5 mois) (Titre RNCP)

by DataScientest



Devenez expert en modèles prédictifs afin d’anticiper l’évolution des données et les tendances futures. Le Machine Learning Engineer développe des systèmes d’intelligence artificielle (IA) pour rechercher, développer et générer des algorithmes capables d’apprendre et de prédire. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Machine Learning Engineer » des Mines Paris- PSL Executive ainsi que la certification de niveau 7 « Expert en ingénierie de l’intelligence artificielle » RNCP38587. Contactez-nous dès maintenant pour connaître les prochaines dates !


Catalogue
Sur mesure

Formation en ligne

Réf. 3BZ
  217h00
Nous contacter
Pauses-café et
déjeuners offerts
Langue : FR
Cette formation est également disponible en anglais.




Devenez expert en modèles prédictifs afin d’anticiper l’évolution des données et les tendances futures. Le Machine Learning Engineer développe des systèmes d’intelligence artificielle (IA) pour rechercher, développer et générer des algorithmes capables d’apprendre et de prédire. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Machine Learning Engineer » des Mines Paris- PSL Executive ainsi que la certification de niveau 7 « Expert en ingénierie de l’intelligence artificielle » RNCP38587. Contactez-nous dès maintenant pour connaître les prochaines dates !


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Concevoir des algorithmes d’apprentissage automatique pour résoudre des problèmes complexes.
Déployer des modèles de machine learning en production.
Surveiller et maintenir les modèles pour assurer leur efficacité sur le long terme.

Public concerné
Toutes les personnes ayant une appétence pour la data souhaitant se reconvertir ou faire évoluer ses compétences.

Prérequis
Un diplôme ou un titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques.
Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier.

Certification
Pour clôturer la formation, l’équipe pédagogique évaluera le projet fil rouge de l’apprenant à l’aide d’un rapport écrit avec soutenance à distance. En complément la réalisation d’une période en entreprise de 130 jours minimum est obligatoire pour valider le titre. La validation des compétences développées au cours de la formation Machine Learning Engineer vous permettra d’obtenir : • Un certificat de l'École des Mine Paris - PSL Executive Education • Le titre RNCP de niveau 7 "Expert en ingénierie de l’intelligence artificielle", enregistré au RNCP en date du 26-01-2022 sous le n°RNCP38587

Méthodes et moyens pédagogiques
Activités digitales
Cours et exercices en ligne, masterclass collective, séances de questions/réponses, classes de soutien, accompagnement par mail, projet fil rouge, coaching carrière individualisé, social learning.
Tutorat
Un formateur expert accompagne l’apprenant tout au long de sa formation. Il échange régulièrement avec lui sur son projet fil rouge et l’accompagne lors de points de mentorat (individuel). Plusieurs formateurs animent également les différentes masterclass (classes collectives) et répondent aux questions des apprenants à tout moment depuis un forum dédié. En complément, de nombreuses séances de questions-réponses peuvent être organisées pour aider les apprenants.
Pédagogie et pratique
Lors de l’inscription, l’apprenant est affecté à une promotion (dates à définir lors de l’inscription) et reçoit son calendrier de formation. Le parcours de formation est découpé en « Sprint » de plusieurs semaines sur une thématique dédiée. Chaque semaine l’apprenant est convié à un temps d’échange avec le formateur qui se présente sous la forme de masterclass (classe collective) ou de points de mentorat (individuel). Pendant 80% du temps, l’apprenant travaille en autonomie sur la plateforme d’enseignement. Tous les modules intègrent des exercices pratiques permettant de mettre en œuvre les concepts développés en cours. L’apprenant doit également travailler en binôme ou trinôme sur un projet fil rouge tout au long de la formation. Cela lui permettra de développer et faire reconnaître ses compétences. En complément, des événements et ateliers thématiques sont régulièrement proposés pour permettre aux apprenants de découvrir les dernières innovations en matière de Data Science. Afin de suivre efficacement la formation, nous estimons le temps travail nécessaire entre 8 et 10 heures par semaine.

Programme de la formation

1
Prochaines dates de sessions

  • Avril 2026 : Début au 07/04/26
  • Mai 2026 : Début au 05/05/26
  • Juin 2026 : Début au 02/06/26

2
Introduction au Data Product Management

  • Rôle et missions d’un Data Product Manager
  • Méthodes et environnement de travail

3
Gestion de projet

  • Gestion de projet
  • Méthode Agile

4
Manipulation des données

  • Fondamentaux techniques et structuration des données
  • Analyse avancée, Machine Learning et valorisation décisionnelle

5
Data Gouvernance

  • Gouvernance des données et conformité réglementaire
  • Conception produit et pilotage par la donnée

6
Chefferie de projet

  • Construction du produit data : du MVP au lancement
  • IA générative, prompt engineering et compétences opérationnelles

7
Fondamentaux de Python

  • Programmation et manipulation de données
  • Analyse et traitement des données

8
Data Visualization

  • Graphiques interactifs avec Plotly
  • Visualisation avec Matplotlib et Seaborn

9
Outils de programmation

  • Versioning et collaboration avec Git et GitHub
  • Automatisation et tests en programmation

10
Machine Learning

  • Modélisation et classification supervisée
  • Clustering et régression

11
Machine Learning Avancé

  • Analyse de séries temporelles et réduction de dimensions
  • Détection d’anomalies et modèles avancés

12
Machine Learning Appliqué

  • Analyse de textes et extraction de données
  • Éthique et interprétabilité en Machine Learning

13
Deep Learning

  • Réseaux denses et réseaux de convolution
  • TensorFlow

14
LLMs

  • Introduction GenAI
  • PyTorch

15
Data Engineering

  • Bases de la donnée
  • Calcul distribué et traitement de données à grande échelle

16
MLOps

  • Gestion du cycle de vie des modèles avec MLflow
  • Conteneurisation et déploiement avec Docker

17
Mise en place de l’environnement

  • MLFlow et gestion du cycle de vie des modèles
  • Sécurisation des APIs
  • Environnement de développement pour les LLM

18
Suivi d’expérience et versioning

  • Orchestration et suivi des pipelines ML
  • Infrastructure applicative avec NGINX
  • LangChain et expérimentation LLM

19
Orchestration, déploiement et LLMOps

  • Orchestration avancée et observabilité
  • RAG et LLMOps appliqués

20
Monitoring et Agentic

  • Monitoring, observabilité et dérives des modèles
  • Agentic design patterns et monitoring avancé ML/LLM
  • Architectures événementielles avec Kafka

21
Scaling et MLOps platform

  • Conteneurisation et MLOps avec Kubernetes et ZenML
  • Fondamentaux du Cloud AWS


Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.