Parcours certifiant Intégrer des modèles et des services d’intelligence artificielle

Réf. ZIS - 24 jours

Parcours certifiant Réaliser une application intégrant un service d’intelligence artificielle

Réf. ZRS - 30 jours

Parcours certifiant Réaliser la collecte, le stockage et la mise à disposition des données d’un projet en intelligence artificielle

Réf. ZRI - 28 jours

Taux d'obtention : Calcul en attente du passage des certifications des 1ers participants.

Code NSF : 114b, 125g, 326

Débouchés : Développeur en intelligence artificielle (IA), Développeur Machine learning (ML), Développeur Python, Lead développeur IA

Equivalences : Le titre RNCP Développeur en intelligence artificielle renvoi à un niveau 6, soit l'équivalent d'un BAC+3

Passerelles : Une fois le niveau 6 validé, vous pourrez poursuivre vers des formations de niveau 7.

Voie d'accès : - Parcours de formation sous statut d’élève ou étudiant (simplon.co) - Parcours de formation continue - Contrat de professionnalisation (simplon.co) - Validation des Acquis de l’Expérience (VAE) (simplon.co)

---

Automatiser l’extraction de données depuis un service web, une page web (scraping), un fichier de données, une base de données et un système big data en programmant le script adapté afin de pérenniser la collecte des données nécessaires au projet.

---

Développer des requêtes de type SQL d’extraction des données depuis un système de gestion de base de données et un système big data en appliquant le langage de requête propre au système afin de préparer la collecte des données nécessaires au projet.

---

Développer des règles d'agrégation de données issues de différentes sources en programmant, sous forme de script, la suppression des entrées corrompues et en programmant l’homogénéisation des formats des données afin de préparer le stockage du jeu de données final.

---

Créer une base de données dans le respect du RGPD en élaborant les modèles conceptuels et physiques des données à partir des données préparées et en programmant leur import afin de stocker le jeu de données du projet.

---

Développer une API mettant à disposition le jeu de données en utilisant l’architecture REST afin de permettre l’exploitation du jeu de données par les autres composants du projet.

---

Organiser et réaliser une veille technique et réglementaire en animant le travail collectif de sélection des sources, de collecte, de traitement et de partage des informations afin de formuler des recommandations pour le projet toujours en phase avec l’état de l’art.

---

Identifier des services d’intelligence artificielle préexistants à partir de l’expression de besoin en fonctionnalités d’intelligence artificielle, en réalisant un benchmark de services existants et en analysant leurs caractéristiques pour formaliser une ou plusieurs recommandations de services adaptés au besoin.

---

Paramétrer un service d’intelligence artificielle en suivant sa documentation technique et en respectant les spécifications du projet, afin de permettre l’intégration des connecteurs du service dans le système d’information.

---

Développer une API exposant un modèle d’intelligence artificielle en utilisant l’architecture REST pour permettre l’interaction entre le modèle et les autres composants du projet.

---

Intégrer l’API d’un modèle ou d’un service d’intelligence artificielle dans une application, en respectant les spécifications du projet et les normes d’accessibilité en vigueur, à l’aide de la documentation technique de l’API, afin de créer les fonctionnalités d’intelligence artificielle de l’application.

---

Monitorer un modèle d’intelligence artificielle à partir des métriques courantes et spécifiques au projet, en intégrant les outils de collecte, d’alerte et de restitution des données du monitorage pour permettre l’amélioration du modèle de façon itérative.

---

Programmer les tests automatisés d’un modèle d’intelligence artificielle en définissant les règles de validation des jeux de données, des étapes de préparation des données, d'entraînement, d’évaluation et de validation du modèle pour permettre son intégration en continu et garantir un niveau de qualité élevé.

---

Créer une chaîne de livraison continue d’un modèle d’intelligence artificielle en installant les outils et en appliquant les configuration souhaitées, dans le respect du cadre imposé par le projet et dans une approche MLOps*, pour automatiser les étapes de validation, de test, de packaging et de déploiement du modèle.

---

Analyser le besoin d’application d’un commanditaire intégrant un service d'intelligence artificielle, en rédigeant les spécifications fonctionnelles et en le modélisant, dans le respect des standards d’utilisabilité et d’accessibilité, afin d’établir avec précision les objectifs de développement correspondant au besoin et à la faisabilité technique.

---

Concevoir le cadre technique d’une application intégrant un service d’intelligence artificielle, à partir de l'analyse du besoin, en spécifiant l’architecture technique et applicative et en préconisant les outils et méthodes de développement, pour permettre le développement du projet.

---

Coordonner la réalisation technique d’une application d’intelligence artificielle en s’intégrant dans une conduite agile de projet et un contexte MLOps et en facilitant les temps de collaboration dans le but d’atteindre les objectifs de production et de qualité.

---

Développer les composants techniques et les interfaces d’une application en utilisant les outils et langages de programmation adaptés et en respectant les spécifications fonctionnelles et techniques, les standards et normes d’accessibilité, de sécurité et de gestion des données en vigueur dans le but de répondre aux besoins fonctionnels identifiés.

---

Automatiser les phases de tests du code source lors du versionnement des sources à l’aide d’un outil d’intégration continue de manière à garantir la qualité technique des réalisations.

---

Créer un processus de livraison continue d’une application en s’appuyant sur une chaîne d’intégration continue et en paramétrant les outils d’automatisation et les environnements de test afin de permettre une restitution optimale de l’application.

---

Surveiller une application d’intelligence artificielle, en mobilisant des techniques de monitorage et de journalisation, dans le respect des normes de gestion des données personnelles en vigueur, afin d’alimenter la feedback loop dans une approche MLOps, et de permettre la détection automatique d’incidents.

---

Résoudre les incidents techniques en apportant les modifications nécessaires au code de l’application et en documentant les solutions pour en garantir le fonctionnement opérationnel.

---

1

Réaliser la collecte, le stockage et la mise à disposition des données d’un projet en intelligence artificielle

• RGPD, sensibilisation à la réglementation sur la protection des données.
• SQL pour PostgreSQL.
• MongoDB, prise en main et développement.
• Talend Open Studio, mettre en œuvre l'intégration de données.
• Développer un site Web, synthèse pratique.
• Web Scraping, récolter des données sur le web avec Python.
• Python Data Science, manipuler et visualiser les données.
• Python, développer des Web Services REST.
• Spark Python, développer des applications pour le big data.

2

Intégrer des modèles et des services d’intelligence artificielle

• Mettre en œuvre une veille concurrentielle efficace.
• Conduire un projet Benchmarking.
• Statistiques descriptives, introduction.
• Machine learning, méthodes et solutions.
• Intégration continue, bonnes pratiques de mise en œuvre.
• Machine Learning avec Python du POC à la production.
• Deep Learning et réseaux de neurones : les fondamentaux.
• Deep Learning avec PyTorch.

3

Réaliser une application intégrant un service d’intelligence artificielle

• Expression des besoins utilisateurs, les meilleures pratiques.
• Méthodes Agiles de gestion de projet, comprendre la démarche.
• Jira® Software, utilisation.
• Unix/Linux utilisateur, l'essentiel.
• GIT, mettre en œuvre le contrôle de versions.
• GitLab CI/CD, maîtriser la gestion du cycle de vie de vos développements logiciels.
• Docker, créer et administrer ses conteneurs virtuels d'applications.
• Django, développement Web avec Python.
• Python pour le traitement du langage naturel (NLP).
• Intelligence artificielle, traitement d’image avec Python.
• MLOps, déploiement de Machine Learning en production.