Branche Basic : Homogénéiser les compétences à travers une mise à niveau intensive en mathématiques, informatique, en Python et en Shell avancé. Branche Data Science : Maîtriser les fondamentaux théoriques de la data science, des algorithmes de Machine Learning classiques à l'état de l'art en Deep Learning, Computer Vision et NLP, sans oublier comment rendre les modèles intelligibles. Branche Engineering : Parcourir l'ensemble des technologies Big Data ainsi que les bonnes pratiques de développement pour assurer le déploiement et le monitoring des modèles en production. Branche 4 : Soft Skills pour comprendre le rôle du ML Engineer au sein des entités data, être sensibilisé aux enjeux et défis majeurs de l'IA, maîtriser les méthodologies d'industrialisation d'un projet data et se préparer aux entretiens d'embauches. Branche 5 : Des projets pour mettre en application l'ensemble des concepts théoriques à travers la réalisation de projets en équipe tout au long de la formation et sur des cas d'usage de la vie courante.

Devenir Machine Learning Engineer

Savoir analyser les besoins d'un client pour un projet d'intelligence artificielle. Concevoir une solution d'intelligence artificielle. Mettre en production d'un système d'intelligence artificielle. Gérer un projet d'intelligence artificielle