12 projets professionnalisants pour acquérir des compétences par la pratique. Chaque livrable de projet enrichira votre portfolio que vous pourrez valoriser auprès de recruteurs.

• Au cours de cette formation vous réaliserez les projets suivants :
• Démarrez votre formation de AI Engineer
• Participez à un concours sur la Smart City
• Préparez des données pour un organisme de santé publique
• Construisez un modèle de scoring
• Segmentez des clients d'un site e-commerce
• Classifiez automatiquement des biens de consommation
• Réalisez une analyse de sentiments grâce au Deep Learning
• Traitez les images pour le système embarqué d'une voiture autonome
• Développez une preuve concept
• Réalisez une application de recommandation de contenu
• Réalisez un traitement dans un environnement Big Data sur le Cloud
• Réalisez le cadrage d'un projet IA

Pour mener à bien ces projets, vous disposerez de nombreuses aides et ressources :

• Rendez-vous hebdomadaires individuels avec votre mentor (45min en visioconférence) pour vous soutenir jusqu'au diplôme
• Cours vidéos à suivre à tout moment sur votre ordinateur ou depuis votre mobile
• Accès à une communauté d'étudiants pour échanger sur votre formation, partager vos bons plans ou vous motiver !

Cette formation a pour objectif de vous former pas à pas au métier AI Engineer.

Les métiers de l'Intelligence Artificielle et de la Data Science sont en plein essor : leur volume a plus que quadruplé depuis 2013. Parmi eux :

• Le Data Scientist qui réalise des analyses de données et des prédictions métiers poussées grâce à la data science.
• L'AI Engineer qui développe des solutions d'IA complexes et les déploie en production.
• Le Machine Learning Engineer qui conçoit des modèles prédictifs autonomes.

A l'issue de la formation, vous serez ainsi capable de :

• Collecter, pré-traiter, analyser des données et créer des variables pertinentes (feature engineering) pour l'entraînement d'un modèle.
• Concevoir des modèles d'apprentissage automatique à partir de données structurées et de données non structurées (texte et image).
• Gérer le cycle de vie et de déploiement en production d'un modèle (MLOps) ou d'une application dans des environnements classiques et Big Data.
• Manager des projets IA et de data science complexes en intégrant les contraintes légales et les valeurs d'éthique.

Vous maîtriserez les technologies et les langages techniques les plus demandés : Python : Jupyter Notebook, Git, Github, Streamlit, MLFlow. Technologies : NLP, Computer Vision, Deep Learning, MLOps, Cloud (AWS, Azure, Heroku, Google Cloud), Databricks, API, Hadoop/PySpark.