Datascientest - machine learning engineer rncp38587

Formation 100 % à distance, tous nos modules de formation intègrent des exercices en ligne permettant de mettre progressivement en œuvre les concepts développés dans le cours Pédagogie par projet professionnalisante

Développer les compétences nécessaires à l’exercice du métier de Machine Learning Engineer et vise ainsi la validation de la certification RNCP38587 de niveau 7 “Expert en ingénierie de l'intelligence artificielle". délivrée par ANAPIJ et enregistrée au Répertoire National des Certifications Professionnelles sur décision du Directeur général de France Compétences en date du 09-02-2024. Ainsi au terme de la formation, l'apprenant sera capable de : Mesurer l’apport de l’intelligence artificielle dans la stratégie du système d’information de l’entreprise, élaborer et mettre en production des modèles et algorithmes d’analyse, de gestion et de traitement de la donnée, concevoir et piloter une infrastructure d’acquisition, de stockage, de traitement et de restitution de données et piloter un projet d’intelligence artificielle.

1. Acculturation Data Différentes sources et types de données Fondamentaux Python Manipulation de données avec Pandas 2. Data Product Management Gestion de projet Agilité 3. Chefferie de Projet Ethique et RGPD Projet pratique Etude de cas 4. Fondamentaux de Python Python pour la Data Science Statistiques exploratoires Data Quality Programmation orientée objet 5. DataViz Matplotlib Seaborn Plotly 6. Outils de programmation Linux & Bash Git & Github Tests unitaires AWS Cloud Practitioner 7. Machine Learning I Classification Régression Clustering 8. Machine Learning II Classification avancée Systèmes de recommandation Pipeline 9. Machine Learning III Réduction de dimension Séries temporelles Détection d'anomalies Reinforcement Learning 10. Machine Learning IV Ethique & Interprétabilité en IA MLflow Text Mining BeautifulSoup Théorie des graphes avec NetworkX 11. Deep Learning Computer Vision avec Open CV Réseaux de neurones denses avec Keras Réseaux de neurones convolutifs avec Keras Tensorflow & Pytorch 12. Data Engineering SQL Fondamentaux des APIs Fondamentaux de l'intégration de données PySpark 13. Fondamentaux MLOps I Streamlit Docker AWS Solution Architect 14. Fondamentaux MLOps II Tests unitaires FastAPI 15. Versioning & Isolation DVC & Dagshub Airflow Jenkins 16. Deployment & model serving BentoML Prometheus & Grafana MongoDB Sécurisation des APIs 17. Scaling Data Drift Kubernetes Flask 18. Orchestration Platform ZenML Weight & Biases MLOps with Azure & GCP