Expert en data science spécialité AI engineer

Collecter et préparer les données avec Python en vue de l'analyse Explorer et analyser les données pour comprendre les tendances et les performances d'une entreprise ou d'un produit. Élaborer des modèles prédictifs pour identifier les nouvelles tendances et opportunités Effectuer des classifications grâce à des algorithmes de deep learning Mettre en oeuvre une démarche MLOps complète, de gestion du cycle de vie des modèles de bout en bout pour automatiser les processus d'entreprise et améliorer leur efficacité Communiquer les résultats à des spécialistes ou des néophytes grâce des visualisations Participer à l'organisation et au pilotage d'un projet de data science / IA

Validation des projets professionnalisants qui jalonnent la formation : -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 de 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

Expert en data science;Attestation de suivi de présence

Pour acceder directement a la certification, les candidats doivent obligatoirement justifier d un des prerequis suivants : etre titulaire d une certification professionnelle de niveau 6 (bac+3 ou equivalent) ; ou etre titulaire d une certification professionnelle de niveau 5 (ou equivalent) avec une experience professionnelle d au moins 2 ans en informatique, sciences, economie, finance ou analyse de donnees ; et effectuer un test de positionnement pour valider ses connaissances sur les thematiques suivantes : bases en mathematiques : algebre - des fonctions, un systeme d equations simple, une matrice simple ; probabilites et statistiques - variables aleatoires, la loi de probabilites (par exemple la loi normale), le theoreme central limite bases d algorithmie - variables et types de variables, conditions, boucles et fonctions ; des notions de ce qu est l intelligence artificielle (par exemple, vous etes capable de definir des termes cles comme modelisation , machine learning , deep learning ). Ce test vous sera transmis lors du processus d admission.