Expert en data science spécialité machine learning engineer

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 (sur des données structurées et non structurées). 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 à des néophytes grâce à 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 Machine Learning Engineer -Préparez des données pour un organisme de santé publique -Anticipez les besoins en consommation de bâtiments -Segmentez des clients d'un site e-commerce -Catégorisez automatiquement des questions -Classez des images à l'aide d'algorithmes de Deep Learning -Développez une preuve de concept -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 ; programmation avec Python et utilisation de librairies pour la data science ; des notions de ce qu est l intelligence artificielle (par exemple, vous etes capable de definir des termes cles comme modelisation , machine learning ou deep learning ). Ce test vous sera transmis lors du processus d admission.