Certification professionnelle

Objectifs et contexte de la certification :

LES OBJECTIFS : 

La certification a pour objectif de certifier que le candidat est en mesure de mobiliser ses compétences lors  :

• Du traitement et de l’analyse des données permettant la mise en place de modèles d’apprentissage suivant une méthodologie définie
• De l’exploitation d’un modèle d’apprentissage en utilisant les méthodes du machine learning
• De l’assemblage d’un modèle d’apprentissage profond
• De l’intégration de solutions IA pré-existantes pour optimiser la réponse aux besoins du client final
• Du développement des applications exploitables par le client final en intégrant les solutions IA réalisées et/ou pré-existantes
• De la conception et mise en oeuvre d’un système de veille technologique pour aider à la prise de décision

LE CONTEXTE :

Pour les entreprises : 

•  La montée en compétences de collaborateurs, et plus largement, le recrutement de collaborateurs formés spécifiquement à l’intelligence artificielle doit permettre aux entreprises de répondre aux exigences professionnelles du domaine du numérique
• La certification proposée permet ainsi à une organisation d'intégrer l’intelligence artificielle comme support à sa stratégie et à son développement.

Pour les candidats : 

•  La formation menant à la certification permet aux individus d’appréhender les enjeux liés à l’intelligence artificielle et à son utilisation dans le développement de logiciel.
• Cette certification permet aux individus de sécuriser leur parcours professionnel en leur apportant les compétences nécessaires pour accompagner les entreprises dans les enjeux liés à l’exploitation de  l’Intelligence Artificielle. 
• Elle leur permet ainsi de maintenir ou augmenter leur employabilité au sein et/ou au-delà de leur organisation. 

Compétences attestées :

Les compétences attestées sont les suivantes : 

•  C1. Constituer un jeu de données exploitable de manière à entraîner un modèle d'apprentissage en utilisant la méthodologie et/ou l'outil approprié en fonction des standards de l'écosystème
• C2. Interpréter les données grâce à des outils de visualisation de données en vue d’expliquer les caractéristiques du jeu de données
• C3. Exploiter un modèle d’apprentissage supervisé ou non supervisé permettant la classification ou la prédiction d’une variable en fonction des données disponibles et des outils sélectionnés
• C4. Améliorer les performances d’un modèle d’apprentissage à l’aide d’une évaluation de la qualité des données et de la technique de modélisation afin de réduire les biais et les anomalies de résultats
• C5. Concevoir un modèle d’apprentissage efficient en exploitant les méthodes standards d'apprentissage profond pour répondre à une problématique identifiée
• C6. Sélectionner l’outil le plus adapté aux objectifs préalablement définis grâce aux services IA disponibles sur une plateforme cloud afin de répondre aux enjeux rencontrés par le client
• C7. Améliorer une application en étendant ses fonctionnalités grâce à l’utilisation d’API web des services IA de manière à répondre aux objectifs préalablement définis avec le client
• C8. Développer une application et/ou des fonctionnalités utilisant le traitement de données généré par l’IA de manière à être exploitable par le client/utilisateur final
• C9. Réaliser des visualisations adaptées au public visé afin de communiquer les résultats d’un projet mené  
• C10. Concevoir un système de veille technologique permettant de collecter, classifier, analyser et diffuser l’information aux différents acteurs de l’entreprise/l’organisation afin d’améliorer la prise de décisions techniques

Modalités d'évaluation :

E1 : Projet professionnel

• Contenu A partir d’un cas d’entreprise réelle ou fictive, le/la candidat(e) doit développer une application exploitable par un client final intégrant des solutions IA réalisées
•  Correction Un jury composé de 3 personnes, dont au moins un professionnel.
• Rendus attendus                                                                                                                            A l’écrit :Un rapport de 15 à 20 pages comprenant une introduction, une première partie sur la compréhension besoin client, un état de l’art, la traduction technique et choix technique du projet, une seconde partie sur, la mise en oeuvre du projet,  une troisième partie sur le bilan de projet et les améliorations et une conclusion.                                                                                A l’oral : Une présentation orale de 50mn découpée en 3 parties présentation du rapport (20mn), présentation de la démo (10mn), échange avec le jury (20mn).

E2 : mise en situation professionnelle

• ContenuSur la base d’un cas d’entreprise réel ou fictif, le/la candidat(e) doit identifier les enjeux/problématiques rencontrées par l’entreprise. Il/elle doit traduire les enjeux du client en objectifs réalisables. A partir de ces objectifs, il/elle doit programmer, entraîner et utiliser un modèle d’apprentissage profond.
• Correction  Contrôle continu évalué par un formateur
• Rendus attendus A l’écrit :Dans le livret d’apprentissage, la compréhension du besoin client, un état de l’art pour y répondre, la traduction technique et choix technique du projet, la réponse technique mise en oeuvre dans projet,  une troisième partie sur le bilan du projet et les amélioration, une conclusion : en quoi la compétence est acquise

E3 : mise en situation professionnelle

• ContenuSur la base d’un cas d’entreprise réel ou fictif, le/la candidat(e) doit sélectionner l’outil le plus adapté aux besoins et enjeux du client, qu’il/elle a préalablement identifiés. Dès lors, il doit enrichir une application existante en utilisant le ou les services sélectionnés en amont.
• Correction Contrôle continu évalué par un formateur
• Rendus attendus A l’écrit :   La compréhension du besoin client, un état de l’art pour y répondre, la traduction technique et choix technique du projet, la réponse technique mise en oeuvre dans projet,  une troisième partie sur le bilan du projet et les améliorations, une conclusion.