Certification professionnelle

Etudier le fonctionnement de l’entreprise et de son environnement en analysant ses différents enjeux métiers et ses implications business et sociétales afin de positionner le projet IA dans son environnement global et d’assurer son intégration en cohérence des objectifs de l’entreprise

Définir les ressources techniques et informatiques nécessaires pour le déploiement du projet en comparant les ressources digitales de l’entreprise, en identifiant les éventuels décalages par rapport aux dispositions du RGAA, avec les besoins du projet afin d’assurer une bonne définition des objectifs et calendrier de réalisation du projet

Analyser les composantes et enjeux intrinsèques aux projets IA en s’appuyant sur un système de veille technologique et économique afin de détecter les opportunités de projets d’intelligence artificielle au sein de l’entreprise (par exemple le cas des IA génératives).

Identifier l’impact de l’intelligence artificielle sur l’environnement, la société et l’individu et définir des solutions de remédiation et/ou de collaboration afin d’adopter une démarche soucieuse des questions éthiques.

Étude de cas : à partir d’une documentation complète présentant un cas d’usage de l’IA dans une entreprise, le candidat doit analyser l’environnement social, économique et légal du projet IA et identifier les freins et les leviers pour sa réalisation ; identifier et spécifier les ressources techniques et informatiques nécessaires pour la réalisation du projet IA. Il doit ensuite émettre des préconisations en adéquation avec les besoins du projet.

Étude de cas pratique : A partir d’une veille concurrentielle et technologique menée au sein d’une entreprise donnée, le candidat devra enrichir cette analyse avec des données provenant de sources extérieures et détecter les différentes opportunités stratégiques offertes pour l’usage de l’IA. Le candidat devra également examiner les impacts humains, sociétaux et environnementaux que chacune des opportunités stratégiques pourrait avoir sur l’entreprise. Il devra ensuite proposer des solutions de remédiation et/ou de collaboration.

Développer et déployer des infrastructures informatiques de stockage de données en s’appuyant sur les logiciels appropriés pour structurer une base de données relationnelle ou non relationnelle.

Acquérir, intégrer et traiter un ensemble de données à partir de sources hétérogènes, internes et externes à l'entreprise et ceci de façon sécurisée afin de les exploiter et de les stocker en sécurité.

Analyser et prétraiter des données structurées et non structurées en s’appuyant sur le nettoyage des données réalisé, en identifiant les anomalies et les manques, pour répondre à un problème métier.

Réaliser une réduction de la dimensionnalité des données de grandes dimensions en utilisant les méthodes adaptées afin d'optimiser les temps de calcul.

Réaliser une analyse exploratoire en s’appuyant sur des solutions de visualisation de données afin de représenter graphiquement les données d'une manière claire et pertinente.

Réaliser une analyse statistique univariée et multivariée en s’appuyant sur des méthodes statistiques appropriés afin de préciser la relation entre les variables et de prendre en compte les facteurs de confusion.

Utiliser et appliquer des modélisations mathématiques sur les données structurées et nettoyées pour enrichir les systèmes d’aide à la décision.

Modéliser les données structurées et nettoyées en s’appuyant sur des outils mathématiques appropriés afin d’enrichir des systèmes d’aide à la décision.

Mises en situations professionnelles reconstituées :

• A partir d’un jeu de données brutes provenant de différentes sources, le candidat devra concevoir et réaliser une architecture d’entrepôts de données permettant de répondre à une attente métier.
• En se basant sur un jeu de données brutes émanant de multiples sources, le candidat devra les combiner et les structurer en données propres afin d’en maintenir la fiabilité et la qualité des données.
• A partir d’un jeu de donnée compilées, nettoyées et améliorées, le candidat devra proposer et sélectionner des modèles et méthodes statistiques de traitement de données permettant de répondre à un problème métier.

Implémenter et entraîner (train) des modèles d’apprentissage automatique adaptés à une problématique métier en s’appuyant sur les grandes familles d'algorithmes et les librairies d'apprentissage supervisées ou non supervisées pour réaliser une analyse prédictive.

Sélectionner les algorithmes d’apprentissage adaptés au problème à résoudre en réalisant des études comparatives de leurs performances afin d’assurer l’efficacité de la solution.

Évaluer les performances des modèles d’apprentissage automatique par la mise en œuvre de métriques adaptées aux problématiques d’intelligence artificielle afin d’améliorer l’efficacité des modèles.

Extraire les variables pertinentes pour la modélisation en s’appuyant sur des méthodes adaptées afin d’améliorer leur exploitation.

Corriger les problèmes de type sur-apprentissage des modèles élaborés, en mettant en place des indicateurs permettant d’en mesurer les performances afin d’assurer l’opérationnalité de la solution d’intelligence artificielle.

Évaluer la fiabilité des modèles prédictifs en appliquant une stratégie de validation croisée des données afin de minimiser l’influence des valeurs extrêmes.

Améliorer le modèle d’apprentissage automatique en adaptant et en optimisant les paramètres du modèle afin de minimiser l’erreur d’apprentissage.

Mises en situations professionnelles :

• A partir d’un jeu de donnée compilées, nettoyées et améliorées, le candidat devra doit programmer, entraîner et utiliser un modèle d’apprentissage automatique pour réaliser une analyse prédictive en sélectionnant des algorithmes d’apprentissage adapté à une problématique métier.
• En se basant sur la solution proposée ci-haut, le candidat devra rédiger un rapport d’étonnement incluant les éléments d’analyse suivants : l’explication des choix de solutions IA implémentées, l’évaluation de la performance des modèles d’apprentissage, et l’identification des pistes d’amélioration.

Implémenter et entraîner (train) des modèles d’apprentissage profond en répondant à une problématique identifiée en développant une architecture optimisée adaptée aux besoins en intelligence artificielle afin de maximiser la puissance prédictive.

Évaluer les performances des modèles d’apprentissage profond par la mise en œuvre de métriques adaptées aux problématiques d’intelligence artificielle afin d’améliorer l’efficacité des modèles.

Améliorer le modèle d’apprentissage profond en adaptant/optimisant l’architecture et les paramètres du modèle afin de minimiser l’erreur d’apprentissage.

Mises en situations professionnelles :

• Sur la base d’un jeu de donnée compilées, nettoyées et améliorées, le candidat devra élaborer un modèle d’apprentissage profond en sélectionnant des algorithmes d’apprentissage adapté à une problématique métier.
• En se basant sur la solution proposée ci-haut, le candidat devra rédiger un rapport d’étonnement incluant les éléments d’analyse suivants : l’évaluation de la performance des modèles d’apprentissage implémentés, et l’identification des pistes d’amélioration.

Présenter un modèle d’IA auprès de ses utilisateurs finaux en s’appuyant sur une interface de programmation applicative (API) dans le web afin de répondre à une problématique métier identifiée et de diffuser l’utilisation des solutions intégrées parmi les utilisateurs métier.

Déployer un projet de développement IA à l’échelle en utilisant les technologies des données massives et les outils du Cloud appropriés afin de permettre le passage d’un projet d’IA à l’échelle des données massives.

Définir une politique de protection de données individuelles telle que définis par les règles européennes (RGPD) et RGAA en identifiant les principaux risques internes et externes liés à leur sécurité afin de mieux les gérer.

Intégrer les contraintes légales et les valeurs de responsabilité et d’éthique dans un projet d’IA en identifiant les principaux usages dans différents domaines et en analysant leurs implications humaines et sociétales afin de les valoriser, les rendre plus opérationnelles et plus responsables.

Acquérir une vision globale du travail en mode projet en identifiant les différentes méthodes et les différents liens avec les acteurs afin de permettre le bon déroulement du projet et sa cohérence avec la politique globale de l’entreprise.

Gérer les délais et les ressources affectées au projet en utilisant les outils de gestion de projet appropriés, en prenant les dispositions nécessaires permettant l’inclusion de toutes les parties prenantes, y compris en situation de handicap, afin d’anticiper les risques et trouver les solutions adéquates aux aléas, problèmes et imprévus rencontrés.

Mise en situation professionnelle : A partir d’une analyse d’un projet de développement IA d’entreprise réel ou fictif, le candidat devra concevoir et déployer un modèle prédictif sous forme d’une interface de programmation applicative ou d’une interface de visualisation de données répondant à une problématique métier, et présenter devant un jury les résultats du projet

Étude de cas pratique : Sur la base d’un cas réel de projet d’IA, le candidat devra produire une note avec une analyse approfondie des problématiques et contraintes de protection des données personnelles ainsi que leurs implications éthiques. Il/elle devra également présenter devant un jury les résultats de son analyse.

Étude de cas pratique : A partir d’un projet de développement IA d’entreprise réel ou fictif, le candidat devra définir les ressources matérielles, et identifier les personnes avec qui il est nécessaire de collaborer. Il devra également lister les tâches à réaliser avec leurs échéances permettant la bonne réalisation du projet.