Certification professionnelle

Objectifs et contexte de la certification :

Ces dernières années ont vu s’accélérer considérablement des progrès réalisés dans les domaines de la vision par ordinateur, de la reconnaissance vocale ou encore de la recherche automatique d’information. Une machine réalise automatiquement une tâche au moyen d’un programme «appris» en résolvant la version statistique d’un problème d’optimisation, à partir de données relatives à un grand nombre d’observations. La disponibilité d’exemples que la machine peut elle-même solliciter dans certains cas pour mieux apprendre, stockés sous forme de bases de mégadonnées et offrant une description quasi exhaustive de la variabilité du phénomène à analyser, combinée à la puissance de calcul des clusters d’ordinateurs modernes, a permis de rendre véritablement effectives des méthodes d’apprentissage statistique. Ces méthodes sont aujourd’hui à l’œuvre dans de nombreux «systèmes intelligents», pour des domaines aussi variés que la biométrie, le véhicule à délégation partielle, le diagnostic médical automatique, les moteurs de recommandation associés aux sites Web commerciaux ou les assistants virtuels. L'ère du big data et de l’intelligence artificielle généralisée a, donc, débuté grâce aux briques technologiques modernes qui nous permettent désormais de stocker et traiter de façon automatisée, dans des temps très courts, des données massives de nature et format divers. L’ensemble de ces éléments ont fait naître de nouvelles compétences. 

Cette certification aborde les différentes composantes de l'intelligence artificielle : l’apprentissage statistique (machine Learning, deep learning), le traitement de données massives (image, parole, etc.) et la robotique avec les objectifs suivants :

• Employer les méthodes avancées d’apprentissage statistique pour résoudre des problématiques d’intelligence artificielle
• Utiliser les réseaux de neurones et les architectures associées
• Concevoir et analyser des expériences pour évaluer les systèmes HRI (Interaction Homme – Robot)
• Mettre en œuvre des méthodes d’apprentissage profond en s’appuyant sur des bibliothèques logicielles

Compétences attestées :

C1- Utiliser des méthodes statistiques à grande échelle lors de projets afin de résoudre des problématiques d’intelligence artificielle en utilisant des techniques évolutives adaptées 

C2- Analyser la place de l’Intelligence Artificielle et de la science de données au sein des enjeux sociétaux 

C3- Utiliser les réseaux de neurones dans les méthodes d’apprentissage profond afin de modéliser et d’optimiser le traitement de l’information 

C4-Déterminer les différents types de familles logiques grâce à des outils adaptés afin de résoudre des problèmes 

C5-Déterminer les principes fondamentaux de l’interaction homme-robot grâce à des méthodes afin de développer l’apprentissage par renforcement 

C6- Identifier les différents modèles graphiques probabilistes afin de les utiliser dans des applications statistiques en grande dimension 

C7- Intégrer les méthodes de l’Intelligence Artificielle dans un système audio cible en prenant en considération les évolutions du système 

C8-Mettre en œuvre les techniques de représentation d’une image numérique afin de déterminer les enjeux et les limites de la vision par ordinateur 

C9- Proposer une modélisation utilisant les différentes méthodes de traitement de la langue et d'apprentissage automatique sous-jacentes à l'analyse des textes

Modalités d'évaluation :

L'évaluation se base sur plusieurs modalités (à l'écrit ou à l'oral) mises en œuvre en continu tout au long de la formation, et sur une évaluation finale qui se déroule sur 1 journée. L'évaluation continue est constituée, pour chaque module, d'un projet réalisé sur données réelles, et de  la rédaction et présentation d'un rapport sur une problématique donnée, le tout en phase avec le module, ainsi que d'un QCM. L'évaluation finale consiste en la réalisation d'un projet personnel tutoré donnant lieu à la rédaction et à la soutenance d'un mémoire devant un jury de formateurs et de professionnels.

L'entrée dans le dispositif de certification est précédée d’une action d'évaluation et de pré-formation constituée d’une session de formation / évaluation type MOOC et d’un entretien de motivation et de positionnement. Ces actions pré-formatives peuvent donner lieu à des ajustements du contenu de la formation, notamment dans le cadre d'un dispositif de formation intra-entreprise.