Trouvez la formation qui vous correspond

Comprendre les spécificités des modèles IA et leurs cas d’usage. Développer des modèles IA performants avec Python et ses bibliothèques. Ajuster les hyperparamètres pour optimiser les performances des modèles. Maîtriser les techniques de validation et d’évaluation des modèles IA  

Comprendre les principaux concepts des SGDBR (Système de Gestion des Bases de Données Relationnelles) et d'algèbre relationnelle utilisés dans le langage SQL Prendre en main un environnement SQL   Appréhender l'écriture des requêtes SQL pour extraire des données et mettre à jour la base Manipuler les données dans une base avec SQL   Savoir extraire les informations de plusieurs tables   Assimiler les fonctions standards du langage SQL.   

A l’issue de la formation, le stagiaire sera capable d’installer et d’administrer des bases de données sous MariaDB. Appréhender le SGDB MariaDB Installer et configurer MariaDB Gérer la sécurité Assurer les opérations de sauvegarde, restauration et maintenance  

Maîtriser l’architecture et les services IA proposés par les hyperscalers (AWS, Azure, GCP). Mettre en œuvre les bonnes pratiques de déploiement et d’intégration des modèles IA. Utiliser les frameworks MLOps pour l'automatisation du cycle de vie des modèles. Optimiser l'entraînement des modèles IA et assurer leur mise en production efficace.  

Identifier et corriger les dérives des modèles IA en production. Définir et mesurer les indicateurs de performance des modèles IA. Appliquer les meilleures pratiques de versionnage et suivi des modèles IA. Mettre en place des tableaux de bord pour suivre l'évolution des modèles.  

A l’issue de la formation, le stagiaire sera capable d’installer et d’administrer des serveurs et des bases de données PostgreSQL Comprendre l'architecture de la base de données PostgreSQL Savoir installer PostgreSQL Appréhender les principales fonctionnalités d'administration d'une base de données PostgreSQL Créer et gérer une base de données Gérer l'accès aux utilisateurs Savoir interroger une base de données à l'aide de PSQL Sécuriser un serveur PostgreSQL  

Analyser les Menaces Associées à l'Élaboration d'une Solution d'IA (Compétence C2)

• Identifier les risques éthiques et sociétaux liés à l'exploitation des solutions d'IA.
• Comprendre les implications réglementaires et éthiques pour prévenir les dérives potentielles.

• Étudier les techniques et les approches pour atténuer les attaques adversariales contre les modèles d'IA.
• Mettre en œuvre des stratégies pour protéger les modèles contre ces attaques.

A l’issue de la formation, le stagiaire sera capable d’appréhender de façon opérationnelle les principales caractéristiques des bases de données NoSQL. Identifier les différences entre SGBD SQL et SGBD NoSQL Évaluer les apports et les inconvénients inhérents aux technologies NoSQL Identifier les principaux acteurs et solutions du marché pour chaque modèle de données Connaître les champs d'application des SGBD NoSQL en opérationnel et en analytique Comprendre les différentes architectures, modèles de données et implémentations techniques Identifier les critères de choix   

A l’issue de la formation, le stagiaire sera capable d’installer et d’administrer des bases de données sous la solution NoSQL MongoDB. Comprendre le fonctionnement de MongoDB Comprendre comment installer, configurer et administrer un serveur MongoDB Créer des requêtes d'interrogation Mettre en œuvre la réplication avec MongoDB Distribuer des données sur plusieurs instances d'une base MongoDB Sauvegarder les données d’une base MongoDB   

A l’issue de la formation, le stagiaire sera capable d’installer et d’administrer des bases de données sous la solution NoSQL Apache Cassandra. Découvrir l'architecture de NoSQL Apache Cassandra et ses apports par rapport aux autres solutions Installer et configurer le SGBD NoSQL Apache Cassandra Administrer et sécuriser un cluster Cassandra Appréhender le CQL (Cassandra Query Language) Créer une base de données et manipuler ses objets Connaitre la notion de grappe au sein de la base de données      

Comprendre les spécificités des modèles IA et leurs cas d’usage. Développer des modèles IA performants avec Python et ses bibliothèques. Ajuster les hyperparamètres pour optimiser les performances des modèles. Maîtriser les techniques de validation et d’évaluation des modèles IA  

Identifier et analyser les besoins métiers dans un projet IA. Étudier les cas d’usage concrets de l’IA dans différents secteurs. Évaluer les impacts économiques, sociaux et environnementaux des solutions IA. Appliquer les normes et réglementations pour encadrer l’utilisation de l’IA. .

Acquérir une compréhension approfondie des concepts fondamentaux de l’IA. Apprendre les bases de la programmation en Python et R pour le développement IA. Explorer les bibliothèques et outils essentiels pour la conception de modèles IA. Développer des compétences en gestion de projet IA et intégration des solutions IA en entreprise.

Documenter le flux de traitement des données : De la source à l’exploitation, en couvrant la chaîne d’approvisionnement (C1, C3). Documenter  le cycle  de vie  de  la  donnée  :  De  sa création  à son archivage  ou suppression (C1, C8). Comprendre les enjeux de la documentation des jeux de données pour répondre aux besoins métiers et aux cas d’usage (C1). Identifier les risques éthiques et sociétaux liés à la collecte et à l'utilisation des jeux de données (C2). Préparer et structurer les données afin de renforcer leur intégrité pour une utilisation dans un modèle d'IA (C3). Élaborer une documentation technique claire pour assurer la transparence et la traçabilité des données (C8).  

Identifier et valider les sources de données pertinentes pour l’IA. Détecter et corriger les erreurs et biais présents dans les jeux de données. Appliquer les techniques de nettoyage et de normalisation des données. Améliorer la qualité des jeux de données pour garantir des modèles IA performants.