MS Technicien Intelligence artificielle

Cette formation introduit les concepts et les technologies principales utilisées dans le milieu de la data et de l'Intelligence Artificielle. Elle permet de faire monter en compétences les apprenants.es n'ayant jamais eu de formation dans le domaine de la programmation et du développement web.La formation vise à l’acquisition des compétences techniques fondamentales communes aux différents métiers de la data (Python, Pandas, SQL, NoSQL) et à l’appréhension des problématiques liées à la data en milieu professionnel et d'appréhender la notion d’intelligence artificielle

L'objectif est de délivrer un socle de compétences (découverte du langage Python, SQL, le scraping ...) permettant de poursuivre vers un parcours plus long (Projet École IA Microsoft By Simplon - Développeur.euse en intelligence artificielle).

Les métiers de l'IA permettent de fournir des informations utiles aux dirigeants et managers pour piloter l’activité de l’entreprise. Les solutions qu’il.elle développe sont directement intégrées au produit, comme par exemple les recommandations personnalisées Amazon et/ou push marketing Deliveroo.

Introduction à un langage de programmation (Python)
J’apprends le SQL pour interagir avec les bases de données
J’apprends le fonctionnement du web et ses langages (HTML, CSS)
Découvrir les alternatives au SQL (NoSQL)
Gestion des environnements virtuels (Conda}
Effectuer des prédictions à l’aide d’un modèle prédictif avec Python (scikit-learn)
Créer des visualisations à l’aide de Python (matplotlib, seaborn)
Elaborer des Dashboards avec des outils No Code (Tableau, PowerBI)
Se familiariser avec les principaux modules de la Data science sous Python (Pandas, Matplotlib, seaborn, scikit-learn)
Développer une application (Streamlit, Flask)
Apprendre à déployer une application (Heroku)
Gérer le versionnage de son code et apprendre à collaborer (Git/Github)
Tester ses fonctionnalités (Unit test)
Identifier un modèle d'apprentissage optimal en fonction du problème à résoudre, des données disponibles et de leurs natures
Interpréter les résultats d’une analyse
Présenter son travail à l’aide de supports visuels et savoir adapter son discours en fonction de son interlocuteur(Google Slide/Powerpoint)
Collecter des informations sur Internet (Scraping de données)
Introduction à l’apprentissage profond (Deep learning)