Data Science et applications d'IA
Domaine : Tech. Niveau : Expert. Durée : 145 heures. 29 modules répartis en 5 chapitres. Tarif : 3397 euros. Formation à distance avec modules, exercices corrigés, questionnaires et manuel. Attestation de fin de formation délivrée à l’issue du parcours.
Formez-vous à la donnée et au développement : Python, machine learning, grands modèles de langage, React et mise en production, jusqu'à une application IA complète. La formation prépare aussi à l'examen AWS ML, passé auprès de l'organisme officiel. Chaque semaine, un exercice est repris avec votre formateur en classe virtuelle. À la fin, vous recevez votre certificat AcadémIA Pro.
Objectifs pédagogiques
Analyser des données avec Python et SQL. Entraîner et évaluer un modèle. Construire une application web qui utilise un modèle de langage. La mettre en production et la suivre.
Prérequis
Savoir programmer dans un langage, même à un niveau simple.
Public visé
Développeurs et analystes qui veulent construire des applications IA complètes.
Programme détaillé
Chapitre 1 — Python et données
- 1.1 Python pour la donnée : rappel par la pratique
- 1.2 Pandas : nettoyer et transformer un jeu de données
- 1.3 SQL : requêtes d'analyse
- 1.4 Statistiques utiles : distributions et tests
- 1.5 Visualiser pour comprendre
- 1.6 Synthèse de pratique du chapitre 1
Chapitre 2 — Apprentissage automatique
- 2.1 Modèles supervisés avec scikit-learn
- 2.2 Évaluer un modèle : validation croisée et métriques
- 2.3 Partitionnement et réduction de dimension
- 2.4 Réseaux de neurones avec PyTorch
- 2.5 Transformers et embeddings : comment ils fonctionnent
- 2.6 Synthèse de pratique du chapitre 2
Chapitre 3 — Modèles de langage
- 3.1 Appeler l'API Claude : messages, jetons et coûts
- 3.2 Sorties structurées et appels d'outils
- 3.3 Recherche documentaire augmentée : construire un RAG
- 3.4 Évaluer une application à base de modèle de langage
- 3.5 Quand affiner un modèle : essai avec une petite adaptation
- 3.6 Synthèse de pratique du chapitre 3
Chapitre 4 — Développer l'application
- 4.1 API avec FastAPI
- 4.2 Base de données et authentification
- 4.3 Interface web en React
- 4.4 Relier l'interface à l'IA : réponses progressives
- 4.5 Synthèse de pratique du chapitre 4
Chapitre 5 — Mettre en production
- 5.1 Conteneuriser et déployer
- 5.2 Suivre les coûts, les erreurs et la qualité
- 5.3 Sécurité : injection de consignes et données personnelles
- 5.4 Cas réel : une application IA, de la donnée à la mise en ligne
- 5.5 Synthèse de pratique du chapitre 5
- 5.6 La pratique de toute la formation, l'examen final et l'exemple de pratique choisi par le stagiaire