| Niveau requis | Bac+3 |
|---|---|
| Niveau d'études visé | Bac +5 |
| Date de la prochaine session | Sept. 2026 |
| Durée de la formation en année | 2 ans |
| Statut de l'école | Non renseigné |
| Formation reconnue par l'État | Oui |
| Rythme de formation | Temps plein - Alternance |
| Modalité | En présentiel |
| Prix | Non renseigné |
| Accréditation(s) | QUALIOPI |
Description
Le Mastère 1 - Expert en Intelligence Artificielle d'Ynov Intelligence Artificielle & Data - Bordeaux forme des ingénieurs en science des données spécialisés en apprentissage automatique, capables de concevoir, entraîner et déployer des modèles d'IA de bout en bout.
Cette première année de mastère consolide les fondamentaux en algorithmie, data science et machine learning avancé, tout en explorant le traitement du langage naturel (NLP) et les mathématiques pour l'IA.
Les étudiants maîtrisent les outils professionnels comme TensorFlow, PyTorch et les bibliothèques Hugging Face, développant leurs compétences through through une pédagogie 100% active basée sur des projets concrets et des défis techniques.
Cette formation prépare aux métiers en forte croissance : Data Scientist, Ingénieur Machine Learning, Expert en NLP, Consultant en IA ou AI Product Owner.
Les diplômés intègrent des secteurs variés (santé, finance, industrie 4.
0) avec des profils immédiatement opérationnels, recherchés par un marché en expansion de +30% par an.
Thématiques abordées
- Mathématiques pour l'intelligence artificielle : algèbre, probabilités et statistiques appliquées
- Techniques avancées de Machine Learning et Deep Learning : apprentissage supervisé, non supervisé et par renforcement
- Traitement du langage naturel (NLP) : modélisation, analyse sémantique et applications
- Gestion de projet IT et méthodologies agiles appliquées à l'IA
- Stratégie, gouvernance, sécurité des systèmes d'information et déploiement de solutions IA dans le cloud
Objectifs de la formation
- Maîtriser les algorithmes avancés d’intelligence artificielle et leurs applications concrètes.
- Concevoir et déployer des modèles de machine learning et deep learning performants.
- Analyser et exploiter de grandes bases de données pour extraire des insights pertinents.
- Développer des solutions d’IA intégrées adaptées aux enjeux industriels et commerciaux.
- Évaluer les impacts éthiques et réglementaires liés à l’utilisation de l’intelligence artificielle.