| Niveau d'études visé | Bac +3 |
|---|---|
| Date de la prochaine session | Sept. 2026 |
| Durée de la formation en année | 3 ans |
| Statut de l'école | Non renseigné |
| Formation reconnue par l'État | Oui |
| Rythme de formation | Temps plein |
| Modalité | En présentiel |
| Prix | Non renseigné |
| Accréditation(s) | QUALIOPI |
Description
Le Bachelor 1 Intelligence Artificielle & Data d'Ynov Nantes pose les fondations essentielles pour maîtriser l'univers de l'IA et des données. Les étudiants acquièrent les bases solides en programmation (Python, Java, R), mathématiques appliquées et algorithmique, tout en s'initiant aux premiers concepts d'apprentissage automatique. Le programme couvre la gestion de bases de données avec SQL, les statistiques descriptives, la data visualisation, ainsi que les fondamentaux de l'informatique et des réseaux. Cette première année développe l'esprit d'analyse, la rigueur méthodologique et les compétences techniques indispensables pour évoluer vers des spécialisations avancées. Les diplômés peuvent poursuivre vers les années supérieures pour devenir développeurs IA, data analysts, data engineers ou chefs de projet data, avec des perspectives d'évolution vers des postes de data scientists ou de consultants en transformation digitale dans les secteurs technologiques en pleine expansion.
Thématiques abordées
- Introduction à l’intelligence artificielle et aux données : concepts fondamentaux, historiques, enjeux actuels
- Programmation pour l’IA et la Data : Python, bibliothèques clés (NumPy, Pandas, Scikit-learn)
- Mathématiques appliquées : statistiques, probabilités, algèbre linéaire pour l’IA
- Apprentissage automatique : modèles supervisés, non supervisés, introduction au deep learning
- Projet pratique : mise en œuvre d’un cas d’usage IA/data avec analyse et présentation des résultats
Objectifs de la formation
- Comprendre et appliquer les concepts fondamentaux de l’intelligence artificielle et du traitement des données.
- Développer des compétences en programmation pour manipuler et analyser des datasets complexes.
- Concevoir et entraîner des modèles d’apprentissage automatique adaptés à divers cas d’usage.
- Maîtriser les outils et techniques pour visualiser et interpréter les résultats des analyses de données.
- Acquérir une méthodologie rigoureuse pour évaluer la performance et l’éthique des solutions IA développées.