| 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 (2026) d'Ynov Intelligence Artificielle & Data - Rennes forme des spécialistes capables de maîtriser l'ensemble de la chaîne de l'IA. En première année, les étudiants abordent les mathématiques pour l'IA, les techniques de Machine Learning avancées, le traitement du langage naturel (NLP), ainsi que la gestion de projets IT et les méthodologies de tests. Cette formation par projets développe des compétences clés : analyse exploratoire de données massives, modélisation statistique, conception de solutions d'intelligence artificielle et optimisation d'algorithmes performants. Grâce à une pédagogie 100% active sans cours magistraux et des outils professionnels (TensorFlow, PyTorch, Azure), les diplômés deviennent des Data Scientists, Machine Learning Engineers, Ingénieurs IA, Consultants IA & Data ou Experts en NLP dans des secteurs en pleine expansion. Le titre RNCP de niveau 7 "Ingénieur en science des données spécialisé en apprentissage automatique" garantit une reconnaissance professionnelle immédiate sur un marché qui connaît +30% de croissance annuelle des offres d'emploi.
Thématiques abordées
- Fondamentaux de l’intelligence artificielle : apprentissage machine, réseaux de neurones, algorithmes supervisés et non supervisés
- Traitement avancé des données : exploration, nettoyage, ingénierie des caractéristiques et bases de données NoSQL
- Développement et déploiement de modèles IA : programmation Python, frameworks TensorFlow et PyTorch, mise en production
- Éthique, droit et impact sociétal de l’IA : biais algorithmique, réglementation, responsabilité et enjeux sociaux
- Projets appliqués et travaux pratiques : cas réels, challenges d’équipe, présentation et communication scientifique
Objectifs de la formation
- Maîtriser les mathématiques et les algorithmes avancés appliqués à l’intelligence artificielle pour concevoir des modèles efficaces.
- Développer des compétences pratiques en machine learning, deep learning et traitement du langage naturel (NLP) pour analyser et exploiter des données massives.
- Conduire un projet complet d’intelligence artificielle, de la collecte et traitement des données jusqu’au déploiement de solutions opérationnelles.
- Appliquer des méthodologies rigoureuses de tests automatisés et garantir la qualité et la robustesse des systèmes IA développés.
- Maîtriser les enjeux de gouvernance, souveraineté et sécurité des données pour piloter des projets IA responsables et conformes aux normes.
