| Durée de la formation en année | 1 an |
|---|---|
| Statut de l'école | Non renseigné |
| Rythme de formation | Temps plein |
| Modalité | En présentiel |
| Prix | Non renseigné |
Description
À l'École privée des sciences informatiques - campus Angers, la formation Développeur en intelligence artificielle et Data Science permet d'acquérir une expertise complète dans la conception de solutions IA. Les apprenants maîtrisent les techniques de machine learning, deep learning et IA générative, tout en développant des compétences avancées en modélisation de données et en traitement des données massives issues de l'IoT et des interactions en ligne. Le programme forme à créer des modèles de données selon les méthodes de Data Science, développer des modèles prédictifs, et produire et maintenir des solutions IA tout en respectant les exigences réglementaires (RGPD, RIA). Les diplômés pilotent également la gestion de projets IA, automatisent des tâches complexes et optimisent les processus organisationnels. Ils peuvent devenir développeurs en IA, data scientists ou ingénieurs en intelligence artificielle, des profils très recherchés pour répondre aux enjeux technologiques, économiques et éthiques actuels des entreprises.
Thématiques abordées
- Fondamentaux de l'intelligence artificielle : apprentissage automatique, réseaux de neurones, traitement du langage naturel
- Data Science et gestion des données : collecte, nettoyage, visualisation et analyse statistique
- Programmation avancée en Python et R pour l'IA et la Data Science
- Modélisation prédictive et algorithmes d'apprentissage supervisé et non supervisé
- Projets appliqués et cas d'étude en IA et Data Science, éthique et déploiement
Objectifs de la formation
- Concevoir et déployer des modèles d’intelligence artificielle adaptés aux problématiques business
- Utiliser efficacement les outils et langages de programmation pour la Data Science (Python, R, SQL)
- Collecter, nettoyer et préparer des jeux de données complexes pour l’analyse et l’apprentissage automatique
- Analyser, visualiser et interpréter des données massives pour orienter la prise de décision
- Évaluer la performance des modèles IA et optimiser leur déploiement opérationnel en environnement réel