Machine Learning Engineer - certifié école des MINES Paris

Programmation

• Fondamentaux Python
• Numpy
• Pandas

Data Visualisation

• Matplotlib
• Seaborn
• Bokeh

Machine Learning

• Classification
• Regression
• Clustering

Machine Learning avancée

• Détection d’anomalies
• Séries temporelles
• Réduction de dimension

Machine Learning appliqué

• Éthique & Interprétabilité
• Text Mining
• Webscraping

Modèles complexes

• Systèmes de recommandation
• Reinforcement Learning
• Théorie des graphes

Fondamentaux Deep Learning

• Réseaux denses
• Réseau de convolution
• Keras - Tensorflow

Data Engineering

• SQL
• API
• PySpark

De Linux au déploiement

• Programmation Linux et Bash
• MLflow
• AWS Cloud Practitioner

Intégration et déploiement continus

• Git & Github
• Sécurisation des APIs
• AWS Solutions Architect

DataOps

• Docker avancé
• Tests unitaires
• Kubernetes
• AWS SageMaker

Monitoring

• Prometheus
• Grafana
• Acculturation Data

Data Gouvernance

• Les différents types et sources de données
• RGPD et Éthique

Chefferie de projet

• Gestion de projet et conduite du changement
• La méthode Agile

Modules optionnels

• Power BI
• Make
• SQL

Cette formation a pour objectif de vous rendre opérationnel dans l’exercice du métier de Machine Learning Engineer.

Vous serez capable à l’issue de celle-ci de développer les compétences nécessaires à l’exercice du métier de chef de projet en intelligence artificielle et valider la certification RNCP36129 de niveau 7.

Ainsi au termes de la formation, vous serez capable de :

• Concevoir et piloter un projet de développement d’une solution d’intelligence artificielle
• Développer une solution d’intelligence artificielle (machine et deep learning)
• Déployer une solution d’intelligence artificielle

Notre méthode pédagogique est basée sur le Learning By Doing :

• Application pratique : tous nos modules de formation intègrent des exercices en ligne pour que vous puissiez mettre en œuvre les concepts développés dans le cours.

• Masterclass : pour chaque module, une ou plusieurs masterclass sont organisées en visio-conférence avec votre professeur permettant d’aborder les problématiques actuelles des technologies, méthodes et outils du domaine du machine learning et de la data science.

Une assistance technique personnalisée est accessible tous les jours de la semaine de 9h00 à 17h00. Un accompagnement pédagogique est aussi proposé via le réseau de communication Slack.

Durant votre formation, vous allez mener plusieurs projets en groupe dont l’objectif est de graduellement combiner toutes les compétences que vous êtes en train d’acquérir. Ils nécessitent un investissement d’environ 200 heures de travail :

• Data Scientist : 120 heures - projet développement d’une solution d’intelligence artificielle (Machine Learning et Deep Learning) 
• MLOps : 50 heures - problématique de déploiement et de mise en production 
• Data Product Manager : 30 heures - 3 étapes liées aux étape de développement d’un projet IA : 

1. Analyse du besoin
2. Etude de faisabilité 
3. Déploiement du projet

Après avoir obtenu la certification RNCP “Chef de projet en intelligence artificielle”, vous pourrez exercer les métiers de :

• Chef de projet en intelligence artificielle
• Ingénieur Intelligence Artificielle
• Directeur projet Intelligence Artificielle
• Manager d’équipe Intelligence Artificielle
• Expert Intelligence Artificielle
• Consultant Intelligence Artificielle
• Chef de projet Machine Learning

Pré-requis

Afin d’intégrer la formation Machine Learning Engineer, il convient d’avoir un diplôme ou un titre de niveau 6 (équivalent bac+3). Un bon niveau en mathématiques est également nécessaire.

Pour suivre la formation, l’apprenant doit également détenir un ordinateur avec une connexion internet et une webcam.

Financement

• Compte Personnel de Formation (CPF) 
• Pôle Emploi
• Financement entreprise
• Transitions Pro
• Financement personnel