Développeur en intelligence artificielle

Les objectifs

• C1 Acquérir des données à partir de sources adaptées, fournies par le client ou accessibles en Open Data afin d'agrémenter la base de données
• C2 Écrire des requêtes pour l'interrogation de la base de données et les composants d'accès aux données
• C3 Effectuer des analyses exploratoires afin d'appréhender la composition interne des données
• C4 Concevoir une représentation graphique adaptée afin de visualiser les relations entre les données
• C5 Préparer des données en vue de l'apprentissage afin que celles-ci soient nettoyées
• C6 Transformer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Preprocessing)
• C7 Générer des données d'entrée afin de satisfaire les contraintes inhérentes au modèle (Feature Engineering)
• C8 Maîtriser les différents algorithmes d'apprentissage afin d'apporter une réponse adaptée à une problématique de l'organisation
• C9 Entraîner un modèle d'apprentissage supervisé pour optimiser une fonction de prédiction à partir d'exemples annotés
• C10 Entraîner un modèle d'apprentissage non supervisé pour détecter des structures sous-jacentes à partir de données non étiquetées
• C11 Améliorer les capacités prédictives d'un système en sélectionnant un modèle différent ou en modifiant ses hyperparamètres en vue de corriger des erreurs (hyperparameter tunnig)
• C12 Mettre en production le modèle d'apprentissage supervisé ou non supervisé obtenu sous la forme d'une API
• C13 Adopter une démarche d'amélioration continue en identifiant les axes de perfectionnement d'un produit à l'aide d'une méthode adaptée de manière à améliorer la performance du produit
• C14 Convertir les données entrantes (images et texte par exemple) en données adaptées pour un réseau de neurones
• C15 Maîtriser les différentes architectures de réseau de neurones : convolutifs pour les images & récurrents pour les séries temporelles et les modèles de traitement automatique du langage (NLP) pour le texte
• C16 Utiliser un réseau de neurones convolutifs pour étiqueter des images
• C17 Utiliser un réseau de neurones pour comprendre l'intention d'une phrase en langage naturel
• C18 Analyser et formuler une problématique métier du point de vue de l'analyste de données
• C19 Planification des actions à mettre en oeuvre
• C20 Mobiliser les ressources nécessaires pour mener à bien le projet en respectant les délais
• C21 Recommander des actions à sa hiérarchie et rendre compte de ses résultats

Les débouchés

Secteurs d'activités :
Tous secteurs d'activité (banques et assurances, secteur public, opérateurs de télécommunication,conseil, ) et notamment intégrateurs, ESN et grandes entreprises.

Type d'emplois accessibles :

• Data Analysts
• Data Scientists,
• Data Engineers,
• Data Architects,
• Data Ops,
• Développeurs en IA,
• Chefs de projet en IA,
• Machine Learning Engineers,
• Consultant Data