Chef de Projet en Intelligence Artificielle (IA) - Conduire des projets IA avec excellence.

Objectifs

• Comprendre les fondamentaux de l'IA et de la data science : Maîtriser les concepts clés et les applications de l'IA dans un contexte professionnel.


• Concevoir et structurer un projet IA : Élaborer une roadmap efficace en intégrant les aspects techniques et métiers.


• Gérer les données et garantir leur qualité: Mettre en place des stratégies de collecte, traitement et gouvernance des données.


• Développer, tester et déployer une solution IA: Choisir les modèles, entraîner les algorithmes et assurer leur industrialisation.


• Manager une équipe IA et adopter une approche agile:Coordonner les parties prenantes et piloter le projet avec les méthodes agiles.

Programme de la formation

Module 1 : Comprendre l'intelligence artificielle et la data science 

• Définir l'IA et ses différentes approches 


• Découvrir les cas d'usage IA dans les entreprises et leur impact.


• Comprendre le rôle de la data science dans l'IA et son importance.


• Identifier les étapes d'un projet IA et les ressources nécessaires.


• Expérimenter la classification et la régression pour la prédiction des algorithmes.

 Atelier : Comparer des solutions IA existantes et identifier leurs points forts.


Module 2 : Concevoir et structurer un projet IA 

• Définir les objectifs d'un projet IA et aligner les parties prenantes.


• Rédiger un cahier des charges fonctionnel et technique.


• Structurer un projet IA avec les bonnes approches


• Intégrer l'IA dans un projet existant et anticiper son impact.


• Construire un Minimum Viable Product IA.

 Atelier : Élaborer une roadmap et identifier les ressources nécessaires.


Module 3 : Gérer les données et garantir leur qualité

• Identifier les sources de données et les techniques de collecte.


• Appliquer les principes de gouvernance des données et de protection des informations.


• Sécuriser et stocker les données pour assurer leur disponibilité.


• Exploiter des outils de data science pour visualiser et analyser les données.

 Atelier : Évaluer la qualité des données et identifier les problèmes potentiels.


 Module 4 : Développer, tester et déployer une solution IA 

• Sélectionner les modèles en fonction du cas d'usage


• Entraîner et tester un modèle IA en optimisant ses hyperparamètres.


• Valider la performance des modèles IA et éviter l'overfitting.


• Déployer un modèle IA en production 

Atelier : Comparer plusieurs modèles IA et évaluer leurs performances.


Module 5 : Manager une équipe IA et adopter une approche agile 

• Définir les rôles clés dans un projet IA 


• Organiser le travail avec les méthodes agiles et les rituels SCRUM.


• Planifier les tâches avec le backlog, les user stories et la priorisation.


• Gérer les risques et assurer l'adoption du projet IA en interne.

Atelier : Simuler un sprint planning et piloter l'avancement d'un projet IA.


Module 6 : Intégrer l'IA dans la stratégie d'entreprise et anticiper les tendances 

• Définir une roadmap IA et évaluer son impact sur la stratégie d'entreprise.


• Anticiper les transformations des métiers avec l'intégration de l'IA.


• Respecter les réglementations IA


• Explorer les tendances IA : IA générative, automation, autonomie des systèmes.

 Atelier : Élaborer une stratégie IA pour une entreprise fictive.

 

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique