ParcoursPF-DEV-P9-EC
Parcours Data & IA
De la donnée brute au modèle d'intelligence artificielle déployé
- 105 heures — 3 modules
- Sur devis
- Écoles & centres de formation
- Certification Qualiopi en cours de préparation

En bref
Former des profils data complets : analyser et modéliser la donnée (data science), concevoir et exploiter les pipelines et infrastructures (data engineering), puis créer, entraîner et déployer des modèles d'intelligence artificielle.
Le parcours progresse de l'analyse et la modélisation des données (data science) vers l'ingénierie des pipelines (data engineering), puis la création et le déploiement de modèles d'IA (deep learning, LLM).
Objectifs pédagogiques
- Analyser, modéliser et prédire avec la science des données (ML classique)
- Concevoir et exploiter des pipelines et infrastructures de données
- Comprendre le deep learning et les architectures (CNN, Transformers)
- Exploiter les modèles de langage (LLM) : fine-tuning, RAG, API
- Évaluer, déployer et fiabiliser un modèle d'IA (MLOps), en maîtrisant biais et éthique
Public concerné
- Étudiants et apprenants des écoles et centres de formation partenaires
- Développeurs et analystes souhaitant s'orienter vers la data et l'IA
- Profils techniques visant des fonctions data scientist, data engineer ou IA
Prérequis
- Les prérequis sont propres à chaque module composant le parcours (un formulaire de pré-requis spécifique est associé à chacun). Une aisance informatique et une appétence pour la résolution de problèmes sont attendues.
Programme
FOR-DEV-M5-A Data Scientist 35h
Manipulation (pandas/NumPy), nettoyage, EDA, statistiques, machine learning supervisé/non supervisé, évaluation, restitution ; panorama de l'écosystème.
Objectif : Analyser et modéliser la donnée (ML).
Évaluation : Formatives par jour + projet data + QCM. Réussite ≥ 60 %.
FOR-DEV-M6-A Data Engineer 35h
Modélisation, SQL avancé, entrepôts, ETL/ELT et orchestration (Airflow), big data (Spark), streaming (Kafka), architectures modernes, gouvernance.
Objectif : Concevoir et exploiter les pipelines de données.
Évaluation : Formatives par jour + pipeline data + QCM. Réussite ≥ 60 %.
FOR-DEV-M7-A Créer une IA 35h
Deep learning (réseaux, CNN, Transformers), LLM (fine-tuning, RAG, API), frameworks (TensorFlow/PyTorch, Hugging Face), évaluation, déploiement (MLOps), biais et éthique.
Objectif : Créer, entraîner et déployer un modèle d'IA.
Évaluation : Formatives par jour + modèle déployé + QCM. Réussite ≥ 60 %.
Modalités et moyens pédagogiques
En présentiel dans nos locaux ou dans vos locaux. Parcours composé de modules intensifs, séquençables selon le calendrier de l'établissement.
- Les stagiaires doivent disposer d'un PC avec le Wifi et 16 Go de RAM recommandés (accès GPU/cloud pour certains ateliers Data/IA).
- Effectif adapté au format école / centre de formation.
- Parcours dédié aux écoles et centres de formation, établi sur devis.
Modalités d’évaluation
Évaluation des acquis en cours et en fin de formation, attestation de fin de formation remise à chaque stagiaire.
Accessibilité aux personnes en situation de handicap
Formation accessible aux personnes en situation de handicap. Contactez-nous avant l’inscription pour étudier les aménagements nécessaires.
Financement
Devis ou convention de formation sur demande. La certification Qualiopi est en cours de préparation : l’éligibilité aux financements OPCO sera ouverte après son obtention.
Audit de certification prévu au T1 2027. Aucune éligibilité OPCO avant l’obtention.