BlocsDeCompetences .org

-- Construire un parcours de formation --

Développeur intelligence artificielle (RNCP35254)

Formation et/ou diplôme proposée au RNCP par le certificateur : AIVANCITY

Branches de formations NSF

NSF 3xx Domaines technico-professionnels des services > NSF 32x Communication et information > NSF 326 Informatique, traitement de l'information, réseaux de transmission >
>

NSF 1xx Domaines disciplinaires > NSF 11x Mathématiques et sciences > NSF 114 Mathématiques >
> NSF 114b Modèles mathématiques ; Informatique mathématique >

NSF 3xx Domaines technico-professionnels des services > NSF 32x Communication et information > NSF 326 Informatique, traitement de l'information, réseaux de transmission >
> NSF 326t Programmation, mise en place de logiciels >

Activités visées

Étude du fonctionnement de l'entreprise dans son environnement Étude du système digital de l'entreprise Identification des nouvelles pratiques, méthodes et usages dans le domaine de l'IA en lien avec les domaines de l'entreprise Développement et exploitation d'une base de données Prétraitement et analyse des données structurées et non structurées provenant de multiples sources Analyse et modélisation mathématique Implémentation et entraînement des modèles d'apprentissage automatique Optimisation et évaluation des modèles d'apprentissage automatique Implémentation et entraînement des modèles d'apprentissage profond Optimisation et évaluation des modèles d'apprentissage profond Déploiement d'un projet de développement IA Intégration des contraintes légales et des valeurs d'éthique Intégration dans une démarche projet globale impliquant différentes parties-prenantes
[Se référer à la fiche source pour plus de détails]

Appellations professionnelles possibles

  • Développeur intelligence artificielle
  • Développeur machine learning
  • Chargé de projet de développement IA
  • Programmeur IA
  • Lead developper IA
  • Analyste-programmeur IA

Environnements de travail

  • En France, différents rapports et études ont identifié certains secteurs les plus porteurs pour l'IA et vecteurs de projets d'Intelligence Artificielle. Ces secteurs d'activités se caractérisent par une forte exposition des effectifs aux impacts de l'IA et un niveau élevé d'exposition à la digitalisation. Parmi ces principaux secteurs, nous trouverons : Santé : Les domaines où l'IA intervient sont vastes : médecine de prévention, aide au diagnostic et au choix des traitements, coaching patient, épidémiologie, chirurgie autonome, médecine augmentée, etc. Services financiers : Parmi les domaines les plus impactés par l'IA, on peut citer : les activités de marché (analyse prédictive du marché, performance des fonds d'investissement, aide pour fixer le meilleur prix des actions etc.), les opérations courantes (vente de produits financiers : accord ou non d'une demande de prêt, octroi de crédit, analyse documentaire, détection de fraudes etc.), service financier à la personne (aide des clients via des chatbots, assistants IA). Service juridique : Parmi les domaines les plus impactés par l'IA, citons : la recherche et analyse de documents (jurisprudence, informations légales de l'entreprise et une analyse pour trier et grouper les documents les plus pertinents pour le cas juridique à traiter), la gestion des contrats (l'analyse automatique des documents constitutifs, la préparation des documents contractuels et le suivi du respect des clauses après signature), le suivi des opérations juridiques quotidiennes. Commerce de détail : Les principaux domaines impactés par l'IA sont les suivants : personnalisation de l'expérience client (analyse plus fine du comportement des consommateurs en temps réel et meilleure anticipation de leurs besoins), optimisation du fonctionnement du point de vente, optimisation du backoffice et de la. Industrie : Les principaux applications de l'IA sont les suivants : robotique, automatisme, maintenance prédictive, contrôle qualité, interfaces homme-machine, etc.
  • Ceci sans compter les SSII et les ESN qui recrutent des développeurs IA pour travailler pour le compte de leurs clients de différents secteurs d'activité.

Orientations de carrière & Mobilité professionnelle

METIERS SELON LE CERTIFICATEUR

BLOCS DE COMPETENCES

FRANCE-COMPETENCES
RNCP35254BC04

BLOC :
Implémenter des algorithmes d'apprentissage profond

Implémenter et entraîner (train) des modèles d'apprentissage profond en répondant à une problématique identifiée en développant une architecture optimisée adaptée aux besoins en intelligence artificielle afin de maximiser la puissance prédictive.
Évaluer les performances des modèles d'apprentissage profond par la mise en oeuvre de métriques adaptées aux problématiques d'intelligence artificielle afin d'améliorer l'efficacité des modèles.
Améliorer le modèle d'apprentissage profond en adaptant/optimisant l'architecture et les paramètres du modèle afin de minimiser l'erreur d'apprentissage.

MODALITES D'EVALUATION:

Mise en situation professionnelle

FRANCE-COMPETENCES
RNCP35254BC05

BLOC :
Déployer un projet de développement IA

Présenter un modèle d'IA auprès de ses utilisateurs finaux en s'appuyant sur une interface de programmation applicative (API) dans le web afin de répondre à une problématique métier identifiée et de diffuser l'utilisation des solutions intégrées parmi les utilisateurs métier.
Déployer un projet de développement IA à l'échelle en utilisant les technologies des données massives et les outils du Cloud appropriés afin de permettre le passage d'un projet d'IA à l'échelle des données massives.
Définir une politique de protection de données individuelles telle que définis par les règles européennes (RGPD) en identifiant les principaux risques internes et externes liés à leur sécurité afin de mieux les gérer.
Intégrer les contraintes légales et les valeurs de responsabilité et d'éthique dans un projet d'IA en identifiant les principaux usages dans différents domaines et en analysant leurs implications humaines et sociétales afin de les valoriser, les rendre plus opérationnelles et plus responsables.
Acquérir une vision globale du travail en mode projet en identifiant les différentes méthodes et les différents liens avec les acteurs afin de permettre le bon déroulement du projet et sa cohérence avec la politique globale de l'entreprise.
Gérer les délais et les ressources affectées au projet en utilisant les outils de gestion de projet appropriés afin d'anticiper les risques et trouver les solutions adéquates aux aléas, problèmes et imprévus rencontrés.

MODALITES D'EVALUATION:

Mise en situation professionnelle Étude de cas pratique

FRANCE-COMPETENCES
RNCP35254BC01

BLOC :
Maîtriser l'univers métiers et identifier la problématique projet

Etudier le fonctionnement de l'entreprise et de son environnement en analysant ses différents enjeux métiers et ses implications business et sociétales afin de positionner le projet IA dans son environnement global et d'assurer son intégration en cohérence des objectifs de l'entreprise
Définir les ressources techniques et informatiques nécessaires pour le déploiement du projet en comparant les ressources digitales de l'entreprise avec les besoins du projet afin d'assurer une bonne définition des objectifs et calendrier de réalisation du projet
Analyser les composantes et enjeux intrinsèques aux projets IA en s'appuyant sur un système de veille technologique et économique afin de détecter les opportunités de projets d'intelligence artificielle au sein de l'entreprise.
Identifier l'impact de l'intelligence artificielle sur l'environnement, la société et l'individu et définir des solutions de remédiation et/ou de collaboration afin d'adopter une démarche soucieuse des questions éthiques.

MODALITES D'EVALUATION:

Études de cas

FRANCE-COMPETENCES
RNCP35254BC02

BLOC :
Acquérir, stocker et analyser des données

Développer et déployer des infrastructures informatiques de stockage de données en s'appuyant sur les logiciels appropriés pour structurer une base de données relationnelle ou non relationnelle.
Acquérir, intégrer et traiter un ensemble de données à partir de sources hétérogènes, internes et externes à l'entreprise et ceci de façon sécurisée afin de les exploiter et de les stocker en sécurité.
Analyser et pré-traiter des données structurées et non structurées en s'appuyant sur le nettoyage des données réalisé, en identifiant les anomalies et les manques, pour répondre à un problème métier.
Réaliser une réduction de la dimensionnalité des données de grandes dimensions en utilisant les méthodes adaptées afin d'optimiser les temps de calcul.
Réaliser une analyse exploratoire en s'appuyant sur des solutions de visualisation de données afin de représenter graphiquement les données d'une manière claire et pertinente.
Réaliser une analyse statistique univariée et multivariée en s'appuyant sur des méthodes statistiques appropriés afin de préciser la relation entre les variables et de prendre en compte les facteurs de confusion.
Utiliser et appliquer des modélisations mathématiques sur les données structurées et nettoyées pour enrichir les systèmes d'aide aÌ€ la décision.
Modéliser les données structurées et nettoyées en s'appuyant sur des outils mathématiques appropriés afin d'enrichir des systèmes d'aide à la décision.

MODALITES D'EVALUATION:

Mise en situation professionnelle reconstituée

FRANCE-COMPETENCES
RNCP35254BC03

BLOC :
Implémenter des algorithmes d'apprentissage automatique

Implémenter et entraîner (train) des modèles d'apprentissage automatique adaptés à une problématique métier en s'appuyant sur les grandes familles d'algorithmes et les librairies d'apprentissage supervisées ou non supervisées pour réaliser une analyse prédictive.
Sélectionner les algorithmes d'apprentissage adaptés au problème à résoudre en réalisant des études comparatives de leurs performances afin d'assurer l'efficacité de la solution.
Évaluer les performances des modèles d'apprentissage automatique par la mise en oeuvre de métriques adaptées aux problématiques d'intelligence artificielle afin d'améliorer l'efficacité des modèles.
Extraire les variables pertinentes pour la modélisation en s'appuyant sur des méthodes adaptées afin d'améliorer leur exploitation.
Corriger les problèmes de type sur-apprentissage des modèles élaborés, en mettant en place des indicateurs permettant d'en mesurer les performances afin d'assurer l'opérationnalité de la solution d'intelligence artificielle.
Évaluer la fiabilité des modèles prédictifs en appliquant une stratégie de validation croisée des données afin de minimiser l'influence des valeurs extrêmes.
Améliorer le modèle d'apprentissage automatique en adaptant et en optimisant les paramètres du modèle afin de minimiser l'erreur d'apprentissage.

MODALITES D'EVALUATION:

Mise en situation professionnelle