Apprentissage automatique appliqué
Mettre un modèle au service d'un besoin réel, et savoir quand ne pas en mettre.
- Code du bloc
- DATA-IA
Le format
Trois mois, deux heures par jour.
- Qualifiante · 128 h
- Deux heures par jour
- 250 000 F — le même tarif pour les soixante
- Toutes au même format et au même tarif.
Le titre
Un CQP sous agrément MINEFOP.
- Débouche sur le CQP — Certificat de Qualification Professionnelle, que le ministère appelait autrefois l'AQP.
- Délivré sous agrément MINEFOP.
- Le parcours complet du même métier reste ouvert à qui vise le titre entier.
Les sessions
Une session s'ouvre chaque trimestre.
Prochaine rentrée : le lundi 5 octobre, inscriptions jusqu'au 2 octobre. La suivante le 4 janvier 2027.
- Rentrée du premier trimestre — inscriptions closes le 2 octobre5 oct.
- Rentrée du deuxième trimestre — 20274 janv.
Objectifs
Ce que vous saurez faire.
Cadrer un problème d'apprentissage et choisir la métrique qui compte pour le métier
Reconnaître un problème qu'il faut refuser plutôt que modéliser
Construire une chaîne d'entraînement reproductible
Détecter le surapprentissage et régulariser
Expliquer une prédiction à un non-spécialiste
Monter une recherche augmentée sur des documents d'entreprise et l'évaluer
Servir un modèle, suivre sa dérive et savoir quand le débrancher
Programme
Quatre modules.
Module 0132 h Module 0232 h Entraîner, évaluer, comparer
Module 0332 h Traitement du langage et modèles pré-entraînés
Module 0432 h Mettre un modèle en production et le surveiller
Pour qui
À qui elle s'adresse.
- Stagiaires maîtrisant Python et l'analyse de données — en pratique les titulaires de Data engineer — pipelines et qualité des données ou Analyste de données augmenté par l'IA. Des bases de statistique sont nécessaires.
Après
Ce qu'elle ouvre.
- Data scientist junior, ingénieur en apprentissage automatique, concepteur de solutions documentaires augmentées. Recoupe la filière ISA sur la partie recherche augmentée.
Méthode
Comment elle se déroule.
Alternance systématique entre apports théoriques courts et travaux pratiques, la majorité du temps étant passée en pratique
Progression du plus simple au plus complexe : chaque module s'appuie sur les acquis du précédent
Mises en situation réalistes tirées de cas d'entreprise camerounais
Recours raisonné à l'IA générative comme outil de travail, conformément au tronc commun
Évaluations formatives régulières et travail final intégrateur mobilisant les quatre modules
Évaluation
Comment vous êtes évalué.
Évaluation formative en fin de chaque module (mise en situation et exercices pratiques notés)
Travaux pratiques évalués sur la base de fiches de compétences
Travail final intégrateur, présenté et soutenu devant le formateur
Un devoir noté par module dans l'espace de cours en ligne
Outils
Ce sur quoi vous travaillez.
Python, scikit-learn et un carnet interactif
Une bibliothèque d'explicabilité (SHAP ou équivalent)
Un modèle d'embarquement de texte et une base vectorielle
Un cadriciel de service de modèle et un suivi d'expériences
Jeux de données métier et corpus documentaires d'entreprise
Rejoindre la prochaine session
Prêt à vous lancer ?
Les sessions ouvrent par trimestre. Postulez dès maintenant ou demandez la brochure détaillée — nos conseillers vous répondent.