Concepteur développeur en intelligence artificielle et analyse big data - option data science

Partager par mail
Imprimer

Mise à jour : 28/10/2025

Formation : 25239652F

Source : LE WAGON Lille

Session de formation

Code CARIF

Dates

Niveau de sortie

Financeur

Lieu

Organisme formateur

Type

Réunion

447893S

Du 13/04/2026
Au 12/06/2026

Niveau 6. (Licence, Licence pro, BUT, maîtrise ...)

Autre financeur

Lille (59)

LE WAGON Lille
Tél : 07 57 90 10 75
Email : contact@lewagon.org

Non

Durée

Durée totale de la formation : 360h
Durée en centre : 360h
Durée en entreprise : h

Modalités de formation

Rythme :
Temps plein, En continu, Cours de jour
Type de parcours : Parcours collectif

Dispositif	Financeur
Autres financements à déterminer selon la situation du bénéficiaire	Autre financeur

Tarif : 6400
Modalités d'enseignement : Formation entièrement présentielle

Lieu de formation

2 Avenue des Saules
Bureau 3
59160 Lille

Accueil sur le lieu de formation

Accès handicap : Pas d'accès handicap
Hébergement : Pas d'hébergement
Restauration : Pas de restauration
Transport : Pas de transport

Admission

Niveau d'entrée requis : Niveau 5. (BTS, DUT, DEUST, ...)
Prérequis :
Le candidat doit être titulaire d’un diplôme de niveau 4 avec au moins 1 an d’expérience professionnelle ou être titulaire d’un niveau 5 ou plus dans un domaine scientifique et / ou de gestion.
Public :
En recherche d'emploi, Tout public

Réunions d'informations

Aucune information

Complément d'information

Aucune information

Objectifs de la formation

9 semaines pour maîtriser toutes les compétences nécessaires aux métiers de data scientist, data analyst, développeur en IA...
Vous apprendrez à explorer, nettoyer, transformer des données pour les rendre actionnables (Python, base de données relationnelles SQL), à implémenter des modèles de Machine Learning en production, et développer toutes les compétences pour rejoindre une équipe data.
Suite à la formation vous aurez les compétences pour effectuer:
- de l'analyse exploratoire et descriptive de la donnée
- de l'apprentissage automatique (Machine Learning) supervisé et non supervisé
- de la reconnaissance de formes par réseaux de neurones artificiels
- du Développement et Gestion de projet en IA

Contenu pédagogique

Les cours sont dispensés en français et parfois en anglais. Les supports et contenus de formation sont majoritairement en anglais.
Module 1 – Setup – 8h
Objectif : Acquérir les bases nécessaires à la programmation en Python : scripts simples, structures de contrôle, types de données fondamentaux, concepts clés pour préparer l’analyse de données.
Module 2 – Python – 8h
Objectif : Renforcer la capacité à écrire des scripts Python simples en utilisant les éléments essentiels du langage, afin de consolider les fondations pour les futures analyses de données.
Module 3 – Data Toolkit – 40h
Objectif : Collecter, manipuler, explorer et analyser des données issues de sources variées grâce à Jupyter Notebook, Python, SQL et des APIs. Développer un raisonnement analytique structuré en s’appuyant sur les notions initiales de statistiques et de probabilités.
Module 4 – Decision Science – 32h
Objectif : Analyser un problème business réel, émettre des hypothèses, appliquer des méthodes statistiques (inférence, régression linéaire et logistique) et construire un dashboard pour présenter des recommandations claires. Adopter une posture de consultant Data.
Module 5 – Math – 8h
Objectif : Mobiliser les bases d’algèbre linéaire et de calcul différentiel (fonctions, équations, vecteurs, matrices, dérivées, intégrales) nécessaires à la compréhension et à l’implémentation des algorithmes en data science.
Module 6 – Machine Learning – 80h
Objectif : Réaliser un projet complet de machine learning supervisé et non supervisé avec Scikit-Learn. Maîtriser toutes les étapes clés : préparation des données, modélisation, évaluation, optimisation et industrialisation. Comprendre les fondements mathématiques et les applications sur données tabulaires, textuelles ou temporelles.
Module 7 – Deep Learning – 64h
Objectif : Concevoir, entraîner et évaluer des réseaux neuronaux variés (denses, CNN, RNN, transformers) pour traiter images, texte et séquences. Comprendre les principes de l’apprentissage profond, l’optimisation, le NLP, les modèles génératifs (GAN, RAG) et le renforcement.
Module 8 – ML Ops – 40h
Objectif : Mettre en production un modèle de machine learning à grande échelle : automatisation, déploiement dans le cloud via API, création d’une interface web utilisable en conditions réelles.
Module 9 – Projet – 80h
Objectif : Concevoir, développer, déployer et présenter en équipe un projet data/IA original et opérationnel. Appliquer les bonnes pratiques de CI/CD, utiliser des outils d’IA générative pour optimiser le travail, et intégrer les enjeux d’éthique et d’explicabilité.