Concepteur développeur en intelligence artificielle et analyse big data - option data science - blocs 2, 3, 4 et 5

Partager par mail
Imprimer

Mise à jour : 28/10/2025

Formation : 25239653F

Source : LE WAGON Lille

Session de formation

Code CARIF

Dates

Niveau de sortie

Financeur

Lieu

Organisme formateur

Type

Réunion

447896S

Du 20/04/2026
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 : 320h
Durée en centre : 320h
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 : N.C.
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

Cette formation modulaire permet d’acquérir et de valider les compétences des blocs suivants du titre professionnel RNCP 38616 – “Concepteur développeur en intelligence artificielle et analyse big data - option Data Analyse” :
– Bloc 2 : Analyser et synthétiser les données préalablement à l’utilisation d’algorithmes d’IA
– Bloc 3 : Appliquer des techniques d’analyse IA via des algorithmes d'apprentissage automatiques (Machine Learning)
– Bloc 4 : Mener des projets IA et Big Data en équipe en intégrant les contraintes légales et des considérations éthiques
– Bloc 5 : Option Data Science - Développer et mettre en production des algorithmes d’IA par apprentissage profond (Deep Learning)

Les modalités d’évaluation sont conformes aux référentiels RNCP (cas pratique, livrables, mise en situation professionnelle, jury), et la validation donne lieu à l’attestation officielle de réussite des blocs.

Contenu pédagogique

Concepteur développeur en intelligence artificielle et analyse big data - RNCP38616BC02, RNCP38616BC03, RNCP38616BC04, RNCP38616BC05
Module 1 - Decision Science (48h)
Objectif : À l’issue de ce module, les stagiaires seront capables d’analyser un problème business réel, de formuler des hypothèses, d’appliquer des méthodes statistiques (inférence, régression linéaire et logistique), et de présenter des recommandations claires et visuelles via un dashboard, en adoptant une posture de consultant Data.
Module 2 - Math (8h)
Objectif : À l’issue de ce module, les stagiaires seront capables de mobiliser les notions fondamentales d’algèbre linéaire et de calcul différentiel (fonctions, équations, vecteurs, matrices, dérivées, intégrales) nécessaires à la compréhension et à la mise en oeuvre des algorithmes de data science.
Module 3 - Machine Learning (80h)
Objectif : À l’issue de ce module, les stagiaires seront capables de mettre en oeuvre un projet complet de machine learning supervisé ou non supervisé à l’aide de Scikit-Learn, en maîtrisant les étapes clés du workflow (préparation des données, modélisation, évaluation, optimisation, industrialisation), tout en comprenant les fondements mathématiques des algorithmes et leurs applications à des données tabulaires, textuelles ou temporelles.
Module 4 - Deep Learning (64h)
Objectif : À l’issue de ce module, les stagiaires seront capables de concevoir, entraîner et évaluer différents types de réseaux neuronaux (dense, convolutifs, récursifs, transformers) pour traiter des données complexes (images, texte, séquences), tout en comprenant les principes de l’apprentissage profond, de l’optimisation, du NLP, des modèles génératifs (GAN, RAG) et de l’apprentissage par renforcement.
Module 5 - ML Ops (32h)
Objectif : À l’issue de ce module, les stagiaires seront capables de mettre en production un modèle de machine learning à l’échelle en automatisant son entraînement, en le déployant dans le cloud via une API, et en créant une interface web fonctionnelle permettant l’exploitation du modèle en conditions réelles.
Module 6 - Projet - (80h)
Objectif : À l’issue de ce module, les stagiaires seront capables de concevoir, développer, déployer et présenter en équipe un projet data/IA original en production, tout en intégrant les bonnes pratiques de CI/CD, en mobilisant les outils d’IA générative pour gagner en efficacité, et en prenant en compte les enjeux d’explicabilité et d’éthique liés à l’intelligence artificielle.