Certification Développeur en intelligence artificielle

Partager par mail
Imprimer

Mise à jour : 10/07/2026

Formation : 26267143F

Source : LAHO Formation

Session de formation

Code CARIF

Dates

Niveau de sortie

Financeur(s)

Lieu

Organisme formateur

Type

Réunion

SFER-S5197-1

Se rapprocher de l'organisme pour connaitre la prochaine session

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

Conseil Régional Hauts-de-France

Villeneuve-d'Ascq (59)

LAHO Métropole Lilloise - Roubaix
Tél : 03 20 24 23 23
Email : roubaix@laho-formation.fr

Non

Durée

Durée totale de la formation : 1020h
Durée en centre : 810h
Durée en entreprise : 210h

Modalités de formation

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

Dispositif	Financeur
Se former pour un emploi en région - Qualifiant 2025	Conseil Régional Hauts-de-France

Tarif : N.C.
Modalités d'enseignement : Formation entièrement présentielle

Lieu de formation

4 Avenue de l’Horizon
59493 Villeneuve-d'Ascq

Accueil sur le lieu de formation

Accès handicap : Formation accessible aux personnes en situation de handicap Mobilisation du référent Handicap pour identifier les adaptations et aménagements si nécessaire
Hébergement : Non
Restauration : Salle de pause équipée (Tables, Chaises, Frigo, Micro-Ondes)
Transport : Accessible à côté de la Gare Lille Flandres métro, tram, train

Admission

Niveau d'entrée requis : Niveau 5. (BTS, DUT, DEUST, ...)
Prérequis :
PRÉ-REQUIS Niveau 4 obtenu (BAC ou équivalents) Niveau 5 obtenu (BAC+2 ou équivalents) CONDITIONS SUPPLÉMENTAIRES Maîtrise du français Maîtriser les bases de la programmation (idéalement Python) Posséder des connaissances de base en algorithmique et en logique informatique
Public :
En recherche d'emploi, Tout public

Réunions d'informations

Aucune information

Complément d'information

MOYENS ET OUTILS PÉDAGOGIQUES Face-à-face pédagogique Approches pédagogiques diversifiées Alternance d'apports théoriques et de pratiques professionnelles Plateforme e-learning

Objectifs de la formation

Analyser les besoins métier afin d’identifier les opportunités d’application de l'IA
Collecter, préparer, stocker et exploiter les données nécessaires à la réalisation de projets d'IA
Concevoir et développer des solutions d’apprentissage automatique et d’apprentissage profond adaptées aux problématiques de l’entreprise
Déployer, maintenir et optimiser les solutions d’IA dans un environnement de production
Accompagner les organisations dans l’adoption de l’IA en faisant le lien entre les enjeux métier et les solutions technologiques

Contenu pédagogique

Cette certification est constituée de 5 blocs de compétences. Il est possible de se préparer à tout ou partie de la certification.

Bloc 1 - Identifier l’univers métiers et la problématique projet

Etudier le fonctionnement de l’entreprise et de son environnement
Définir les ressources techniques et informatiques nécessaires pour le déploiement du projet
Analyser les composantes et enjeux intrinsèques aux projets IA
Identifier l’impact de l’IA sur l’environnement, la société et l’individu et définir des solutions de remédiation et/ou de collaboration

Bloc 2 - Acquérir, stocker et analyser des données

Développer et déployer des infrastructures informatiques de stockage de données
Acquérir, intégrer et traiter un ensemble de données
Analyser et prétraiter des données structurées et non structurées
Réaliser une réduction de la dimensionnalité des données de grandes dimensions
Réaliser une analyse exploratoire en s’appuyant sur des solutions de visualisation de données
Réaliser une analyse statistique univariée et multivariée
Utiliser et appliquer des modélisations mathématiques sur les données structurées et nettoyées
Modéliser les données structurées et nettoyées

Bloc 3 - Implémenter des algorithmes d’apprentissage automatique

Implémenter et entraîner (train) des modèles d’apprentissage automatique adaptés à une problématique métier
Sélectionner les algorithmes d’apprentissage adaptés au problème à résoudre
Évaluer les performances des modèles d’apprentissage automatique
Extraire les variables pertinentes pour la modélisation
Corriger les problèmes de type sur-apprentissage des modèles élaborés
Évaluer la fiabilité des modèles prédictifs
Améliorer le modèle d’apprentissage automatique

Bloc 4 - Implémenter des algorithmes d’apprentissage profond

Implémenter et entraîner (train) des modèles d’apprentissage profond
Évaluer les performances des modèles d’apprentissage profond
Améliorer le modèle d’apprentissage profond

Bloc 5 - Déployer un projet de développement IA

Présenter un modèle d’IA auprès de ses utilisateurs finaux
Déployer un projet de développement IA à l’échelle
Définir une politique de protection de données individuelles telle que définis par les règles européennes (RGPD) et RGAA
Intégrer les contraintes légales et les valeurs de responsabilité et d’éthique dans un projet d’IA
Acquérir une vision globale du travail en mode projet
Gérer les délais et les ressources affectées au projet