Descriptif
Data engineering pour l'IA : bases vectorielles et gestion des données est une formation de 2 jours (14 heures), de niveau intermédiaire, rattachée au domaine « Intelligence artificielle pour l'IT ». Préparer, gouverner et servir les données pour les applications d'IA. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Données pour l'IA
- Bases vectorielles
- Pipelines d'ingestion
- Qualité et gouvernance
- Sécurité des données
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Ouverture : tour de table, cartographie des sources de données des participants et accès au bac à sable | 0,5 h |
| 2 | Les données pour l'IA : formats, métadonnées, documents non structurés, données personnelles et minimisation | 1,5 h |
| 3 | Travaux pratiques : construire un pipeline d'ingestion Airflow sur un entrepôt fictif — extraction, nettoyage, découpage | 3 h |
| 4 | Travaux pratiques : modéliser et documenter les transformations avec dbt, tests de schéma et de fraîcheur inclus | 2 h |
| Jour 2 | ||
| 5 | Bases vectorielles : pgvector dans PostgreSQL ou moteur dédié Qdrant — critères de choix, exploitation, sauvegarde | 1,5 h |
| 6 | Travaux pratiques : indexer les données transformées et gérer mises à jour incrémentales et suppressions (droit à l'effacement) | 2,5 h |
| 7 | Travaux pratiques : contrôles de qualité, détection de doublons et suivi de la dérive du corpus | 2 h |
| 8 | Atelier : plan de gouvernance — catalogue, traçabilité, droits d'accès, génération de jeux de test fictifs, puis évaluation des acquis | 1 h |
Méthodes pédagogiques
- Pédagogie active : 75 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
Airflow, dbt, pgvector, Qdrant
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois