Descriptif
PECB Certified Artificial Intelligence Professional (CAIP) est une formation de 5 jours (35 heures), de niveau intermédiaire, rattachée au domaine « Intelligence artificielle pour l'IT ». Maîtriser la conception, le déploiement et l'exploitation de solutions d'intelligence artificielle en environnement professionnel. 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 :
- Concepts fondamentaux et écosystème de l'IA
- Données, préparation et qualité
- Conception et entraînement des modèles
- Déploiement, supervision et maintien en condition opérationnelle
- Examen de certification PECB
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Ouverture : tour de table, test de positionnement et mise en route des laboratoires cloud individuels | 0,5 h |
| 2 | Écosystème de l'IA : apprentissage supervisé et non supervisé, apprentissage profond, IA générative, modèles ouverts et acteurs du marché | 2 h |
| 3 | Cadre de confiance : éthique, biais, règlement européen sur l'IA et articulation avec l'ISO/IEC 42001 | 1,5 h |
| 4 | Travaux pratiques : prendre en main Python et scikit-learn sur un jeu de données fictif et poser une ligne de base | 3 h |
| Jour 2 | ||
| 5 | Données et qualité : collecte, étiquetage, biais d'échantillonnage, données personnelles et anonymisation | 1,5 h |
| 6 | Travaux pratiques : explorer, nettoyer et documenter un jeu de données fictif, traiter valeurs manquantes et aberrantes | 2,5 h |
| 7 | Travaux pratiques : ingénierie des variables, encodage, normalisation et constitution des jeux d'entraînement et de test | 2 h |
| 8 | Atelier : rédiger la fiche descriptive du jeu de données et ses limites d'usage | 1 h |
| Jour 3 | ||
| 9 | Conception et entraînement : choix de l'algorithme, validation croisée, réglage des hyperparamètres, surapprentissage | 1,5 h |
| 10 | Travaux pratiques : entraîner et comparer plusieurs modèles scikit-learn puis analyser les erreurs | 2,5 h |
| 11 | Travaux pratiques : construire un réseau de neurones avec TensorFlow puis PyTorch sur la même tâche et comparer les approches | 2 h |
| 12 | Travaux pratiques : mesurer puis corriger un écart de performance entre sous-populations | 1 h |
| Jour 4 | ||
| 13 | Travaux pratiques : suivre les expérimentations et versionner les modèles avec MLflow | 2 h |
| 14 | Travaux pratiques : empaqueter et déployer un modèle en service d'inférence dans le laboratoire cloud | 2,5 h |
| 15 | Supervision et maintien en condition opérationnelle : dérive, réentraînement, incidents, documentation technique | 1,5 h |
| 16 | Cas pratique : bâtir le plan de surveillance et la procédure de retrait d'un modèle | 1 h |
| Jour 5 | ||
| 17 | Cas pratique : étude de cas de bout en bout — cadrer, concevoir, déployer et gouverner une solution d'IA | 2 h |
| 18 | Révision active : questions d'entraînement commentées sur les domaines du référentiel CAIP | 1,5 h |
| 19 | Examen de certification PECB Certified Artificial Intelligence Professional | 3 h |
| 20 | Débriefing de l'examen et plan d'action individuel | 0,5 h |
Méthodes pédagogiques
- Pédagogie active : 61 % 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
Python, scikit-learn, TensorFlow, PyTorch, MLflow, laboratoires cloud individuels
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
- préparation et passage de la certification Certified Artificial Intelligence Professional – CAIP (PECB)
- l'examen de certification PECB, sa correction et la délivrance du certificat sont inclus dans le prix de la 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
