Description

1. Introduction : méthodologie générale, cycle de vie d'un projet IA
2. Écosystème logiciel de l'IA
3. Visualisation et interaction avec les données
4. Enjeux sociétaux et règlementaires de la collecte de données
5. Enjeux métiers de l'IA
6. Améliorer les performances d'un modèle IA
7. Mise en production d'un modèle IA
8. IA-on-the-edge : déploiement mobile de l'IA
9. IA-on-the-edge : déploiement web de l'IA
10. Conteneurisation de l'IA
11. Déploiement de l'IA dans le cloud
12. Intégration de l'IA avec un système d'information existant
13. Détecter les pannes et maintenance d'un modèle IA
14. Projet dirigé (1/2)
15. Projet dirigé (2/2)

Finalité

• Maîtriser le cycle de vie d'un modèle d'apprentissage statistique au sein de l'entreprise
• Maîtriser les contraintes liées au déploiement d'IA en production (consommation énergétique, temps de calcul, déploiement embarqué, applications critiques)
• Savoir mener un projet d'IA de sa conception à son industrialisation
• Savoir intégrer un projet d'IA à une infrastructure informatique existante
• Connaître les enjeux sociétaux et réglementaires de l'IA

Public

Suivre le master d'informatique du Cnam, un certificat de spécialisation (IA ou IA et calcul ou scientifique) ou formation équivalente en intelligence artificielle. UE de niveau master (bac+5).