Formations -> Compétences -> Certifications -> Métiers -> Emplois

Concevoir, mettre en œuvre et optimiser un modèle d'Intelligence Artificielle/Machine Learning

Item

Libelle

Concevoir, mettre en œuvre et optimiser un modèle d'Intelligence Artificielle/Machine Learning

Code

RNCP37624BC04

Liste des compétences

Analyser expérimentalement les différents modèles d'Intelligence Artificielle/Machine Learning à travers des tests et des analyses statistiques afin de répondre aux besoins du client Affiner le modèle d'Intelligence Artificielle/Machine Learning en cherchant les paramètres optimaux et en évaluant l'adéquation des modèles d'apprentissage avec le besoin exprimé afin de garantir ses capacités de prédiction Déployer ou Industrialiser le modèle d'Intelligence Artificielle/Machine Learning à travers la mise en place des pipelines de données et dans le respect du cadre réglementaire pour garantir la qualité, la fiabilité, la rapidité et la scalabilité de la solution Évaluer la performance du modèle d'Intelligence Artificielle/Machine Learning déployé ou industrialisé en se basant sur les métriques de référence afin d'optimiser ce modèle Communiquer ses résultats au client (interne/externe) de façon accessible (datavisualisation) pour démontrer la performance du modèle d'Intelligence Artificielle/Machine Learning

Modalités d'évaluation

Modalité d'évaluation des compétences 1 à 5 : Mise en situation portant sur la conception et la mise en œuvre d'un modèle d'IA/ML. Le candidat (seul), doit à partir d'une problématique, de données de test, et d'une série d'exigences, fournies par une entreprise fictive ou réelle : 1 - Choisir le modèle d'IA/ML le plus adapté à la problématique en se basant sur des tests et des analyses statistiques et justifier son choix, 2 - Paramétrer le modèle pour qu'il traite le plus efficacement possible la problématique, 3 - Mettre en place la solution la plus pertinente et respectueuse du cadre réglementaire dans une perspective d'industrialisation, 4 - Mesurer la performance du modèle retenu et optimiser le modèle en fonction des résultats obtenus et des métriques de référence fournies par le client (performance du modèle, métriques métiers), 5 - Communiquer sur la solution de façon accessible à l'aide d'une datavisualisation et justifier ses choix à travers une présentation, Le candidat présente sa solution de ML : à un jury de deux personnes représentant le client (data visualisation et présentation) et justifie ses choix techniques par rapport aux besoins du client