Master - AI Engineer (Expert en Ingénierie et Science des Données) - RNCP niveau 7

08/2025-08/2026

Établissement

OpenClassrooms

Diplôme

Expert en Ingénierie et Science des Données, certification professionnelle enregistrée au RNCP au niveau 7.

Code RNCP : RNCP39775

Présentation

Cette formation professionnalisante de niveau Master prépare à la conception, au développement et au déploiement de solutions d'intelligence artificielle en production. Organisée autour de projets concrets inspirés de problématiques d'entreprise, elle couvre l'ensemble du cycle de vie d'un projet IA : collecte et préparation des données, développement de modèles de Machine Learning et Deep Learning, MLOps, déploiement cloud, monitoring, IA générative, RAG et agents intelligents.

Le parcours est réalisé intégralement à distance, avec un accompagnement individuel par un mentor expert et la réalisation de quinze projets professionnalisants.

Compétences acquises

• Concevoir et piloter des projets d'intelligence artificielle.
• Concevoir des pipelines de données robustes et automatisés.
• Développer des modèles de Machine Learning et Deep Learning.
• Concevoir des systèmes de Computer Vision et de traitement multimodal.
• Développer des solutions basées sur les LLM, le RAG et les agents IA.
• Déployer des modèles en production selon les principes du MLOps.
• Mettre en place des pipelines CI/CD et assurer le monitoring des modèles.
• Optimiser, fine-tuner et évaluer des modèles d'intelligence artificielle.
• Concevoir des API et applications de démonstration autour des modèles IA.
• Industrialiser des workflows Data et IA dans des environnements Cloud.

Enseignements principaux

• Python avancé
• SQL et PostgreSQL
• Machine Learning
• Deep Learning
• Computer Vision
• Traitement multimodal
• IA générative (LLM)
• Retrieval-Augmented Generation (RAG)
• Fine-tuning de modèles de langage (SFT, DPO)
• Reinforcement Learning
• Data Engineering
• MLOps
• Déploiement Cloud
• Monitoring et observabilité
• Gestion de projet IA

Technologies abordées

• Python
• SQL
• PostgreSQL
• Pandas
• scikit-learn
• PyTorch
• MLflow
• FastAPI
• BentoML
• Streamlit
• LangChain
• Airbyte
• PySpark
• Kestra
• Great Expectations
• Git
• GitHub
• Docker
• CI/CD
• Pydantic
• Pytest
• Cloud Computing

Projets réalisés

• Développement de services utilisant des modèles d'intelligence artificielle via API.
• Création d'un modèle de prévision de consommation énergétique.
• Classification automatique de données à l'aide de modèles supervisés.
• Déploiement et monitoring d'un modèle de Machine Learning en production.
• Conception d'un système RAG utilisant des bases vectorielles et des LLM.
• Mise en œuvre d'une approche semi-supervisée en vision par ordinateur.
• Développement d'un agent de Reinforcement Learning.
• Extraction de données multimodales depuis des sites web.
• Développement d'agents IA capables d'utiliser des outils externes.
• Fine-tuning d'un modèle de langage (LLM) avec LoRA, QLoRA, SFT et DPO.
• Réalisation d'un projet complet de cadrage d'une solution IA.
• Création d'un portfolio professionnel présentant l'ensemble des projets réalisés.

Réalisations clés

• Validation de 15 projets professionnalisants couvrant l'ensemble du cycle de vie d'un projet d'intelligence artificielle.
• Mise en production de plusieurs modèles IA avec des pratiques MLOps (tests, CI/CD, monitoring et observabilité).
• Développement de solutions basées sur les LLM, le RAG, les agents IA et le fine-tuning de modèles open source.
• Acquisition d'une expertise couvrant le Data Engineering, le Machine Learning, le Deep Learning et l'IA générative.
• Réalisation de projets utilisant des environnements Cloud, des API REST et des architectures modernes de déploiement.