Mastère Expert en Intelligence Artificielle & Big Data
Finalité du poste
Le/la titulaire du Mastère Intelligence Artificielle & Big Data conçoit, développe et déploie des solutions exploitant des volumes massifs de données pour produire des analyses avancées, automatiser des processus, et créer des systèmes intelligents (IA). Il/elle occupe un rôle stratégique dans la transformation numérique et la valorisation des données.
Missions principales
Collecter, nettoyer et structurer des données à grande échelle (Data Engineering).
Concevoir des pipelines de traitement de données (ETL/ELT).
Développer des modèles d’IA : Machine Learning, Deep Learning, NLP, etc.
Optimiser les performances et la précision des algorithmes.
Implémenter des solutions d’analyse prédictive, de recommandation ou de détection d’anomalies.
Déployer des modèles IA dans des environnements de production (MLOps).
Manipuler des architectures distribuées et bases de données massives (NoSQL, Hadoop, Spark).
Créer des tableaux de bord et visualisations décisionnelles.
Respecter les contraintes éthiques, juridiques (RGPD) et de gouvernance des données.
Travailler en collaboration avec les équipes métiers, développeurs, data scientists et décisionnaires.
Variables spécifiques au métier
Données souvent hétérogènes, massives, sensibles.
Importance de la rigueur scientifique dans les expérimentations.
Nécessité d’une double compétence : technique (codage, cloud, infra) et analytique (maths, stats, IA).
Équilibre entre la recherche de performance et la robustesse métier.
Forte dépendance aux outils collaboratifs, plateformes cloud et GPU.
Contexte organisationnel
Intégré à une équipe Data (Data Lab, R&D, ou DSI) dans un grand groupe, une ESN, une start-up IA ou une institution publique.
Interaction fréquente avec des data analysts, ingénieurs IA, DevOps, responsables métiers et sécurité des données.
Projet en mode Agile ou recherche appliquée avec livrables mesurables (PoC, MVP, production).
Compétences
Niveau attendu
Langages data (Python, SQL, R)
Avancé
Librairies IA (Scikit-learn, TensorFlow, PyTorch)
Intermédiaire à avancé
Traitement de données (Pandas, NumPy, Spark)
Avancé
Conception d’algorithmes de Machine Learning
Avancé
Deep Learning (CNN, RNN, LLMs…)
Intermédiaire
NLP (spaCy, HuggingFace, Transformers)
Intermédiaire
Data Engineering (ETL, ingestion, structuration)
Intermédiaire
Big Data (Hadoop, Spark, Kafka, Hive…)
Intermédiaire
Architecture cloud (GCP, AWS, Azure)
Intermédiaire
Déploiement de modèles (MLOps, Docker, Kubernetes)
Intermédiaire
Visualisation (Power BI, Tableau, Dash, Plotly)
Intermédiaire
Gouvernance et sécurité des données (RGPD, anonymisation, FAIR)
Notre école vous accompagne afin de trouver une entreprise pour l’alternance. Nous plaçons la majorité de nos étudiants en entreprise d’accueil grâce à notre réseau de partenaires :
Des ateliers coaching
Des techniques de Recherche d’Entreprises
Des jobs dating
Détails de la formation
Public concerné et prérequis
Aux titulaires d’un Bac+2 (BTS SIO SLAM, BUT informatique, BUT STID, L2 mathématiques…) souhaitant s’orienter progressivement vers les métiers de la data et de l’IA sur un cycle complet de 3 ans
Aux titulaires d’un Bac+3 (licence informatique, licence mathématiques appliquées, BUT3 informatique, etc.) souhaitant se spécialiser en intelligence artificielle, machine learning et big data sur un cycle de 2 ans
Une bonne logique mathématique, de la rigueur et une appétence pour Python et l’analyse de données sont recommandées.
Durée et rythme de formation
Durée
2 ans après un bac +3
1 an après un bac +4
Rythme de la formation
De la 1ᵉ à 3ᵉ année :
3 semaines en entreprise et 1 semaine en formation
Débouchés
Data Scientist
Ingénieur Machine Learning
Data Engineer
Consultant IA
Architecte Big Data
Diplôme
Le titre Expert en systèmes d’information est une certification professionnelle de niveau 7 reconnue par le RNCP et donc par l’État.
Intégration, paramétrage et exemples d’outils (SAP, Odoo, Salesforce…)
Datamining IA – Big DATA
Exploration de grands volumes de données pour extraire des connaissances
Techniques de machine learning supervisé et non supervisé
Utilisation d’outils comme Python, Spark ou RapidMiner
Datawarehouse
Architecture des entrepôts de données et modélisation en étoile/schéma en flocon
Alimentation via ETL, qualité et gouvernance des données
Optimisation pour le reporting et la BI (Business Intelligence)
Entity Framework
ORM (Object-Relational Mapping) pour .NET et C#
Création, requêtage et migration de bases de données via code
Utilisation avec ASP.NET MVC / Core et bases relationnelles (SQL Server…)
Python pour DM et IA
Programmation Python appliquée à la data science et l’intelligence artificielle
Manipulation de données avec NumPy, Pandas, visualisation avec Matplotlib
Introduction au machine learning avec Scikit-learn et aux réseaux de neurones avec TensorFlow/Keras
Validation de blocs de compétences
Vous avez la possibilité de valider des blocs de compétences, et ne repasser que ceux qui
n’ont pas été validés afin d’obtenir la certification.
Nos Résultats
Taux de satisfaction de cette formation auprès de nos étudiants sur l’année 2023
Taux d’obtention de cette formation sur l’année 2024
Demande de rappel
Prochaines Journées Portes Ouvertes
LYON
JPO le samedi 17 janvier à 10h00
PARIS
JPO le mercredi 21 janvier à 16h00
Venez découvrir, notre campus, nos formations et notre équipe !
