Parcours certifiant — Réaliser une application intégrant un service d'intelligence artificielle (RNCP 37827 — BC03)

Module 1 — Expression des besoins utilisateurs : meilleures pratiques (2 jours)

• Appréhender la phase d'expression des besoins dans un projet classique et agile
• Modéliser un processus métier et ses données associées
• Formaliser l'architecture fonctionnelle du système à développer
• Évaluer les charges de développement
• Exploiter UML pour la modélisation et l'expression des besoins

Module 2 — Méthodes Agiles de gestion de projet : comprendre la démarche (2 jours)

• Assimiler les principes itératifs des méthodes agiles
• Définir et hiérarchiser des scénarios d'utilisation en contexte agile
• Établir une planification de projet fondée sur les principes agiles
• Utiliser les outils de management visuel et de suivi d'avancement en contexte agile
• Situer son rôle au sein d'une équipe projet Agile

Module 3 — Jira® Software : utilisation (2 jours)

• Créer et gérer des tickets dans Jira
• Concevoir un tableau de bord de suivi de projet avec Jira
• Structurer et organiser les exigences du projet
• Configurer des sprints et associer des user stories
• Élaborer des rapports et indicateurs de suivi avec Jira
• Exploiter Jira pour le versioning, la gestion des tests et le suivi des anomalies

Module 4 — Unix/Linux utilisateur : l'essentiel (2 jours)

• Maîtriser les fondamentaux de l'environnement Unix/Linux
• Naviguer dans l'arborescence du système de fichiers Unix/Linux
• Gérer des fichiers et des répertoires en ligne de commande
• Configurer et personnaliser son environnement de travail
• Créer et exécuter des scripts shell

Module 5 — Git : mettre en œuvre le contrôle de versions (2 jours)

• Saisir les concepts fondamentaux de la gestion de versions et les bénéfices de la décentralisation
• Installer et paramétrer Git
• Créer et initialiser un dépôt Git
• Utiliser les commandes Git pour gérer fichiers et branches
• Travailler en mode collaboratif avec Git

Module 6 — GitLab CI/CD : gestion du cycle de vie des développements logiciels (3 jours)

• Découvrir l'écosystème et les fonctionnalités de GitLab
• Gérer les versions et collaborer via Git et GitLab
• Configurer l'intégration continue (CI) et le déploiement continu (CD) avec GitLab
• Identifier les composants d'une chaîne DevOps (usine logicielle)

Module 7 — Docker : créer et administrer des conteneurs d'applications (3 jours)

• Saisir le rôle et le positionnement de Docker dans l'écosystème applicatif
• Utiliser l'interface CLI de Docker pour créer et gérer des conteneurs
• Déployer des applications dans des conteneurs Docker
• Administrer le cycle de vie des conteneurs
• Accélérer les déploiements applicatifs grâce aux conteneurs
• Identifier les risques liés à Docker et anticiper les solutions adaptées

Module 8 — Django : développement Web avec Python (4 jours)

• Connecter Django à une base de données
• Concevoir et développer des vues dynamiques
• Créer des templates Django
• Prendre en charge les formulaires dans Django
• Implémenter les fonctionnalités avancées du framework Django

Module 9 — NLP : traitement du langage naturel avec Python (3 jours)

• Traiter des données textuelles avec Python
• Sélectionner les bibliothèques Python adaptées au traitement NLP
• Implémenter les étapes de prétraitement et de vectorisation du texte
• Appliquer les techniques NLP adaptées : classification, topic modelling, analyse de sentiment
• Déployer et évaluer des modèles NLP sur des données réelles

Module 10 — IA Python pour le traitement d'image (3 jours)

• Renforcer sa maîtrise du langage Python
• Effectuer une analyse de données par apprentissage automatique avec Python
• Explorer les bibliothèques Python dédiées au traitement d'images
• Appliquer des transformations sur des images
• Extraire des informations et des caractéristiques à partir d'images

Module 11 — MLOps : déploiement de Machine Learning en production (3 jours)

• Appréhender les enjeux et le cycle de vie du MLOps
• Mettre en production un modèle de Machine Learning
• Configurer des pipelines d'entraînement et de déploiement automatisés
• Surveiller les modèles déployés et gérer la dérive des données
• Diagnostiquer et résoudre les incidents liés aux modèles d'IA en production

Module 12 — Certification : mise en situation et cas pratique (0.5 jour)

• Mise en situation : analyse d'un besoin en développement d'application IA, conception, développement, tests et livraison
• Cas pratique : mise en place du monitoring applicatif et résolution d'un incident technique dans une application existante
• Livrables : rapport professionnel individuel et soutenance orale avec démonstration du projet