Informatique, traitement de l'information, réseaux de transmission

Python appliqué à l'IA ( Intelligence Artificielle , Machine et Deep Learning, Data science, IA générative, déploiement )

Certification visée : Programmer et automatiser des tâches avec Python (Tosa) · RS 6962

Lieu

À distance

Durée

Selon le parcours

Prix public

1 475 € à 4 485 €

Niveau de sortie

Sans niveau spécifique

Points forts

• Organisme certifié Qualiopi • Formateur diplômé de l'enseignement supérieur • Formation complète, pratique et accompagnée • Rythme adapté à votre emploi du temps • Horaires flexibles: journée, soir, samedi • Frais de certification offerts

Objectifs

Formation destinée aux personnes souhaitant maîtriser le langage python et son application à l'IA. Elle permet d'acquérir des compétences opérationnelles en Python, Machine Learning, Deep Learning, IA générative et IA agentique, NLP (Traitement du langage naturel), déploiement ... . Elle est également destinée aux Managers ainsi qu'aux personnes possédant une compétence métier mais désireuses d'ajouter une compétence supplémentaire afin de dégager des grosses synergies. La formation est organisée sous forme de parcours à distance, combinant des sessions avec le formateur, des sessions e-learning , et ateliers pratiques. L'objectif est de permettre à l'apprenant d' avancer à son rythme , tout en bénéficiant d'un accompagnement régulier et d'un cadre pédagogique structuré. La formation est présentée en 3 modules complémentaires (M1, M2, M3) et un module Premium (M1+M2+M3) • M1 : opérationnel • M2 : avancé • M3 : expert Module M1 : 42h • Maîtriser les bases de python et leur application à l'IA • Comprendre les algorithmes d'apprentissage du Machine Learning et Deep Learning • Apprendre à développer des modèles IA (Regression, Classification, Réseaux de neurones) • Apprendre les librairies python pour analyser et visualiser les données, manipuler des fichiers Excel, automatiser des tâches, POO (Programmation orientée objet) Module M2 : 40h, Pré-requis : M1 • Comprendre l'IA Générative et l'IA Agentique • Apprendre à créer en python des RAGs et des agents conversationnels avancés basés sur GPT, Mistral, et autres LLMs, en utilisant la librairie Langchain • Apprendre à déployer un modèle IA sur un serveur distant (cloud), et conteneurisation avec Docker • Apprendre à gérer un projet d'IA (Bonnes Pratiques, Optimisation, Modèles Hybrides...) • Apprendre à créer des APIs avec Flask, FastAPI et HTML • Apprendre le scrapping des données web Module M3 : 38h, Pré-requis: M2 • Apprendre à créer des modèles de détection d'anomalies (Fraudes bancaires, ...) • Apprendre à créer et manipuler des bases de données SQL avec python • Pratique sur PostgreSQL et autres SGDBs ---------------------------------------------------------------------------------------------------------------------------- Vous souhaitez obtenir des informations, un conseil ? Nos équipes vous accompagnent • Appelez-nous au06 20 22 16 77ou cliquez sur"Demander un devis"à droite de cette page • Par mail : contact@aliase-formation.com • Via notre site : https://www.aliase-formation.com/nous-contacter

Programme

Module M1 Introduction au langage python • Environnement de développement • Types de données : variables, tableaux, listes, dictionnaires, tuples • Opérations courantes : conditions, boucles, fonctions, ... • Modules et packages • Manipulations de fichiers • Built-in fonctions • Optimisation de code & automatisation des tâches • Programmation POO orientée objet : méthodes, classes, héritage • Analyse des données (librairies Numpy & Pandas) • Visualisation graphique des données (librairie Matplotlib) • Gestion des Exceptions Introduction à l'IA (Machine Learning et Deep Learning) • Algorithmes d'apprentissage par familles (Regression, Classification, Clustering, ...) • Domaines d'application • Data Preprocessing • Méthodes de préparation des données avant leur utilisation dans le Machine Learning Algorithmes de l'apprentissage supervisé - Régression • Les 4 notions clés (Dataset, Modèle, Fonction coût, Apprentissage) • Fonctionnement de l'apprentissage d'un modèle. Algorithme du « Gradient Descent » • Pratique : développer des modèles de prédiction • Evaluation des performances des modèles • Exercices - Classification • Fonctionnement du modèle KNN, et autres modèles • Pratique : développer des modèles de vision par ordinateur • Evaluation des modèles, Matrice de confusion • Exercices Algorithmes de l'apprentissage non supervisé • Modèles K-Means et DBSCAN • Pratique : développer des modèles de clustering. Regroupement, Segmentation, Détection d'anomalies/fraudes • Exercices Réseaux de neurones et Deep Learning • Fonctionnement et Entraînement des réseaux de neurones MLP, CNN, RNN • Les environnements TensorFlow, Keras • Pratique :    - Créer des modèles de reconnaissance d'images    - Time Series Forcasting,    - NLP (Natural Language Processing) avec LSTM ... • Fine-Tunning : Optimisation des performances d'un modèle • Exercices Module M2 Gestion de projet d'IA • Cycle de développement & Bonnes pratiques • Performances d'un modèle (Overfitting, Régularisation, Cross Validation, ...) • Modèles Hybrides Déploiement des modèles • Avec les APIs Flask et FastAPI, en modes script python et pages web • Conteneurisation avec Docker IA générative et IA Agentique • Fonctionnement • LLM (Large Language Model) & Transformers • Pratique : Création de RAGs et agents conversationnels avancés basés sur GPT, Mistral et autres LLMs ... • Librairie Langchain / Embedding • Génération d'image et de son Module M3 Détection d'anomalies • modèles LOF, IF et autoencoder Bases de données SQL

Résultats attendus

Préparation à la certification. Acquérir les compétences suivantes : • Maîtriser le langage Python et son application à l'Intelligence artificielle • Apprendre à développer en Python des modèles de Machine Learning (prédiction, classification, réseaux de neurones) • Apprendre à créer des agents conversationnels (chatbots) en python basés sur GPT, Mistral, et autres LLMs • Apprendre à manipuler en python les outils de Data Sciences pour analyser, traiter et visualiser des données • Apprendre à manipuler en python les bases de données SQL, les fichiers CSV, Excel • Comprendre les bases et le fonctionnement des algorithmes du Machine Learning • Comprendre les objectifs et les domaines d'application • Apprendre à mettre en applications les algorithmes d'apprentissage automatique • Comprendre le Deep Learning et les différents réseaux de neurones • Maîtriser les outils (Tensorflow, Keras, ...) pour faire du Deep Learning avec Python • Apprendre à mener à bien un projet de conception et mise en place de modèles de Deep Learning avec Python • Apprendre les bonnes pratiques pour gérer un projet d'IA • Apprendre à déployer un modèle de ML sur un serveur distant (cloud), et conteneurisation avec Docker • Apprendre à Développer en POO (Programmation orienté objet)

Financement

Cette formation certifiante est proposée par un organisme certifié Qualiopi. Elle est éligible au compte personnel de formation (CPF). Selon votre situation, d'autres financements peuvent s'ajouter : France Travail pour un demandeur d'emploi, fonds d'assurance formation pour un indépendant, ou OPCO de l'employeur pour un salarié.

Source : catalogue public Mon Compte Formation (Caisse des Dépôts), licence ouverte Etalab, mis à jour le 20/11/2026. Prix public indicatif communiqué par l'organisme de formation.

Formations proches

Informatique, traitement de l'information, réseaux de transmission

Approfondir ses compétences numériques

Certification : Certificat Pix (RS 6894)

À distanceFinançable OPCO ou CPF1 500 €

Voir le financement

Informatique, traitement de l'information, réseaux de transmission

Approfondir ses compétences numériques

Certification : Certificat Pix (RS 6894)

À distanceFinançable OPCO ou CPF1 500 €

Voir le financement

Informatique, traitement de l'information, réseaux de transmission

Logiciel de bureautique EXCEL option 2

Certification : Créer des tableaux visuels efficaces avec Excel (RS 7536)

À distanceFinançable OPCO ou CPF550 €

Voir le financement