Jedha : formation data et IA à Paris

À l'issue de sa formation Data Fullstack chez Jedha, le stagiaire sera en mesure de :
- Collecter, nettoyer, transformer et analyser des données à l'aide de tableurs, SQL et Python
- Mettre en œuvre des analyses statistiques rigoureuses et des visualisations claires pour produire des insights actionnables
- Construire des modèles de Machine Learning supervisés et non supervisés pour réaliser des analyses prédictives
- Manipuler des données dans des environnements relationnels et NoSQL, ainsi que dans des Data Lakes
- Concevoir et automatiser des pipelines de données (ETL / ELT) pour alimenter des produits et services Data
- Développer des APIs et applications Data pour exposer des modèles et analyses aux utilisateurs finaux
- Créer des dashboards et rapports décisionnels avec des outils de Business Intelligence

- Concevoir des systemes d'IA complets, depuis la collecte et la preparation des donnees jusqu'au deploiement et a l'exploitation en production a grande echelle.
- Developper et optimiser des modeles de Machine Learning, de Deep Learning et d'IA generative, et les integrer dans des applications reelles.
- Mettre en place des pipelines de donnees et des infrastructures de calcul adaptees aux besoins IA (CPU/GPU, cloud, conteneurs, orchestration).
- Piloter la gouvernance des donnees et des systemes d'IA (qualite, securite, conformite, explicabilite, risques et performances).
- Coordonner des projets d'IA transverses, en faisant le lien entre enjeux metiers, contraintes techniques et exigences reglementaires.

- Concevoir des applications d'IA de bout en bout, depuis la collecte et la preparation des donnees jusqu'au deploiement en production.
- Developper des modeles de Machine Learning, Deep Learning et IA generative, et en interpreter les resultats dans un contexte metier.
- Mettre en place des pipelines de donnees pour alimenter les modeles (nettoyage, transformation, structuration) avec Python et les principales librairies data.
- Deployer, monitorer et industrialiser des systemes d'IA (APIs, conteneurs, automatisation des entrainements et mises a jour) en conditions reelles.
- Collaborer avec les equipes techniques et metiers pour cadrer un cas d'usage IA, choisir les approches algorithmique et d'architecture adaptees et presenter les resultats.

A l'issue du Fullstack Track Data - BC03, l'apprenant est capable de :
- Concevoir l'architecture de flux de donnees (batch, streaming, ETL/ELT) adaptee a des cas d'usage Data et IA.
- Collecter, nettoyer, transformer et structurer des donnees issues de multiples sources a l'aide de SQL et Python.
- Industrialiser des pipelines de donnees automatises, reproductibles et documentes pour alimenter analyses et modeles d'IA.
- Mettre en place des controles de qualite, de securite et de conformite (RGPD, anonymisation, gestion des acces) sur les flux.
- Superviser la performance et les couts des traitements de donnees, et piloter un mini-projet de Data Engineering en equipe.

À l'issue de sa formationFullstack Track IAchez Jedha, le stagiaire sera en mesure de :
- Programmer en Python et manipuler des données pour concevoir des systèmes d'IA de bout en bout
- Explorer, nettoyer, transformer et analyser des jeux de données complexes (EDA, statistiques, dataviz)
- Concevoir et implémenter des modèles de Machine Learning et de Deep Learning adaptés aux cas d'usage métiers
- Concevoir des architectures de données et d'IA adaptées aux besoins techniques et opérationnels (stockage, flux, ressources de calcul)
- Construire, automatiser et monitorer des pipelines de données (ETL / ELT) pour alimenter des systèmes d'IA
- Mettre en place des pipelines de bout en bout combinant collecte, préparation, entraînement, déploiement et évaluation de modèles
- Mettre en œuvre des pratiques de base de MLOps (versionnage, traçabilité, monitoring des modèles) dans des environnements Cloud

- Comprendre le fonctionnement general des modeles de type Large Language Models (LLM) et leurs principaux cas d'usage en entreprise.
- Rediger et structurer des prompts efficaces pour obtenir des reponses fiables et exploitables selon des objectifs professionnels precis.
- Personnaliser l'usage des IA generatives (agents, RAG, bases vectorielles, fine-tuning) a partir de donnees et de besoins metiers definis.
- Identifier les principaux risques lies a l'IA generative (biais, hallucinations, securite, conformite) et appliquer de bonnes pratiques de mitigation.
- Concevoir une premiere application simple basee sur l'IA generative en s'appuyant sur des outils no-code ou low-code.

À l'issue de sa formation Data Lead chez Jedha, le stagiaire sera en mesure de :
- Concevoir et piloter une stratégie de gouvernance des données alignée sur les enjeux métiers et les exigences réglementaires (RGPD, etc.)
- Évaluer la maturité data d'une organisation et proposer un modèle d'organisation et de gouvernance adapté
- Définir des politiques, rôles et responsabilités pour garantir la qualité, la sécurité, la disponibilité et la confidentialité des données
- Mettre en place des dispositifs de traçabilité (data lineage), de catalogage et de documentation des données
- Identifier et analyser les risques liés à la gestion des données et proposer des plans d'action pour les mitiger
- Accompagner le changement et sensibiliser les équipes (y compris les publics en situation de handicap) aux bonnes pratiques de Data Governance

À l'issue de sa formation IA Lead chez Jedha, le stagiaire sera en mesure de :
- Concevoir et piloter une stratégie de gouvernance des données alignée sur les enjeux métiers et les exigences réglementaires (RGPD, AI Act)
- Évaluer la maturité data et IA d'une organisation et recommander un modèle d'organisation et de gouvernance adapté
- Concevoir des architectures d'IA distribuées et scalables en s'appuyant sur des ressources de calcul spécialisées (GPU, clusters)
- Définir, déployer et opérer des infrastructures Cloud complexes pour exécuter des workloads d'IA à grande échelle
- Mettre en place des pratiques de MLOps et LLMOps pour automatiser l'entraînement, le déploiement et le monitoring des modèles
- Détecter, analyser et mitiger les dérives de données et de modèles (qualité, performance, biais, sécurité) en production
- Arbitrer entre différentes options techniques (outillage, architectures, fournisseurs) en intégrant coûts, risques et contraintes de conformité

À l'issue de sa formation chez Jedha, le stagiaire sera en mesure de :
- Programmer en Python et manipuler des données pour concevoir de véritables systèmes d'IA
- Collecter, stocker et transformer des données à grande échelle pour les rendre exploitables par des modèles d'IA
- Analyser et visualiser des données afin de produire des insights actionnables
- Concevoir, entraîner et évaluer des modèles de Machine Learning, de Deep Learning et d'IA générative
- Déployer, automatiser et monitorer des systèmes d'IA en production dans des environnements Cloud
- Concevoir et orchestrer des pipelines d'IA et de données, de la collecte à la mise en production
- Mettre en œuvre des pratiques de MLOps et LLMOps pour garantir performance, fiabilité et maîtrise des coûts
- Exploiter l'IA générative et le Prompt Engineering pour créer et intégrer des agents et applications d'IA dans des cas d'usage métiers

À l'issue de sa formation chez Jedha, le stagiaire sera en mesure de :
- Programmer en Python et manipuler des données pour concevoir de véritables systèmes d'IA
- Collecter, stocker et transformer des données à grande échelle pour les rendre exploitables par des modèles d'IA
- Analyser et visualiser des données afin de produire des insights actionnables
- Concevoir, entraîner et évaluer des modèles de Machine Learning et de Deep Learning
- Déployer, automatiser et monitorer des systèmes d'IA en production dans des environnements Cloud
- Concevoir et orchestrer des pipelines de données, de la collecte à la mise en production
- Mettre en œuvre des pratiques de MLOps pour garantir performance, fiabilité et maîtrise des coûts