Offre de Formation Machine Learning Engineer | Titre RNCP niveau 7 | Co-certifiée École des Mines Paris avec Liora

Le plus de la formation

Bac +5 | Mines Paris | Spécialité MLOps/LLMOps

Localité

En ligne

Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.

Certifications

RNCP

Qualiopi

Pré-requis

Niveau BAC +3

Diplôme ou titre de niveau bac +3 en informatique et/ou numérique. Bon niveau en mathématiques. Dérogation possible sur dossier et test écrit. Ordinateur avec connexion internet et webcam.

Objectifs

Machine Learning Engineer Le Machine Learning Engineer conçoit l'infrastructure data, déploie les modèles d'IA en production et intègre l'intelligence artificielle dans la stratégie de l'entreprise. En suivant ce cursus, vous aurez toutes les clés pour y parvenir : Python, Machine Learning, Deep Learning, LLMs, data engineering et MLOps ou LLMOps. Informations pratiques : - Parcours de formation hybride mêlant sessions de coaching en visioconférence et autoformation sur notre plateforme, pédagogie Learning by Doing - Titre RNCP complet de niveau 7 (bac +5) reconnu par l'État - Certificat de l'École des Mines Paris - PSL Executive Education - Certifications AWS Solutions Architect et AWS Cloud Practitioner - Immersion professionnelle de 130 jours après l'entrée en formation - Spécialisation au choix : MLOps ou LLMOps - Projet fil rouge d'environ 200h en binôme ou trinôme, sur des données ou cas réels, suivi par un mentor projet - Deux rythmes : bootcamp 5 mois ou temps partiel 18 mois - Nos professeurs sont également concepteurs du programme pour garantir une cohérence et un suivi homogène tout au long du parcours, assistance technique sur forum du lundi au vendredi de 9h à 17h - Accompagnement carrière accessible à vie : coach carrière, conseils CV, LinkedIn et entretiens, ateliers et salons de recrutement Compétences acquises à l'issue de la formation : - Le data product management et la gouvernance des données - Python et les outils de programmation - Le machine learning et le deep learning - Les LLMs et l'IA générative - Le data engineering - Le MLOps ou le LLMOps (MLflow, DVC, Airflow, BentoML, RAGOps, Prometheus, Kubernetes, ZenML, patterns agentiques) - La réglementation (EU AI Act) Certification : La formation vise le titre RNCP38587 « Expert en ingénierie de l'intelligence artificielle » de niveau 7 délivré par ANAPIJ, et prépare aux certifications AWS Solutions Architect et AWS Cloud Practitioner. Une immersion professionnelle de 130 jours est demandée après l'entrée en formation.

Programme

Divisé en 19 modules, le parcours Machine Learning Engineer représente 735 heures de formation. 1 - Introduction au Data Product Management (20h) - Rôles et missions d'un Data Product Manager - Introduction à Python 2 - Gestion de projet et Data Gouvernance (15h) - Gestion de projet - Agilité - Ressources humaines - Gouvernance des données - RGPD 3 - Manipulation des données (30h) et Data Gouvernance (10h) 4 - Chefferie de projet et IA générative (30h) - MVP - Lancement - Prompt engineering 5 - Fondamentaux de Python (40h) - Programmation - NumPy - Pandas 6 - Data Visualisation (20h) - Matplotlib - Seaborn - Bokeh 7 - Outils de programmation (20h) - Linux et Bash - Git et GitHub - Tests unitaires 8 - Machine Learning (30h), Machine Learning avancé (30h), Machine Learning appliqué (20h) 9 - Deep Learning (20h) - Réseaux denses et convolutifs - TensorFlow - PyTorch 10 - LLMs et Gen AI (40h) - Transformers - LLMs et agents intelligents - Reinforcement learning 11 - Data Engineering (30h) - SQL - Streamlit - PySpark 12 - MLOps (30h) - MLflow - API - Docker 13 - Isolation et réglementation (30h) - Docker - EU AI Act et Model Card 14 - Architecture (20h) - MLflow - Conception des systèmes ML ou intégration LLM en production 15 - Expérimentation et versioning (25h) - NGINX - DVC et DagsHub ou LangChain 16 - Pipeline et serving (25h) - Airflow - MinIO - BentoML ou RAGOps 17 - Monitoring et qualité (20h) - Prometheus et Grafana - Drift monitoring ou Evidently 18 - Scaling et production (20h) - LocalStack - Kubernetes - ZenML ou patterns agentiques 19 - Projet fil rouge (200h)

La formation en vidéo

Une journée dans la vie d'un Machine Learning Engi

Formation diplômante

inscrite au RNCP

Financement facilité

CPF, OPCA, etc.

Professeur dédié

5 jours sur 7

Ce qu'ils pensent de cette formation

Centre

À propos du centre Liora

Chez Liora, nous révélons le potentiel technologique de celles et ceux qui façonnent le monde de demain.

Face à une transformation technologique sans précédent, nous croyons que chacun doit pouvoir trouver sa place dans la révolution en cours. Notre mission est d’aider les talents d’aujourd’hui et de demain à prendre leur avenir en main, à développer des compétences utiles tout au long de leur vie et à contribuer à un monde meilleur.

Nous accompagnons nos apprenants à travers un écosystème d’apprentissage hybride, centré sur l’humain, qui allie innovation technologique et formation d’excellence. Notre approche pédagogique est résolument pratique, flexible et inclusive, pensée pour s’adapter aux parcours, aux rythmes et aux ambitions de chacun.

Nos formations couvrent quatre grands secteurs technologiques d’excellence : Data & IA, Cloud & Développement, Cybersécurité et Digital, afin de répondre aux besoins concrets du marché et aux évolutions constantes des métiers de la tech.

Nous redéfinissons l’éducation au 21? siècle grâce à une pédagogie novatrice, soutenue par des technologies de pointe, des centaines de labs et de machines virtuelles, et un accompagnement à chaque étape du parcours. Notre modèle combine le meilleur du digital et la richesse du contact humain.

Portés par des valeurs fortes partage, excellence, collaboration, flexibilité et ouverture nous construisons une communauté tech inclusive, engagée et tournée vers l’avenir. Reconnus par des partenaires académiques et technologiques de premier plan, nous formons aujourd’hui des milliers d’alumni à travers le monde.

Your future, decoded.

Plus qu’une signature, c’est notre engagement quotidien : décrypter la technologie pour révéler les talents.