Ce que vous saurez faire
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 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.
Elle 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 vs IA Prédictive
- Apprendre à créer en python des RAGs avancés (agents conversationnels/chatbots) 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, Cycle de développement, optimisation, Modèles Hybrides...)
- Apprendre à créer des APIs avec Flask, FastAPI et HTML
- Apprendre le scrapping 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
Le déroulé, étape par étape
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
- Comprendre le fonctionnement
- Comprendre les LLM (Large Language Model) & Transformers
- Pratique : Création d'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
À la fin de la formation
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 d'algorithmes de Deep Learning avec Python
- Apprendre les bonnes pratiques pour gérer un projet d'Intelligence artificielle
- Apprendre à déployer un modèle de Machine Learning sur un serveur distant (cloud), et conteneurisation avec Docker
- Apprendre à Développer en POO (Programmation orienté objet)
Selon l’organisme
- 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
Où se déroule la formation
Payer avec votre Compte Personnel de Formation
Cette formation figure au catalogue Mon Compte Formation : elle est éligible au CPF. Vos droits, cumulés en euros, se consultent et s’utilisent sur le site officiel.
Vérifier mes droits sur moncompteformation.gouv.frOrganisme, certification, inscription
Texte rédigé par l’organisme de formation. Source : « Moncompteformation – L’offre de formation », Caisse des Dépôts et DGEFP, données ouvertes sous Licence Ouverte 2.0, mise à jour du 09/10/2026. WorkDispo n’est pas affilié à Mon Compte Formation.