Le Bootcamp dédié à l'apprentissage du métier de Machine Learning Engineer qui n’a aucun équivalent sur le marché !

par la Yotta Academy



Le programme  débute par une piscine (sur le modèle de l’école 42) pour homogénéiser les expériences, puis se déroule en trois parties :

  • Il y a tout d’abord un volet Data Science généraliste qui dresse un état de l’art en Machine Learning et Deep Learning. 
  • Le deuxième module porte sur l’ingénierie proprement dite ou comment déployer les modèles. Le programme évoque aussi la question de la sécurité et de la conformité au RGPD. 
  • Enfin, le dernier module porte sur les compétences comportementales. 


Le programme alterne entre cours magistraux, nécessaires pour appréhender la théorie, et travaux pratiques qui sont des démonstrations simplifiées, tirées de vrais cas d’usage. Le reste du temps est consacré à du travail en équipe sur des projets concrets.  Les cours ont été pensés,  construits et sont enseignés par des experts·es de la Data Science qui ont une vraie expérience du terrain. Ils/Elles maitrisent l’ensemble du cycle de vie d’un projet Data, de l’idéation à la mise en production des modèles d’Intelligence Artificielle.

Les formateurs·trices sont des consultants·tes de terrain et sont concrètement confrontés·ées à ce qu'ils/elles enseignent au quotidien. Les formations de la Yotta Academy ne sont pas uniquement des formations académiques pures.


⏱  4 mois de cours (+500h) + une période d'expérience professionnelle de 6 mois à valider (stage, freelance, cdi, etc.)

📅  Sessions en avril (inscription jusqu'à mi mars) et en septembre (inscription jusqu'à mi août)

📚  Majoritairement en classe à distance avec présence sur le campus à Paris pour certains événements (accueil, team building, Q&A avec les profs, présentation des projets au jury, remise des diplômes, etc.) 

💶  8 040€ TTC

🏅 Ingénieur en intelligence artificielle (MS) (RNCP35701) 


Pour en savoir + sur le programme ou échanger avec l'organisme de formation c'est par ici 

⬇️



Faites financer cette formation par les aides de l'Etat

Cet Organisme de Formation est certifié Qualiopi. Vous pouvez financer ce programme grâce à votre CPF, votre entreprise ou encore Pôle Emploi, mais aussi au travers de dispositifs de financement publics.

Contactez-nous si vous avez besoin d'aide.



Vous pouvez également nous contacter au 06 30 90 99 06.

Pour qui est fait ce programme

  • Les diplômés·ées d'écoles d'ingénieurs, docteurs ou chercheurs dans des disciplines quantitatives

  • Les profils en reconversion ou les "data enthusiasts"avec un bagage mathématiques souhaitant muscler leurs compétences

  • Les titulaires d'un M1/M2 à dominante maths / info

Avec ce programme vous pourrez :

  • Réaliser un audit de l’écosystème du client, une étude de faisabilité et une veille technique et technologie

  • Emettre des recommandations d’usage de l’IA au client.

  • Préparer les données disponibles et concevoir le code source de traitement de données.

  • Mettre en place les procédures techniques et technologiques d’exploitation.

  • Concevoir une base de données relationnelle et le programme d’intelligence artificielle​ adapté aux données disponibles.

  • Développer l’interaction entre les fonctionnalités de l’application et l’intelligence artificielle ​et déterminer le modèle mathématique (algorithme) adapté à la problématique de traitement de données IA.

  • Développer le back-end de l’application d’IA.

  • Etablir le processus organisationnel d’industrialisation et planifier les tâches du projet IA.

  • Communiquer avec les parties prenantes.

  • Mettre en place une démarche de travail selon la méthode agile.

L'organisme de formation

Yotta Academy

Yotta Academy est un institut de formation à haute valeur ajoutée dans le secteur de l'Intelligence artificielle, conçue par des Data Scientists.

Précurseur, leur MLE Bootcamp est un programme intensif de 16 semaines qui forme au métier de Machine Learning Engineer, métier le plus prisé par les entreprises aujourd'hui.

Leur formation MLOps Track est un programme à temps partiel pour apprendre à industrialiser un projet data. Pour les DS, DE, Dev, et tous·tes les passionnés·ées par la Data orientée production.

Le mot des professeurs

Guillaume Hochard 
Professeur et ancien Data Scientist Senior @Quantmetry


Hugo Perrier
Professeur et Machine Learning Engineer @Quantmetry


Alexandre Henry
Professeur et Data Scientist Senior @Quantmetry




Curriculum du programme

Branche 1 - Basics "La Piscine" (100h)

Homogénéiser l’ensemble des compétences à travers une remise à niveau intensive en mathématiques, informatique et en programmation.

Linus & Bash

  • Connaître l’origine des OS et en particulier de Linux
  • Utiliser la ligne de commande et être autonome
  • Maîtrise du langage Shell
  • Travailler en remote


Git

  • Théorie
  • Connaissance et maîtrise des commandes usuelles
  • Connaître les principales guidelines


Python Avancé

  • Principe de la programmation orientée objet sous Python
  • Apprendre à correctement architecturer son code (packaging)
  • Les conventions python (PEP), Clean Code et bonnes pratiques de développement


Algèbres, Probabilités, Statistiques Bayésiennes

  • Rappels d’algèbre linéaire, de statistiques et de probabilités
  • Statistiques Bayésienne pour le Machine Learning
  • Modélisation Bayésienne et apprentissage par représentation
  • Méthodes d'échantillonnage Monte Carlo


SQL

  • Fondamentaux Database Management
  • Langage SQL : les fondamentaux
  • SQL avancé


Introduction à l'architecture

  • Les composants d’un ordinateur
  • Data Storage & Memory
  • Multi-threading vs. Multi-processing ü Sécurité & Réseau
  • Concept de Solution Architect



Branche 2 - Data Science (215h)

Maitriser les fondamentaux théoriques de la data science, des algorithmes de Machine Learning classiques jusqu’à l’état de l’art en Deep Learning (Computer Vision et NLP) sans oublier comment rendre les modèles intelligibles.

Machine Learning

  • Data Exploration, Data Cleaning & Feature Engineering
  • Techniques de réduction de dimension
  • Savoir mener un projet de machine learning de bout en bout, du cleaning à l’optimisation du modèle
  • Maîtriser la mise en œuvre et les concepts théoriques des algorithmes en apprentissage supervisé et non supervisé
  • Savoir mettre en œuvre des techniques d’intelligibilité des modèles de machine learning
  • Adopter l’approche de développement façon Pipeline


Deep Learning

  • Introduction au Deep Learning
  • Comprendre les formats d’entrées/sorties des réseaux de neurones et savoir entraîner un réseau
  • Réseaux de neurones à convolutions et récurrents
  • Connaître les différents cas d’application des réseaux convolutionnels et réseaux récurrents
  • Utilisation et comparaison des frameworks : TensorFlow vs. Pytorch


NLP & NLU

  • Comprendre ce qu’est le NLP
  • Être capable d’implémenter un pipeline de NLP, depuis le preprocessing jusqu’à la modélisation
  • Être capable d’implémenter les méthodes de représentation vectorielle de texte
  • Connaître et savoir manipuler les librairies utilisées en NLP, ainsi que les implémentations des différents algorithmes
  • Être capable de faire le lien entre ces méthodes et les cas d’applications classiques du NLP : classification de texte, extraction d’information, Natural Language Understanding


+ 2 projets à réaliser


Branche 3 - Engineering (150h)

Maitriser l’ensemble des outils technologiques et des bonnes pratiques de développement logiciel afin d’adresser les problématiques d’industrialisation et de gestion de cycle de vie des modèles.

DevOps for Data Science

  • Développer de manière collaborative dans un projet agile
  • Ecrire des tests unitaires en Python
  • Utiliser un orchestrateur (pratique: gitlab-ci) pour automatiser l’exécution des tests (CI) et le déploiement du code (CD)
  • Construire et déployer une image docker
  • Principe et utilisation de Airflow
  • Programmer un traitement de données automatisé
  • Principe et utilisation de Kubernetes


Cloud Computing & Big Data Processing

  • Introduction, Compute & Storage
  • Data Stores, Big Data & Analytics
  • Machine Learning Engineering
  • Principe du NoSQL et Big Data
  • Spark et autres frameworks de calculs distribués (Dask)


MLOps & Gestion du cycle de vie des modèles

  • Introduction au cycle de vie
  • Outillage
  • Focus sur le framework MLflow
  • Mesure de la dérive des données


+ 1 projet à réaliser


Branche 4 - Soft Skills (35h)

Être sensibilisé·e aux enjeux et défis actuels de la data et de son écosystème. Comprendre le rôle du ML Engineer au sein des organisations en maitrisant les méthodologies de développement agile.

Data & Entreprises

  • Ethique de l’IA
  • RGPD
  • Les organisations data
  • Les grandes sources de données et cas d’usage data
  • Méthodologie d’industrialisation d’un projet data


Formation Agile

  • Comprendre la vision agile et les fondamentaux
  • Comprendre la logique de la démarche Agile pour développer une culture Agile
  • Appréhender les rôles au sein d’une équipe Agile, les notions d’intelligence collective et de travail en équipe
  • Comprendre les conditions comportementales essentielles à une démarche agile
  • Appréhender et comprendre les différentes méthodes associées à l’Agilité et choisir la plus adaptée à sa problématique

        

Qu'en pensent les alumni

Toutes les reviews sont sur switchup

Johann

Machine Learning Engineer

Overall score ⭐️⭐️⭐️⭐️⭐️

Curriculum ⭐️⭐️⭐️⭐️⭐️

Job Support ⭐️⭐️⭐️⭐️⭐️

“Le bootcamp idéal pour tout ceux qui ne veulent pas uniquement créer un modèle mais également le mettre en production!”

Jérôme

Machine Learning Engineer

Overall score ⭐️⭐️⭐️⭐️⭐️

Curriculum ⭐️⭐️⭐️⭐️⭐️

Job Support ⭐️⭐️⭐️⭐️⭐️

“Une formation excellente pour être opérationnel et appréhender les futures missions du Machine Learning Engineer en toute confiance !”

Driss

Machine Learning Engineer

Overall score ⭐️⭐️⭐️⭐️⭐️

Curriculum ⭐️⭐️⭐️⭐️⭐️

Job Support ⭐️⭐️⭐️⭐️⭐️

“Le programme parfait et complet pour maitriser le machine learning en production”

Rejoignez une classe motivée

Des cours à distance et des rencontres sur le campus à Paris

> + 500h d'enseignement combinant différents formats théoriques, pratiques et projets

> 100% des modules enseignés par des ingénieurs·es, docteurs·es et experts·es spécialisés·ées en IA

> 1 an d’accès offert à une plateforme de coding afin de pouvoir continuer à élargir ses compétences même une fois le bootcamp terminé !

> RNCP niv.7 diplôme d’ingénieur·e en Intelligence Artificielle équivalent Bac+5

FAQ

  • La formation est-elle diplômante ?

    Oui, celle-ci délivre le diplôme d'Ingénieur·e en Intelligence Artificielle (RNCP de niveau 7, équivalent à un Bac +5).

  • Quelles sont les modalités de financement possible ?

    Yotta Academy est certifiée Qualiopi. Le programme MLE Bootcamp est éligible au CPF ainsi qu'à d'autres financement mis à disposition par l'Etat. Si vous souhaitez plus d'information à ce sujet, n'hésitez pas à nous contacter.

  • Comment faire pour intégrer le MLE Bootcamp ?

    Une seule chose à faire : postulez en remplissant le formulaire dédié. Si votre profil retient leur attention, vous serez recontacté·e pour un entretien afin d’évaluer vos motivations.

  • Où se déroule la formation ?

    Les cours de la Yotta Academy se sont fait à distance pendant le confinement, pour maximiser la sécurité des apprenants et des instructeurs.

    Depuis le déconfinement les cours sont dispensés à distance et des événements accueil, team building, Q&A avec les profs, présentation des projets au jury, remise des diplômes, etc.) sont en présentiel sur le campus dans un lieu historique et unique au centre de Paris, rue Royale, entre la Madeleine et la place de la Concorde.

  • Quel est le rythme de la formation ?

    Les cours se déroulent du lundi au vendredi de 9h à 18h en moyenne, pendant 16 semaines. Le programme compte plus de 500h d’enseignements et combine différents formats. Il alterne cours magistraux, nécessaires pour appréhender la théorie, et travaux pratiques qui sont des démonstrations simplifiées, tirées de vrais cas d’usage. Le reste du temps est consacré à du travail en équipe sur des projets concrets.

  • En quoi la Yotta Academy est différente ?

    Primo : parce qu’il n’existe pas d’autre formation de ce type en Europe dédiée au profil de Machine Learning Engineer, ou au MLOps.

    Secundo : parce que les enseignants·es ont tous·tes déjà enseigné dans une formation de qualité (grandes écoles ou entreprises) alors qu’ils/elles n’en ont pas fait leur métier : au quotidien ils/elles sont Data Scientists, Data Engineers ou ML Engineers.

    Tertio : parce que les programmes ont été pensé et construit par des experts·es de la Data Science qui ont une vraie expérience du terrain. Ils/elles maitrisent l’ensemble du cycle de vie d’un projet Data, de l’idéation à la mise en production des modèles d’intelligence artificielle.