Formation Intelligence Artificielle – AWS Certified AI Practitioner
Bienvenue dans la formation Intelligence Artificielle ! Ce parcours couvre les fondamentaux de l’IA, du Machine Learning et de l’IA générative, avec un ancrage constant sur les services AWS (SageMaker, Bedrock, Q Developer…). Il suit fidèlement les 5 domaines de la certification AWS Certified AI Practitioner (AIF-C01), que vous cherchiez à la préparer ou simplement à monter en compétence sur l’IA appliquée au cloud.
Structure du parcours
Section titled “Structure du parcours”Le parcours est découpé en 5 modules (les 5 domaines de l’examen AIF-C01) et 14 chapitres.
Module 1 : Fondamentaux de l’IA et du ML — 20 % de l’examen
Section titled “Module 1 : Fondamentaux de l’IA et du ML — 20 % de l’examen”Terminologie de base, cas d’usage pratiques et cycle de vie du Machine Learning.
| # | Chapitre | Lien |
|---|---|---|
| 1 | IA, ML et Deep Learning : concepts et terminologie de base | Commencer |
| 2 | Cas d’usage pratiques de l’IA et services AWS pré-entraînés | Lire |
| 3 | Le cycle de vie du Machine Learning : du pipeline au MLOps | Lire |
Module 2 : IA générative — 24 % de l’examen
Section titled “Module 2 : IA générative — 24 % de l’examen”Concepts fondamentaux, capacités/limites et infrastructure AWS pour l’IA générative.
| # | Chapitre | Lien |
|---|---|---|
| 1 | IA générative : transformeurs, invites et modèles de fondation | Commencer |
| 2 | Capacités, limites et indicateurs métier de l’IA générative | Lire |
| 3 | Bedrock, SageMaker JumpStart et l’infrastructure AWS pour l’IA générative | Lire |
Module 3 : Applications des modèles de fondation — 28 % de l’examen
Section titled “Module 3 : Applications des modèles de fondation — 28 % de l’examen”Conception d’applications, ingénierie des prompts, entraînement/ajustement et évaluation.
| # | Chapitre | Lien |
|---|---|---|
| 1 | Concevoir une application avec un modèle de fondation : RAG, agents et bases vectorielles | Commencer |
| 2 | L’ingénierie des prompts : techniques, espace latent et risques | Lire |
| 3 | Pré-entraînement, fine-tuning et RLHF des modèles de fondation | Lire |
| 4 | Évaluer un modèle de fondation : benchmarks, métriques et intégration | Lire |
Module 4 : IA responsable — 14 % de l’examen
Section titled “Module 4 : IA responsable — 14 % de l’examen”Biais, équité, ensembles de données responsables, transparence et explicabilité.
| # | Chapitre | Lien |
|---|---|---|
| 1 | Développer une IA responsable : biais, équité et ensembles de données | Commencer |
| 2 | Transparence et explicabilité des modèles d’IA | Lire |
Module 5 : Sécurité, conformité et gouvernance — 14 % de l’examen
Section titled “Module 5 : Sécurité, conformité et gouvernance — 14 % de l’examen”IAM, chiffrement, vulnérabilités spécifiques à l’IA, réglementation et gouvernance des données.
| # | Chapitre | Lien |
|---|---|---|
| 1 | Sécuriser les systèmes d’IA : IAM, chiffrement et vulnérabilités spécifiques | Commencer |
| 2 | Gouvernance, conformité et réglementation des systèmes d’IA | Lire |
Pourquoi ce découpage ?
Section titled “Pourquoi ce découpage ?”Il reprend exactement les 5 domaines et les pondérations du guide d’examen officiel AWS Certified AI Practitioner (AIF-C01), afin que ce parcours serve à la fois de formation autonome et de préparation à la certification.
Par où commencer ?
Section titled “Par où commencer ?”👉 Chapitre 1 : IA, ML et Deep Learning — concepts et terminologie de base