tac-ti
Trousse d’Apprentissage Collaboratif en Technologies de l’Information
Ingénieur·e concepteur·rice en logiciels
Selon les résultats du sondage quantitatif, les ingénieur logiciel dans les entreprises du secteur TI identifient comme prioritaires des compétences en IA, en apprentissage automatique profond. Les résultats qualitatifs renforcent cette tendance : les ingénieurs s’appuient largement sur des plateformes spécialisées (AWS, Microsoft Learn, Oracle University) pour développer leurs compétences dans des environnements IA ou DevOps avancés.
La revue de littérature souligne que l’apprentissage profond a profondément transformé les pratiques de modélisation, en favorisant l’émergence de l’IA générative et du traitement de données massives. Elle insiste sur la nécessité d’acquérir des compétences spécifiques en optimisation algorithmique, en modélisation prédictive et en gestion de l’obsolescence des compétences. Par ailleurs, l’apprentissage adaptatif est présenté comme un levier clé d’innovation en IA appliquée, grâce à des systèmes capables de personnaliser l’expérience d’apprentissage ou d’interaction utilisateur selon le contexte en temps réel.
En cohérence avec ces résultats, deux thématiques prioritaires structurent ce parcours :
Vos thématiques:
Cette thématique comprend des contenus pour amener à maîtriser les algorithmes de réseaux neuronaux profonds, leur mise en œuvre et leur déploiement à l’échelle de solutions logicielles industrielles. L’apprentissage profond constitue aujourd’hui le socle de nombreuses innovations logicielles (IA générative, reconnaissance d’images, NLP). Cette thématique permet d’explorer les réseaux de neurones profonds (CNN, RNN, transformers), les frameworks open-source (TensorFlow, PyTorch) ainsi que les enjeux de performance (paramétrage, traitement parallèle, GPU).
Compétence clé : Maîtriser les fondements et les applications pratiques de l’apprentissage profond pour optimiser les performances des solutions logicielles.
Cette thématique propose une exploration des systèmes intelligents capables d’ajuster leur comportement en fonction de l’utilisateur, notamment dans les interfaces adaptatives ou les moteurs de recommandation. Cette approche consiste à développer des systèmes capables d’adapter leur comportement, leur réponse ou leur interface en fonction des interactions utilisateur ou des changements de contexte. On y aborde les modèles de méta-apprentissage, les systèmes de recommandations personnalisés, et les mécanismes d’adaptation en temps réel intégrés à l’environnement logiciel.
Compétence clé : Concevoir des systèmes intelligents capables de s’adapter dynamiquement aux données d’utilisation et aux profils utilisateurs.