Certifications

Cette certification forme à l’utilisation pratique des modèles d’IA générative (LLM), notamment avec l’API OpenAI. Elle permet d’apprendre à : Créer des prompts efficaces (zero-shot, one-shot, few-shot) pour obtenir différents types de résultats. Programmer avec l’API OpenAI pour développer des fonctionnalités de texte, d’image et d’audio. Utiliser Python et des outils comme LangChain et LlamaIndex pour construire des applications IA. Analyser des données et automatiser des tâches grâce aux LLM. Développer des prototypes et solutions concrètes pour le marketing, l’analytics, le design ou les processus métier.

Les titulaires de ce certificat ont démontré leur capacité à développer des applications full-stack natives du cloud en utilisant JavaScript. Ils sont prêts à relever les défis d'un poste de développeur full-stack débutant. Les apprenants peuvent développer, déployer, tester, exécuter et gérer des applications full-stack. Ils peuvent utiliser les outils, les technologies et les méthodologies utilisés par les développeurs full-stack, notamment HTML, CSS, JavaScript, Git, GitHub, React, Node.js, Express, DevOps, Agile, CI/CD, les bases de données NoSQL, les conteneurs, Docker, Kubernetes, OpenShift, les microservices et le calcul sans serveur.

Compétences des titulaires de cette certification : Analyser des données au sein d'une base de données à l'aide de SQL et de Python. Créer une base de données relationnelle et manipuler plusieurs tables grâce aux commandes DDL. Élaborer des requêtes SQL de niveau débutant à intermédiaire en utilisant les commandes DML. Concevoir des requêtes plus puissantes grâce à des techniques SQL avancées telles que les vues, les transactions, les procédures stockées et les jointures.

Compétences acquises par les titulaires de cette certification : Acquérir des bases solides en programmation Python en maîtrisant la syntaxe élémentaire, les types de données, les expressions, les variables et les opérations sur les chaînes de caractères. Appliquer la logique de programmation Python en utilisant des structures de données, des instructions conditionnelles, des boucles, des fonctions, la gestion des exceptions, ainsi que des objets et des classes. Démontrer une maîtrise de l'utilisation de bibliothèques Python telles que Pandas et NumPy, ainsi que du développement de code via Jupyter Notebooks. Accéder à des données en ligne et les extraire en interagissant avec des API REST (via la bibliothèque requests) et en effectuant du web scraping avec BeautifulSoup.

Ce que les titulaires de cette certification sont capables de faire : Décrire en quoi consiste une méthodologie de science des données et expliquer pourquoi les data scientists en ont besoin. Appliquer les six étapes de la méthodologie CRISP-DM (Cross-Industry Process for Data Mining) pour analyser une étude de cas. Déterminer le modèle analytique approprié — parmi les modèles prédictifs, descriptifs et de classification — pour analyser une étude de cas. Identifier les sources de données adaptées à votre méthodologie d'analyse en science des données.

Ce que les titulaires de cette certification sont capables de faire : Décrire la boîte à outils du Data Scientist, incluant : bibliothèques et packages, jeux de données, modèles de machine learning et outils de Big Data Utiliser des langages couramment employés par les data scientists, tels que Python, R et SQL Démontrer une connaissance pratique d'outils comme les notebooks Jupyter et RStudio, et en exploiter les diverses fonctionnalités Créer et gérer du code source pour la data science à l'aide de dépôts Git et de GitHub.