Formation Architectures de données (data architecture) pour le Machine Learning et l'Intelligence Artificielle (IA)

  • 3 jours (21 heures)
  • Initiation
  • Présentiel ou classe à distance

Une formation proposée par

Télécharger le programme

Objectifs

A l'issue de cette formation, vous serez capable de :

  • Concevoir une plateforme "Cloud-native" ou hybride pour le Machine Learning et l'Intelligence Artificielle (IA)
  • Consolider les actifs Data de l'organisation Data-driven dans une seule plateforme
  • Démocratiser l'accès aux données et permettre aux équipes métier de produire des modèles de ML (Machine Learning) et d'IA en self-service
  • Automatiser la prise de décision dans l'organisation grâce à des pipelines de streaming
  • Ajouter des fonctionnalités prédictives et prescriptives aux fonctionnalités descriptives de la BI (Business Intelligence).
Les compétences visées par cette formation font l'objet d'une évaluation.

À qui s'adresse cette formation ?

Architectes Data, développeurs, Data Scientists, Data Analysts, ingénieurs Data, chefs de projets, IA Product Managers, consultants BI / Big Data.

Prérequis

Avoir des connaissances en SI (Systèmes d'Information), en bases de données et en entraînement de modèles de Machine Learning et/ou d'Intelligence Artificielle (IA).

Programme

1 Pendant votre formation

Architectures de données (data architecture) pour le Machine Learning et l'Intelligence Artificielle (IA)

Jour 1 - Matin

Fondamentaux des architectures Data

  • Qu'est-ce que le Machine Learning et l'IA ?
  • Similarités et différences entre l'IA et le développement d'applications traditionelles
  • Importance des pipelines Data dans la minimisation du Time-to-Value des produits Data
  • Rappel des principes de DataOps
  • Importance de l'architecture Data dans l'implémentation d'une stratégie DataOps
  • De la BI (Business Intelligence) au Big Data aux Analytiques Métier
  • Architectures Lambda et Kappa
  • Evolution des plateformes architecturales d'analytiques unifiées : Data Warehouse vs Data Lake vs Lakehouse vs Data Mesh

    Concevoir une plateforme d'analytiques moderne

    • Cycle de vie de la Data
    • Gouvernance et sécurité
    • Offres logiciels libres en local (On Premise) : DVC, Python SDK, MLflow, Airflow, Spark, dbt (tiers gratuit vs tiers payant), Delta Lake, Iceberg, Hudi
    • Offres Cloud classiques (Azure, AWS, GCP) et offres multi-Cloud (Databricks, Snowflake, Fivetran, dbt)
    • Avantages et inconvénients des offres locales et des offres Cloud
    • Moderniser les workflows Data

    Exemples de travaux pratiques (à titre indicatif)

    • Démonstration d'outils libres
    • Prise en main de Databricks

    Jour 1 - Après-midi

    Architecture d'un Data Warehouse moderne

    • Spécificités d'un Data Warehouse
    • Variantes architecturales d'un Data Warehouse moderne
    • Etapes d'un projet de Data Warehouse moderne
    • Data Warehouse On-Premise vs sur le Cloud : solutions technologiques et avantages / inconvénients
    • Intégration du Data Warehouse au SI
    • Gouvernance du Data Warehouse
    • Le Data Warehouse au service des Data Scientists

    Exemple de travaux pratiques (à titre indicatif)

    • Déploiement d'un Data Warehouse sur le Cloud et exécution d'analytiques

    Jour 2 - Matin

    Développer la Data team

    • Définir les besoins clés de l'organisation
    • Les DADO (Data-Analytics Driven Organizations)
    • Les DEDO (Data-Engineering Driven Organizations)
    • Les DSDO (Data-Science Driven Organizations)

    Frameworks de migration

    • La migration en quatre étapes :
      • Prepare / discover
      • Assess / plan
      • Execute
      • Optimize
    • Estimation des coûts :
      • Audit de l'existant
      • Devis
      • PoC
      • MVP
    • Mettre en place la sécurité et la gouvernance
    • Schéma, pipeline, migration des données

    Exemple de travaux pratiques (à titre indicatif)

    • Etudes de cas de conception de plateformes analytiques, mettant en oeuvre les principes abordés

    Jour 2 - Après-midi

    Architecture d'un Data Lake

    • Spécificités d'un Data Lake
    • Etapes d'un projet de Data Lake
    • Data Lake On-Premise vs sur le Cloud : solutions technologiques et avantages / inconvénients
    • Intégration du Data Lake au SI (Système d'Information)
    • Zonage et gouvernance du Data Lake
    • Le Data Lake en self-service
    • Importance du catalogue de données
    • Le Data Lake au service des Data Scientists

    Exemple de travaux pratiques (à titre indicatif)

    • Déploiement d'un Data Lake sur le Cloud et exécution d'analytics

    Jour 3 - Matin

    Architecture d'un Lakehouse

    • Spécificités d'un Data Lakehouse : le meilleur de deux mondes
    • Découplage stockage / calcul, propriétés ACID, upserts, Time Travel, dérive de schéma, compaction des fichiers, Z-Ordering, VACUUM
    • Variantes architecturales d'un Lakehouse
    • Etapes d'un projet de Data Lakehouse
    • Offres de Lakehouses sur le Cloud
    • Intégration du Lakehouse au SI
    • Gouvernance du Lakehouse
    • Le Lakehouse au service des Data Scientists

    Exemple de travaux pratiques (à titre indicatif)

    • Déploiement d'un Lakehouse sur le Cloud et exécution d'analytiques BI

    Jour 3 - Après-midi

    Architectures de streaming

    • L'intérêt du streaming
    • Streaming ingest (ETL, ELT, Insert, IoT, Sink)
    • Tableaux de bord en temps réel, live querying
    • Analytiques de traitement de flux de données
    • Apprentissage d'un modèle sur des données en streaming

    Exemple de travaux pratiques (à titre indicatif)

    • Réalisation d'analytiques sur un flux de données

    Perspectives

    • La Data Intelligence, l'IA Générative qui :
      • Gère la gouvernance
      • Enrichit le catalogue de données
      • Permet des requêtes en langage naturel (AI/BI)
      • Optimise l'indexation et les requêtes

    Exemple de travaux pratiques (à titre indicatif)

    • Démonstration avec Databricks Data Intelligence Platform

    Financement

    Plusieurs dispositifs de financement sont accessibles via les OPCO (Opérateurs de Compétences), organismes agréés par le ministère du Travail dont le rôle est d'accompagner, collecter et gérer les contributions des entreprises au titre du financement de la formation professionnelle.
    Pour plus d'information, une équipe de gestionnaires SKOLAE Formation spécialisée vous accompagne dans le choix de vos formations et la gestion administrative.

    Nous contacter pour en savoir plus

    Points forts

    Modalités pédagogiques

    Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance).

    Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).

    Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :

    • Ordinateurs Mac ou PC (sauf pour certains cours de l’offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
    • Environnements de formation installés sur les postes de travail ou en ligne
    • Supports de cours et exercices

    En cas de formation intra sur site externe à M2I, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.

    * nous consulter pour la faisabilité en distanciel

    ** ratio variable selon le cours suivi

    Accessibilité aux personnes en situation de handicap

    Contexte


     Concevez une architecture de données adaptée au machine learning et à l’IA. Formation technique pour data engineers et architectes.

    Dernière mise à jour : 25/09/2026

    Sessions

    Architectures de données (data architecture) pour le Machine Learning et l'Intelligence Artificielle (IA)

    3 jours (21 heures) Réf. IA-ARCML

    à partir de 2 625 € HT

    Repas inclus en présentiel
    Du 7 décembre au 9 décembre 2026 Paris La Défense
    Places disponibles
    S'inscrire

    Ces formations peuvent aussi vous intéresser