Un ingénieur en apprentissage automatique conçoit, crée et met en production des modèles de ML pour résoudre les défis commerciaux à l'aide des technologies Google Cloud et de sa connaissance des modèles et des techniques éprouvés de ML. L'ingénieur ML maîtrise tous les aspects de l'architecture de modèle, de l'interaction du pipeline de données et de l'interprétation des métriques et doit être familiarisé avec le développement d'applications, la gestion de l'infrastructure, l'ingénierie des données et la sécurité.

La certification Professional Machine Learning Engineer valide la capacité à :
- Comprendre un brief et le transformer en problématique de ML ;
- Imaginer et mettre en place une architecture de solutions ML ;
- Préparer et traiter les données ;
- Développer des modèles ML ;
- Automatisez et orchestrez les pipelines ;
- Surveiller, optimiser et maintenir les solutions.

‍Source : Google Cloud

La certification Google Analytics Individual Qualification valide, entre autres, les sujets suivants :
- Planification et principes ;
- Intégration et collecte de données ;
- Configuration et administration ;
- Conversion et attribution ;
- Rapports, statistiques et dimensions.

‍Source : Skillshop

- Apprentissage supervisé : algorithmes paramétriques / non paramétriques, support vector machines, noyaux, réseaux de neurones ;
- Apprentissage non supervisé : clustering, réduction de dimension, systèmes de recommandation, deeplearning ;
- Les bonnes pratiques en apprentissage automatique : théorie biais / variance, processus d'innovation en IA.

Le cours s'appuie sur de nombreuses études de cas : construction de robots intelligents (perception, contrôle), compréhension de texte (recherche sur le Web, anti-spam), à la vision par ordinateur, informatique médicale, audio, extraction de base de données et autres domaines.

‍Source : Stanford

L'ingénieur GM possède les compétences techniques et opérationnelles lui permettant de mener des projets de modélisation mathématique, depuis la formalisation du problème posé jusqu'à sa résolution numérique et la valorisation de la solution développée.
- Mathématiques appliquées ;
- Sciences des données ;
- Modélisation aléatoire et statistique ;
- Optimisation et recherche opérationnelle ;
- Informatique scientifique.

‍Source : INSA

Ce diplôme assure une formation à l'interface de trois disciplines : Biologie, Informatique et Mathématiques.
- Conception et développement de Bases de Données et de sites web en biologie, santé, agronomie ou environnement
- Conception et développement d'algorithmes et de logiciels de bio-informatique
- Analyse de données biomédicales
- Gestion de plates-formes en bio-informatique

‍Source : BIBS Université Paris-Saclay