Aperçu
En quoi consiste ce défi.
Vous implémentez un moteur d’inférence par chaînage avant pour décider des vendanges, en codant 12 règles métier traçables. Vous obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment transformer le savoir intuitif d'un œnologue en un ensemble de règles qu'un programme peut appliquer et expliquer pour recommander la date de vendange ?
Earning criteria — what you'll demonstrate
- Représenter un savoir métier sous forme de faits et de règles — cœur du thème « représentation des connaissances »
- Implémenter un raisonnement par chaînage avant (inférence logique)
- Rendre une décision automatique explicable en exposant la chaîne d'inférence
- Identifier les limites et ambiguïtés d'un système à base de règles
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceConcepteur de Produit IA
Traduire le savoir d'un expert humain en règles explicables est exactement le travail d'un concepteur de produit IA qui doit rendre un système intelligent compréhensible et digne de confiance pour ses utilisateurs métier.
Ce défi renforce
- ai-agents
- assumption-analysis
- data-hygiene
AI Engineer
Construire un moteur d'inférence et gérer les conflits de règles donne une expérience concrète des systèmes de représentation des connaissances qu'un ingénieur IA combine ensuite avec des approches d'apprentissage.
Ce défi renforce
- ai-agents
- data-analysis
- assumption-analysis
Analyste de Données
Nettoyer les faits d'entrée, vérifier les unités et documenter les ambiguïtés développe une rigueur d'hygiène des données directement utile à un analyste de données travaillant sur des sources métier bruitées.
Ce défi renforce
- data-hygiene
- data-analysis
- assumption-analysis