PROGRAMME ACCÉLÉRATEUR

L'IA pour les equipes produit

Livrez des fonctionnalites IA en toute confiance — du prototype a la production — sans doctorat.

Joseph Kanon
DIRIGÉ PAR Joseph Kanon
0 INSCRITS
2 months DURÉE
4 MODULES
ENGAGEMENT FINANCIER
616 146 CFA XOF
Durée 2 months
Format Self-paced
Niveau All Levels
RÉSERVER UNE PLACE

À propos de cet accélérateur

Aperçu et objectifs du programme

L'IA n'est plus un projet de recherche — c'est une fonctionnalite produit. Ce programme enseigne aux ingenieurs orientes produit comment evaluer les cas d'usage de l'IA, construire des prototypes avec des LLM, implementer des pipelines RAG, mettre en place des cadres d'evaluation, gerer les couts d'inference et deployer des fonctionnalites IA de maniere responsable. Aucune connaissance approfondie en ML n'est requise — juste des bases solides en ingenierie et un etat d'esprit produit.
Self-paced Format
2 months Duration
4 modules, 17 lessons Content
All Levels Level
Included Certificate

Retours projetés

Compétences opérationnelles à l'issue du programme

Livrer un prototype RAG fonctionnel integre a un cas d'usage produit de votre domaine
Construire un pipeline d'evaluation mesurant en continu la qualite et la derive des sorties IA
Creer un modele de couts prevoyant les depenses d'inference a differentes echelles d'utilisation
Produire une checklist de deploiement IA responsable adaptee au profil de risque de votre produit
Completer une simulation de lancement de fonctionnalite IA de bout en bout couvrant construction
evaluation
deploiement et surveillance

Structure du programme

4 modules · 17 leçons · 13h 40m

Develop the judgment to know when AI is the right tool and when it is not. Learn a structured framework for evaluating AI use cases, scoring their feasibility and impact, and writing AI product specifications that engineering teams can actually build.

When AI Is (and Isn't) the Right Solution APERÇU
AI Use Case Evaluation Framework
Building an AI Product Spec
Use Case Prioritization Exercise

Get hands-on building AI prototypes with large language models. Master prompt engineering for production use, understand RAG pipeline architecture, learn how to choose the right model for your use case, and build a working RAG prototype from scratch.

Prompt Engineering for Production
RAG Pipeline Architecture
Choosing the Right Model
Building Your First RAG Prototype

Learn how to measure and maintain quality in AI features where outputs are non-deterministic. Build evaluation pipelines, design human-in-the-loop review systems, and develop strategies for handling hallucinations and edge cases in production.

Building AI Evaluation Pipelines
Human-in-the-Loop Review Systems
Handling Hallucinations and Edge Cases
Evaluation Framework Lab

Take your AI features from prototype to production. Learn inference cost optimization, production monitoring for AI systems, responsible deployment practices, and bring everything together in an end-to-end AI feature launch simulation.

Inference Cost Optimization
Monitoring AI in Production
Responsible AI Deployment Checklist
AI Feature Launch Simulation
Capstone: AI Feature End-to-End

Livrables

Ressources concrètes que vous créerez

Use Case Prioritization Exercise
Apply the evaluation framework to a set of realistic AI use case proposals. Score each candidate, rank them by expected value, and present your prioritization with clear rationale for what to build first and what to defer or reject.
Building Your First RAG Prototype
Build a complete RAG prototype from scratch in a guided project. Ingest a document corpus, generate embeddings, set up a vector store, implement retrieval logic, wire up a language model for generation, and test the end-to-end pipeline with real queries.
Evaluation Framework Lab
Build a complete evaluation framework for an AI feature. Create a golden dataset, implement automated quality metrics, set up regression tests, design a human review sampling strategy, and configure alerting for quality drift. Submit your framework with documentation.
Capstone: AI Feature End-to-End
Bring together everything from the program in a capstone project. Take an AI use case from evaluation through prototype, build an evaluation framework, create a cost model, prepare a responsible deployment plan, and present your complete AI feature package for peer review.

Le Conseil consultatif

Architectes et mentors du programme

Joseph Kanon

Joseph Kanon

Conditions d'admission

Prérequis pour l'admission

Maitrise d'au moins un langage de programmation backend (Python
JavaScript/TypeScript
C# ou similaire)
Experience de construction et de livraison d'applications web ou d'API en environnement de production
Comprehension de base des API HTTP et du JSON — aucune formation en apprentissage automatique requise