AS300 — AI Platform Engineer
Cursus intensif de 399 heures pour maîtriser Red Hat OpenShift AI (RHOAI), le déploiement de modèles LLM/ML, les pipelines MLOps/LLMOps et les applications GenAI en production.
399 heures (57 jours)
57 jours ouvrés
Red Hat Certified Specialist in AI/ML (EX267)
11 janvier 2027
→ 31 mars 2027
7 490 € TTC
TVA 20% incluse
Présentation du cursus
Le cursus AS300 — AI Platform Engineer est une formation intensive de 399 heures pour maîtriser le déploiement et l’opération de plateformes IA en production sur Red Hat OpenShift AI (RHOAI).
Philosophie : Partir des bases OpenShift pour aller jusqu’au déploiement et à l’opération de plateformes IA en production, en s’appuyant sur Red Hat OpenShift AI.
Ce cursus couvre 8 cours officiels Red Hat (dont AI267 et AI296 spécifiques IA), une phase de préparation à la certification, un projet final de 105 heures sur un cas d’usage GenAI complet, et une soutenance devant jury.
Première promotion : Janvier–Mars 2027 (57 jours ouvrés, 11/01/2027 → 31/03/2027).
Objectifs de la formation
Compétences Opérationnelles Visées
Maîtriser la chaîne complète de l'IA d'entreprise sur Kubernetes : déploiement de modèles, pipelines MLOps, LLMOps et sécurité des infrastructures IA.
À l’issue du cursus AS300, vous serez capable de :
- Maîtriser Red Hat OpenShift AI (RHOAI) pour le déploiement de modèles IA/ML en production
- Déployer et servir des modèles génératifs (LLM via vLLM) et prédictifs (OpenVINO) sur OpenShift
- Construire des pipelines de données et de modèles (MLOps/LLMOps) avec Kubeflow Pipelines
- Concevoir et déployer des applications GenAI (RAG, agents, guardrails) avec Llama Stack
- Monitorer des modèles IA avec TrustyAI (équité, fiabilité, dérive)
- Entraîner et fine-tuner des LLMs avec Red Hat Enterprise Linux AI (RHEL AI) et InstructLab
- Obtenir la certification Red Hat EX267 (Red Hat Certified Specialist in AI/ML)
Public visé
Ce cursus s’adresse aux profils non-professionnels de l’informatique souhaitant se spécialiser en IA :
- Candidats souhaitant se spécialiser dans l’ingénierie de plateforme IA
- Ingénieurs et scientifiques d’autres domaines visant une reconversion tech
- Professionnels IT avec base OpenShift souhaitant acquérir des compétences IA
- Data Engineers ou ML Engineers souhaitant opérer des plateformes IA sur Kubernetes
- DevOps/Platform Engineers souhaitant intégrer l’IA dans leurs pipelines
Prérequis
Pour intégrer l’AS300, vous devez :
- Aisance opérationnelle en ligne de commande Linux : navigation, fichiers et permissions, utilisateurs, processus, édition avec vim/nano et utilisation de
sudo - Notions élémentaires sur les conteneurs : l’apprentissage complet d’OpenShift est intégré au cursus
- Avoir des notions de base en réseau : TCP/IP, DNS, HTTP
Versions logicielles & Écosystème
Ce cursus est aligné sur la release interne 2026.08-3 d’Aperta Scientia, synchronisée avec les dernières versions de Red Hat OpenShift AI et les composants de pointe de l’écosystème open source GenAI :
| Cours / Module | Intitulé officiel | Version logicielle cible | Rôle dans l'architecture |
|---|---|---|---|
| DO188 | Podman & Containers | Podman v5.2+ | Socle conteneurs et runtimes GPU |
| DO180 / DO280 | OpenShift Admin I & II | RHOCP v4.22 / v4.18+ | Infrastructure Kubernetes d'entreprise |
| DO288 | OpenShift Development | RHOCP Pipelines & GitOps | Automatisation des déploiements applicatifs |
| AI267 | Red Hat OpenShift AI (RHOAI) | RHOAI v3.3 (GA) | Model serving vLLM, pipelines MLOps, JupyterLab |
| AI296 | GenAI Fundamentals & InstructLab | InstructLab v0.22+ / RHEL AI 1.3+ | Alignement de modèles et IBM Granite 3.0 |
| KServe / vLLM | Model Serving Engine | vLLM v0.8+ / KServe v0.14+ | Inférence LLM avec PagedAttention & multi-GPU |
| Vector Stack | RAG & Embeddings | Milvus v2.5+ / ChromaDB v0.6+ | Indexation vectorielle et pipelines RAG |
| TrustyAI | AI Governance & Safety | TrustyAI v1.32+ | Guardrails, métriques d'équité et explicabilité |
Programme détaillé
Programme Intensif — 399 Heures / 57 Jours
Une formation d'élite combinant socle OpenShift d'entreprise, modules avancés RHOAI & GenAI, et un projet fil rouge d'ingénierie de 105 heures.
Structure globale — 399 heures / 57 jours
| # | Cours | Intitulé du module | Jours | Heures |
|---|---|---|---|---|
| 00 | BOOTCAMP | Bootcamp RHLS + Linux fondamentaux | 2 j | 14 h |
| 01 | DO188 | Podman & Containers | 3 j | 21 h |
| 02 | DO180 | Kubernetes & OpenShift Basics | 5 j | 35 h |
| 03 | DO280 | OpenShift Administration I | 5 j | 35 h |
| 04 | DO380 | OpenShift Administration II | 5 j | 35 h |
| 05 | DO288 | OpenShift Development | 5 j | 35 h |
| 06 | DO322 | OpenShift Installation Lab | 2 j | 14 h |
| 07 | AI267 | Red Hat OpenShift AI (RHOAI) | 5 j | 35 h |
| 08 | AI296 | GenAI Fundamentals + Granite + RHEL AI | 3 j | 21 h |
| 09 | PREP | Préparation intensive à la certification EX267 | 5 j | 35 h |
| 10 | EXAM | Passage certification officielle Red Hat EX267 | 1 j | 7 h |
| 11 | PROJET | Projet pratique d'ingénierie IA & MLOps en équipe | 15 j | 105 h |
| 12 | JURY | Soutenance devant jury de professionnels | 1 j | 7 h |
| Total cursus | 57 jours | 399 heures | ||
Phase Red Hat (8 cours)
231h (58%)
Bootcamp, prépa & jury
63h (16%)
Projet d'ingénierie
105h (26%)
Ratio Cours / Projet
74 / 26
Module 0 — Bootcamp RHLS & Fondamentaux Linux (14h / 2 jours)
RHLS & Fondamentaux Linux
🎯 Objectif pédagogique
Naviguer dans le système de fichiers Linux, éditer des fichiers et prendre en main l'environnement de formation Red Hat (RHLS).
📚 Programme détaillé par chapitre
- Pt.1 Prise en main de la plateforme RHLS
- Pt.2 Ligne de commande Linux (navigation, manipulation)
- Pt.3 Édition de texte (vim/nano)
- Pt.4 Gestion des utilisateurs, privilèges (`sudo`) et permissions
Module 1 — DO188 : Podman & Containers (21h / 3 jours)
Podman & Containers
🎯 Objectif pédagogique
Construire, exécuter et gérer des conteneurs isolés avec Podman, et assurer la persistance des données.
📚 Programme détaillé par chapitre
- Ch.1 Introduction et vue d'ensemble des conteneurs
- Ch.2 Bases de Podman : gérer et exécuter des conteneurs
- Ch.3 Images de conteneurs : naviguer dans les registres
- Ch.4 Images personnalisées : construire avec Containerfile
- Ch.5 Persistance des données : conteneurs de bases de données
- Ch.6 Dépannage des conteneurs : journaux et débogueur distant
- Ch.7 Applications multi-conteneurs avec Podman Compose
- Ch.8 Orchestration K8s/OpenShift
- Ch.9 Révision complète (Compreview)
Module 2 — DO180 : Kubernetes & OpenShift Basics (35h / 5 jours)
Kubernetes & OpenShift Basics
🎯 Objectif pédagogique
Déployer, gérer et dépanner des applications conteneurisées sur un cluster OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 Introduction à Kubernetes et OpenShift : identifier les services principaux et surveiller
- Ch.2 CLI et APIs : accéder à OpenShift et interroger les ressources API
- Ch.3 Conteneurs et pods : exécuter et dépanner des apps en tant que pods
- Ch.4 Applications managées et en réseau : déployer et exposer au réseau
- Ch.5 Stockage et configuration : volumes persistants et gestion des secrets
- Ch.6 Fiabilité : haute disponibilité avec liveness/readiness probes
- Ch.7 Mises à jour applicatives : updates reproductibles et rollbacks
- Ch.8 Révision complète (Compreview)
Module 3 — DO280 : OpenShift Administration I (35h / 5 jours)
OpenShift Administration I
🎯 Objectif pédagogique
Configurer et administrer les composants vitaux d'un cluster OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 Gestion déclarative des ressources (YAML/Kustomize)
- Ch.2 Applications packagées (Helm)
- Ch.3 Authentification et autorisation (RBAC/HTPasswd)
- Ch.4 Sécurité réseau (NetworkPolicies)
- Ch.5 Exposition d'applications non-HTTP/SNI
- Ch.6 Self-service développeur par équipe
- Ch.7 Gestion des opérateurs (OLM)
- Ch.8 Sécurité applicative (SCC)
- Ch.9 Mises à jour du cluster
- Ch.10 Révision complète (Compreview)
Module 4 — DO380 : OpenShift Administration II (35h / 5 jours)
OpenShift Administration II
🎯 Objectif pédagogique
Automatiser les opérations "Jour 2" et configurer le monitoring.
📚 Programme détaillé par chapitre
- Ch.1 Identity Management (LDAP/OIDC)
- Ch.2 Sauvegarde et restauration (OADP)
- Ch.3 Pod Scheduling
- Ch.4 OpenShift GitOps (ArgoCD)
- Ch.5 Supervision OpenShift (Prometheus/Grafana)
- Ch.6 Journalisation (Logging stack)
- Ch.7 Partitionnement du cluster
- Ch.8 Révision complète (Compreview)
Module 5 — DO288 : OpenShift Development (35h / 5 jours)
OpenShift Development
🎯 Objectif pédagogique
Concevoir, construire et déployer des applications cloud-natives sur OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 OpenShift pour les développeurs : architecture et environnement
- Ch.2 Déploiement d'applications simples
- Ch.3 Construction et publication d'images de conteneurs
- Ch.4 Gestion des builds OpenShift
- Ch.5 Stratégies de déploiement et monitoring de la santé
- Ch.6 Applications multi-conteneurs (Templates, Helm, Kustomize)
- Ch.7 Déploiement continu avec OpenShift Pipelines (Tekton)
- Ch.8 Comprehensive Review
Module 6 — DO322 : OpenShift Installation Lab (14h / 2 jours)
OpenShift Installation Lab
🎯 Objectif pédagogique
Planifier et exécuter l'installation automatisée d'un cluster OpenShift complet.
📚 Programme détaillé par chapitre
- Pt.1 Installation IPI et UPI, sur cloud provider et environnement virtualisé, validation post-installation
Module 7 — AI267 : Red Hat OpenShift AI — RHOAI (35h / 5 jours)
Red Hat OpenShift AI — RHOAI
🎯 Objectif pédagogique
Déployer des environnements IA, construire des pipelines de données et servir des modèles MLOps/LLMOps.
📚 Programme détaillé par chapitre
- Ch.1 Introduction à RHOAI : plateforme de construction, déploiement et surveillance de modèles IA
- Ch.2 Workbenches Jupyter : créer et gérer des environnements de développement IA/ML
- Ch.3 Fondamentaux du service de modèles (KServe) : modes de déploiement, routes, ressources
- Ch.4 Service de modèles génératifs (LLM via vLLM) et prédictifs (OpenVINO)
- Ch.5 Supervision des modèles avec TrustyAI : fiabilité, équité, métriques de dérive
- Ch.6 Introduction aux pipelines de Data Science (Kubeflow) : automatiser les workflows IA/ML
- Ch.7 Développement avancé de pipelines Kubeflow : composants conteneurisés, artefacts, expérimentations
- Ch.8 Sélection, optimisation et évaluation de LLMs : catalogue RHOAI, Red Hat AI repository
- Ch.9 Construction d'applications GenAI : RAG, agents, Llama Stack
Module 8 — AI296 : GenAI Fundamentals + Granite + RHEL AI (21h / 3 jours)
L'IA Générative et l'Alignement Open Source
GenAI Fundamentals + Granite + RHEL AI
🎯 Objectif pédagogique
Entraîner, optimiser et évaluer des modèles de langage (LLMs) à l'aide des outils Red Hat.
📚 Programme détaillé par chapitre
- Ch.1 Fondamentaux de l'IA Générative : cas d'usage, limites, modèles de fondation, stratégies d'adaptation
- Ch.2 Modèles Granite pour l'entreprise : positionnement, évaluation de l'adéquation aux cas d'usage
- Ch.3 Entraînement de LLMs avec Red Hat Enterprise Linux AI (RHEL AI) : InstructLab, fine-tuning, génération de données synthétiques
- Ch.4 Déploiement de modèles avec RHEL AI : vLLM comme runtime d'inférence, release de modèles
Module 9 — Préparation à la certification (35h / 5 jours)
Préparation à la certification Red Hat EX267
🎯 Objectif pédagogique
Consolider les acquis techniques et se préparer aux conditions réelles de passage de l'examen officiel Red Hat EX267 (Red Hat Certified Specialist in AI/ML).
📚 Programme détaillé par chapitre
- Pt.1 Révisions intensives ciblées sur les objectifs de l'examen EX267 (RHOAI, Model Serving, Pipelines)
- Pt.2 Ateliers pratiques de troubleshooting et remédiation d'incidents IA sous pression
- Pt.3 Examens blancs en temps limité avec contraintes réelles (sans accès internet externe)
- Pt.4 Débriefing individuel et renforcement personnalisé sur les points de fragilité
Module 10 — Passage certifications (7h / 1 jour)
Passage de l'examen officiel Red Hat EX267
🎯 Objectif pédagogique
Valider officiellement les compétences acquises en obtenant la certification Red Hat Certified Specialist in AI/ML (EX267).
Module 11 — Projet final (105h / 15 jours)
Projet Pratique d'Ingénierie IA & Rituels Agiles
Mise en pratique en conditions réelles : cadrage d'architecture IA, déploiement OpenShift AI, pipelines MLOps/LLMOps et soutenance devant jury.
Projet pratique d'ingénierie IA & MLOps en équipe
🎯 Objectif pédagogique
Concevoir, déployer, sécuriser et exploiter une plateforme IA/ML complète sur OpenShift AI (RHOAI) hébergeant des pipelines MLOps, du serving de LLM (vLLM) et des applications RAG intelligentes.
📚 Déroulement par phase & sprints
- J1–J3 Setup & Cadrage : Constitution des équipes, initialisation GitOps, provisioning OpenShift, déploiement RHOAI & outillage
- J4–J6 Sprint 1 : Ingestion/préparation des données, entraînement/fine-tuning (Workbenches) et pipelines Kubeflow
- J7–J9 Sprint 2 : Model Serving (vLLM, OpenVINO, KServe), intégration applicative (RAG, Agents) et chaîne d'inférence
- J10–J11 Sprint 3 : Monitoring IA (TrustyAI), garde-fous éthiques, observabilité et sécurisation des endpoints
- J12–J14 Finalisation : Livrables documentaires, Code Freeze et dry-run des soutenances orales
- J15 Préparation finale : Répétitions et alignement final avant passage devant le jury
Module 12 — Jury & Validation (7h / 1 jour par groupe)
Soutenance devant jury de professionnels
🎯 Objectif pédagogique
Démontrer l'acquisition globale des compétences d'ingénierie de plateforme IA lors d'une soutenance professionnelle en conditions réelles.
📚 Déroulement de la soutenance
- Phase 1 Présentation de l'architecture IA, des choix techniques et des pipelines MLOps
- Phase 2 Démonstration live fonctionnelle : inférence temps réel, modèle fine-tuné et garde-fous TrustyAI
- Phase 3 Session approfondie de Questions / Réponses avec le jury d'experts
- Phase 4 Délibération du jury, débriefing collectif et communication des résultats
Certification
Certification Red Hat Officielle
Passage de l'examen officiel 100% pratique sur environnement sécurisé (EX267) inclus dans le cursus.
Certification visée :
- 🎖️ EX267 — Red Hat Certified Specialist in AI/ML (examen officiel Red Hat, 100% pratique)
Modalité de passage :
- Examen individuel surveillé à distance (Remote Exam) ou en centre d’examen agréé
- Durée : selon barème officiel Red Hat
- Inclus dans le parcours : 1 passage d’examen (voucher officiel) + 1 tentative de rattrapage (retake)
Compétences validées par la certification :
- Déploiement et administration d’OpenShift AI (RHOAI)
- Gestion des accélérateurs matériels (GPU NVIDIA/AMD) et des profils de ressources
- Configuration de serveurs de modèles serverless (KServe, ModelMesh, vLLM)
- Orchestration de pipelines de machine learning reproductibles (Data Science Pipelines / Kubeflow)
- Mise en œuvre de garde-fous éthiques et explicabilité des modèles (TrustyAI)
Financement & Prise en charge
Tarif 2027 de la formation : 7 490 € TTC
Le cursus est proposé au tarif 2027 unique de 7 490 € TTC (TVA 20% incluse). Chaque situation étant spécifique (financement personnel, plan de développement des compétences, prise en charge OPCO), contactez notre équipe pour étudier les modalités de financement et obtenir une convention sous 48h.
Nos cursus sont éligibles à l’ensemble des leviers de financement de la formation professionnelle :
1. Plan de développement des compétences (Entreprises)
- Destiné aux salariés en poste souhaitant monter en compétences ou se reconvertir vers l’ingénierie de plateforme OpenShift.
- Financement direct par l’entreprise ou co-financement avec l’OPCO de branche.
- Convention de formation délivrée avec programme détaillé et back-to-back Red Hat Training.
2. Prise en charge OPCO & Subrogation
- Prise en charge totale ou partielle par votre Opérateur de Compétences (Atlas, Akto, etc.) selon les barèmes de votre secteur d’activité.
- Possibilité de subrogation de paiement direct auprès de l’organisme de formation pour éviter toute avance de trésorerie.
3. Financement individuel & Autofinancement
- Devis adapté aux candidats finançant leur formation à titre individuel.
- Modalités de règlement échelonné sans frais supplémentaires.
💡 Accompagnement sur mesure : Notre équipe administrative vous accompagne gratuitement de bout en bout dans le montage de votre dossier de financement, la rédaction de la convention et l’échange avec votre financeur.
Calendrier détaillé (Promotion Janvier–Mars 2027)
Promotion Printemps 2027
Période officielle : 11 janvier 2027 → 31 mars 2027 (57 jours ouvrés / 399 heures). Jours fériés pris en compte (Lundi de Pâques 29/03/2027).
| Semaine | Dates | Programme & Modules | Jours |
|---|---|---|---|
| Sem. 01 | 11–15 janv. | Bootcamp RHLS (2j) + DO188 Podman & Containers (3j) | 5 j |
| Sem. 02 | 18–22 janv. | DO180 : Kubernetes & OpenShift Basics (5j) | 5 j |
| Sem. 03 | 25–29 janv. | DO280 : OpenShift Administration I (5j) | 5 j |
| Sem. 04 | 01–05 févr. | DO380 : OpenShift Administration II (5j) | 5 j |
| Sem. 05 | 08–12 févr. | DO288 : OpenShift Development (5j) | 5 j |
| Sem. 06 | 15–19 févr. | DO322 : Installation Lab (2j) + AI267 : OpenShift AI (J1–J3) | 5 j |
| Sem. 07 | 22–26 févr. | AI267 : OpenShift AI (J4–J5) + AI296 : GenAI & InstructLab (3j) | 5 j |
| Sem. 08 | 01–05 mars | Préparation intensive à la certification Red Hat EX267 (5j) | 5 j |
| Sem. 09 | 08–12 mars | Passage examen EX267 (1j) + Lancement Projet MLOps (J1–J4) | 5 j |
| Sem. 10 | 15–19 mars | Projet d'ingénierie IA en équipe : Sprints 1 & 2 (J5–J9) | 5 j |
| Sem. 11 | 22–26 mars | Projet d'ingénierie IA en équipe : Sprint 3 & Finalisation (J10–J14) | 5 j |
| Sem. 12 | 30–31 mars | Soutenance officielle devant jury de professionnels (2j) | 2 j |
| Total durée promotion | 57 jours ouvrés (399h) | ||
⏱️ Horaires et rythme de formation
Horaires : 9h30–12h30 / 13h30–17h30 (7 heures effectives par jour). Formation 100% distancielle synchrone animée par un instructeur certifié Red Hat.
Technologies & Versions Cibles
Technologies officielles enseignées dans la version 2026.08-3 du cursus.
Red Hat OpenShift AI (RHOAI)
v3.3 / v2.25+Plateforme d'entreprise IA/ML complète & Llama Stack Operator (AI267)
vLLM
v0.8+ / v0.7+Moteur d'inférence LLM haute performance & PagedAttention
InstructLab
v0.22+Méthode LAB & fine-tuning open source de LLMs (AI296)
RHEL AI & Granite Models
Granite 3.0/3.1 & RHEL AI 1.3+Modèles fondation d'entreprise et environnement serveur d'inférence
KServe & ModelMesh
v0.14+Serving serverless multi-modèles et autoscaling GPU
OpenVINO Model Server
v2025.1+Accélération matérielle et optimisation CPU/GPU/NPU
Kubeflow Pipelines
v2.4+Orchestration reproductible des workflows de données et de modèles
LangChain & LlamaIndex
LangChain v0.3+ / LlamaIndex v0.12+Frameworks d'orchestration d'agents IA et pipelines RAG avancés
Bases Vectorielles
Milvus 2.5+ / Chroma 0.6+ / pgvectorStockage et recherche sémantique haute performance
TrustyAI
v1.32+Explicabilité, détection des biais et garde-fous éthiques IA
PyTorch
v2.6+ / v2.5+Framework de Deep Learning standard pour l'entraînement et l'inférence
Informations pratiques & Modalités
Objectifs de la formation
Détaillés dans le programme pédagogique ci-dessus.
Prérequis
- ✓ Aisance opérationnelle en ligne de commande Linux : navigation, fichiers et permissions, utilisateurs, processus, édition avec vim/nano et utilisation de sudo
- ✓ Notions élémentaires sur les conteneurs (l'apprentissage complet d'OpenShift est intégré au cursus)
- ✓ Notions de base en réseau : TCP/IP, DNS, HTTP
Public visé
- → Personnes souhaitant devenir ingénieur de plateforme IA
- → Ingénieurs et scientifiques d'autres domaines visant une reconversion tech
- → Professionnels IT avec base OpenShift souhaitant acquérir des compétences IA/ML
- → Data Engineers ou ML Engineers souhaitant opérer des plateformes IA sur Kubernetes
- → DevOps/Platform Engineers souhaitant intégrer l'IA dans leurs pipelines
Durée et calendrier
Durée : 399 heures (57 jours)
Structure : 57 jours ouvrés consécutifs (hors fériés)
Format : Distanciel — 7h effectives par jour (classe virtuelle synchrone et labs pratiques RHLS)
Démarrage : 11 janvier 2027
Modalités et délais d'accès
Formation en distanciel (classe virtuelle interactive et labs pratiques). Inscription par formulaire de contact ou directement par email à [email protected]. Entretien de positionnement préalable pour validation des prérequis.
Délai d'accès : sous 4 semaines après validation du dossier et des prérequis. Dates d'ouverture de promotion communiquées sur le site et par email.
Tarif 2027 et financements
Tarif 2027 : 7 490 € TTC
TVA 20% incluse
Financements éligibles : OPCO, plan de développement des compétences, transition professionnelle, financement individuel ou entreprise. Nous contacter
Méthodes pédagogiques et évaluation
Méthodes mobilisées
Pédagogie active et itérative : alternance théorie → pratique immédiate sur labs cloud RHLS. Cas d'usage Data Science de bout en bout sur notebooks Jupyter. Ateliers d'ingénierie de prompt, fine-tuning sur jeux de données réduits, déploiement de pipelines MLOps/LLMOps. Projet final en équipe avec rituels agiles.
Modalités d'évaluation
Évaluation continue : Guided Exercises (GE), quiz Compreview en fin de module, exécution réussie de pipelines d'inférence. Évaluation finale : examen officiel Red Hat EX267 (Red Hat Certified Specialist in AI/ML) 100% pratique, puis soutenance de projet devant jury de professionnels.
Accessibilité & Handicap (PSH)
Référent handicap : à désigner (en cours de recrutement)
Aperta Scientia s'engage à rendre ses formations accessibles aux personnes en situation de handicap (PSH). Contactez-nous avant l'inscription pour que nous puissions étudier ensemble les aménagements nécessaires (supports adaptés, temps supplémentaire, accompagnement spécifique).
Référent handicap : [email protected]
Indicateurs de résultats
Taux de satisfaction
Données disponibles à l'issue de la 1re promotion
Taux de réussite
Données disponibles à l'issue de la 1re promotion
Taux d'insertion
Données disponibles à l'issue de la 1re promotion
Les indicateurs de résultats seront publiés à l'issue de la première promotion (janvier–mars 2027).