Formation · Windsurf · Data science & machine learning

Windsurf pour les data scientists et ML engineers

Développer avec l’IDE IA Windsurf et son agent Cascade : flows, memories, rules, workflows et usage sécurisé en équipe.

Durée
2 jours (14 h)
Format
En ligne ou en présentiel
Langue
Allemand ou anglais
Participants
sessions ouvertes ou intra-entreprise
Attestation
Attestation de participation

Présentation

« Windsurf pour les data scientists et ML engineers » s’adresse notamment aux profils suivants : Data scientists en directions métier et équipes analytiques, ML engineers responsables de l’entraînement et du déploiement et Data analysts qui se lancent en Python et en machine learning. Elle montre pas à pas comment utiliser Windsurf de manière productive, sûre et traçable dans le domaine Data science & machine learning – des bases aux workflows avancés.

Windsurf est un environnement de développement dopé à l’IA, articulé autour de son agent Cascade. Cascade comprend la structure de votre projet, suit vos actions dans l’éditeur et le terminal, et collabore avec vous selon le principe des flows : vous et l’agent avancez à tour de rôle sur la même tâche, sans devoir réexpliquer sans cesse le contexte. En deux jours, vous apprenez à exploiter Cascade pour développer des fonctionnalités, corriger des bugs et refactorer, et à tirer parti de la complétion intelligente au quotidien.

Pour garantir des résultats cohérents en équipe, vous pilotez Cascade avec des rules globales et propres à l’espace de travail, capitalisez la connaissance du projet grâce aux memories et automatisez les tâches récurrentes avec des workflows lancés par commande slash. Vous connectez des outils externes via MCP, encadrez l’exécution des commandes du terminal et décidez des données accessibles à Cascade. Enfin, vous définissez des règles de revue, de sécurité et de protection des données pour un usage responsable de Windsurf en entreprise.

La data science et le machine learning reposent sur des allers-retours rapides entre exploration, modélisation et mise en production. Une grande partie du temps passe dans la préparation des données avec pandas ou Polars, le feature engineering, la visualisation, les expériences d’hyperparamètres et, enfin, la transformation de notebooks en pipelines maintenables. Les assistants et agents de codage IA accélèrent chacune de ces étapes : code d’exploration et de visualisation, stratégies de validation, refactoring de notebooks en modules Python testés, scripts d’entraînement scikit-learn ou PyTorch, suivi d’expériences avec MLflow. La rigueur méthodologique reste toutefois indispensable, car un code d’apparence plausible peut masquer une fuite de données ou des métriques trompeuses. Vous apprendrez à utiliser l’IA efficacement tout en garantissant la qualité statistique de vos résultats.

La formation se déroule en direct – en ligne dans une classe virtuelle ou en présentiel dans nos salles à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart et Kaiserslautern. Nous pouvons également l’organiser en intra pour votre équipe.

À qui s’adresse cette formation ?

  • Data scientists en directions métier et équipes analytiques
  • ML engineers responsables de l’entraînement et du déploiement
  • Data analysts qui se lancent en Python et en machine learning
  • Chercheurs et développeurs aux flux de travail centrés sur les notebooks
  • Équipes MLOps exploitant des modèles en production

Les défis concrets que nous traitons

  • Des notebooks touffus, difficiles à reproduire et à industrialiser
  • Une préparation des données et un feature engineering chronophages
  • Des erreurs méthodologiques : fuite de données, métriques inadaptées, validation biaisée
  • Un manque de traçabilité des expériences, des modèles et des versions de données

Objectifs pédagogiques

  • Vous travaillez efficacement avec Cascade en mode flow pour développer, déboguer et refactorer.
  • Vous pilotez précisément le contexte de Windsurf tout en protégeant les contenus sensibles.
  • Vous entretenez des memories et des rules qui font respecter vos conventions de projet.
  • Vous automatisez les procédures récurrentes avec des workflows et connectez des outils externes via MCP.
  • Accélérer exploration, feature engineering et modélisation avec des assistants IA sans renoncer à la rigueur méthodologique.
  • Transformer, avec des agents IA, le code des notebooks en pipelines ML testés et reproductibles.
  • Repérer les erreurs typiques du code ML généré, comme les fuites de données ou les métriques inadaptées, et les corriger de manière ciblée.

Programme

Jour 1

Module 1 Découvrir Windsurf et Cascade
  • Installation, import des réglages d’éditeur existants et configuration de base
  • Cascade en mode code et en mode chat : quand l’agent modifie, quand il conseille
  • Le principe des flows : comment Cascade intègre vos actions dans l’éditeur et le terminal
  • Complétion intelligente et commandes en ligne au quotidien
Module 2 Piloter le contexte
  • Comprendre l’indexation du code et référencer fichiers ou répertoires pertinents
  • Intégrer documentation, sources web et sorties du terminal au contexte
  • Exclure les contenus sensibles grâce aux fichiers d’exclusion
  • Structurer les sessions et repartir de zéro lors d’un changement de sujet
Module 3 Memories et rules pour des résultats cohérents
  • Vérifier et entretenir les memories générées automatiquement ou créées manuellement
  • Créer et versionner des rules globales et d’espace de travail
  • Traduire consignes d’architecture, de style et de tests en rules efficaces
  • Activer les rules de façon ciblée selon les fichiers ou le contexte
Module 4 Workflows et automatisation
  • Définir les procédures récurrentes en workflows lancés par commande slash
  • Construire des workflows pour la préparation des releases, les tests ou la maintenance
  • Connecter des serveurs MCP pour les tickets, les bases de données ou les services internes
  • Encadrer l’exécution des commandes du terminal avec des listes d’autorisation et d’interdiction

Jour 2

Module 5 Qualité, revue et gouvernance
  • Suivre les modifications de Cascade, les accepter en partie ou les annuler
  • S’appuyer sur une approche pilotée par les tests et sur les aperçus pour vérifier
  • Paramètres d’équipe, options de confidentialité et gestion des secrets
  • Définir processus de revue et responsabilités pour le code généré par IA
Module 6 Atelier pratique : Data science & machine learning
  • Analyse exploratoire des données
  • Des notebooks aux pipelines
  • Entraînement et validation des modèles
  • Suivi d’expériences et MLOps
  • Expliquer et auditer les modèles
  • Évaluer des prototypes LLM et RAG
Module 7 Protection des données, qualité & mise en pratique
  • Les données d’entraînement et d’analyse contiennent souvent des informations personnelles : utilisez dans les prompts des schémas, des agrégats ou des données synthétiques et respectez les principes du RGPD comme la limitation des finalités. Pour les systèmes à haut risque, l’AI Act européen impose des exigences de qualité des données, de documentation et de transparence ; les licences des jeux de données, modèles pré-entraînés et paquets Python sont également à vérifier.
  • Règles du jeu pour un usage sûr de l’IA en équipe
  • Vérifier les résultats : faits, sources, tests et principe des quatre yeux
  • Plan d’action personnel pour les 30 prochains jours
  • Questions ouvertes, perspectives et ressources pour aller plus loin

Cas pratiques de votre domaine

Analyse exploratoire des données

L’assistant génère le code de profilage, de distributions, de corrélations et de valeurs manquantes avec pandas ou Polars, produit des visualisations parlantes et synthétise les anomalies sous forme d’hypothèses de modélisation.

Des notebooks aux pipelines

L’agent refactorise le code des notebooks en modules Python avec fonctions, configuration et tests pytest, supprime les états cachés et rend l’entraînement comme l’inférence reproductibles.

Entraînement et validation des modèles

L’IA construit des pipelines scikit-learn ou des boucles d’entraînement PyTorch avec validation croisée rigoureuse, métriques adaptées et modèles de référence, et signale activement les risques de fuite de données ou de déséquilibre des classes.

Suivi d’expériences et MLOps

L’assistant configure MLflow ou un outil équivalent pour les paramètres, métriques et artefacts, versionne les modèles et crée des workflows d’entraînement et de déploiement intégrés à la CI/CD.

Expliquer et auditer les modèles

Avec SHAP, l’importance par permutation ou les partial dependence plots, l’IA produit des explications des décisions du modèle ainsi que des analyses d’équité et de robustesse sur les sous-groupes pertinents.

Évaluer des prototypes LLM et RAG

L’IA aide à constituer des jeux d’évaluation, des métriques de notation automatisées et des expériences comparatives entre variantes de prompts, modèles d’embedding ou stratégies de recherche.

Projets pratiques possibles

Prédiction d’attrition expliquée

Un projet complet, de la préparation des données à un modèle de gradient boosting, jusqu’à une petite application Streamlit affichant prédictions et explications SHAP.

Script de surveillance de modèle

Un script qui compare dans le temps les distributions des données et des prédictions, détecte les dérives et génère un rapport synthétique illustré.

Banc d’évaluation pour un chatbot RAG

Un dispositif de test avec jeu de questions, réponses de référence et notation automatique, qui compare plusieurs configurations de recherche et de prompts.

Prérequis

Vous programmez régulièrement dans au moins un langage et connaissez Git ainsi qu’un IDE moderne. Une bonne maîtrise de Python, une pratique de pandas ou Polars et de scikit-learn, ainsi que des bases en statistiques et en machine learning.

Prérequis techniques

Ordinateur portable personnel avec l’éditeur Windsurf, Git et votre chaîne d’outils habituelle ; un compte Windsurf donnant accès à Cascade est nécessaire.

Protection des données & conformité

Les données d’entraînement et d’analyse contiennent souvent des informations personnelles : utilisez dans les prompts des schémas, des agrégats ou des données synthétiques et respectez les principes du RGPD comme la limitation des finalités. Pour les systèmes à haut risque, l’AI Act européen impose des exigences de qualité des données, de documentation et de transparence ; les licences des jeux de données, modèles pré-entraînés et paquets Python sont également à vérifier.

Dates proposées

Toutes les dates sont indicatives – votre date souhaitée est toujours possible.

  • jeu. 26 novembre 2026 – ven. 27 novembre 2026 En ligne Demander
  • mar. 8 décembre 2026 – mer. 9 décembre 2026 Berlin Demander
  • mer. 16 décembre 2026 – jeu. 17 décembre 2026 En ligne Demander
  • mar. 12 janvier 2027 – mer. 13 janvier 2027 En ligne Demander
  • mar. 19 janvier 2027 – mer. 20 janvier 2027 Hanovre Demander
  • jeu. 4 février 2027 – ven. 5 février 2027 En ligne Demander

Questions fréquentes

Que désigne la notion de flows dans Windsurf ?

Les flows désignent la collaboration étroite entre vous et Cascade. L’agent observe ce que vous faites dans l’éditeur et le terminal et en tient compte pour ses étapes suivantes. Vous n’avez donc pas à rappeler sans cesse où vous en êtes, et vous passez naturellement du travail en propre à la délégation à l’agent.

Quelle différence entre memories, rules et workflows ?

Les memories conservent les connaissances que Cascade a accumulées en travaillant ou que vous avez enregistrées explicitement. Les rules sont des consignes que vous rédigez et qui orientent durablement le comportement de l’agent. Les workflows sont des enchaînements d’étapes réutilisables pour les tâches récurrentes, lancés par commande slash. Ensemble, ils assurent la cohérence des résultats en équipe.

Windsurf fonctionne-t-il avec mes projets et langages actuels ?

Oui. Windsurf est indépendant du langage et s’appuie sur votre chaîne d’outils existante : outils de build, gestionnaires de paquets, frameworks de test. Back-end, front-end, traitement de données ou infrastructure as code : l’essentiel est de fournir à Cascade de bonnes rules et un contexte clair. Chaque déclinaison de la formation apporte l’ancrage propre à votre domaine.

Peut-on faire confiance à l’IA sur les questions statistiques ?

Les assistants IA connaissent très bien les méthodes courantes, mais commettent parfois des erreurs méthodologiques, par exemple dans la séparation des données d’entraînement et de test ou le choix des métriques. Vous apprendrez à interroger explicitement l’IA sur ses hypothèses et les risques, à confronter les résultats à des références et contrôles de cohérence, et à garder la responsabilité scientifique.

Le codage assisté par IA fonctionne-t-il dans Jupyter ?

Oui. De nombreux assistants prennent en charge les notebooks, et les agents savent aussi les lire, les exécuter et les convertir en modules. Nous montrons dans quels cas les notebooks sont idéaux pour l’exploration et comment passer efficacement, avec l’aide de l’IA, à un code versionné et testé.

Combien coûte la formation « Windsurf pour les data scientists et ML engineers » ?

La formation coûte 949 € HT forfaitaires par participant – en ligne comme en présentiel. Sont inclus 2 jour(s) de formation avec un formateur en direct, les supports de cours, un environnement d’exercice et une attestation de participation.

Puis-je proposer ma propre date ?

Oui. Nos dates sont indicatives. Dans le formulaire, vous pouvez à tout moment indiquer librement la date ou la période souhaitée – nous vérifions les disponibilités et confirmons sous un jour ouvré.

La formation a-t-elle lieu en ligne ou en présentiel ?

Les deux sont possibles : en direct dans une classe virtuelle ou en présentiel à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart ou Kaiserslautern. Nous pouvons aussi l’organiser en intra pour votre équipe.

Autres formations pour les data scientists et ML engineers

Autres formations Windsurf

Les 32 formations Windsurf

Windsurf · MunichWindsurf · SalzbourgWindsurf · BerlinWindsurf · AugsbourgWindsurf · HanovreWindsurf · BrêmeWindsurf · StuttgartWindsurf · KaiserslauternWindsurf · En ligne