Data analyst

Data Value

Non finançable CPF

Tout public

En ligne

Présentiel

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Étudiant

Prix

Nous contacter

Durée

Nous contacter

Localité

En ligne

Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.

En présentiel

Découvrez les localités disponibles pour suivre cette formation en présentiel.

Objectifs

Acquérir des compétences appliquées relatives à l'analyse de données aussi bien quantitatives que qualitatives.

A l'issue de ce cycle de formation Data Analyst, vous saurez résumer l'information pertinente présente dans un fichier de données et en extraire celle utile à la prise de décision.

Programme

Ce cycle de formation Data Analyst est composé des modules suivants :

Statistique descriptive (exploratoire) : savoir décrire des observations
Apprendre à décrire des jeux de données à l'aide de résumés numériques et de représentations graphiques

Statistique décisionnelle (inférentielle) : savoir décider au vu des observations
Découvrir la statistique inférentielle permettant de généraliser à partir d'un échantillon (connaissance partielle d'un phénomène) afin de prendre une décision en sachant évaluer les deux types de risques associés. Maîtrise opérationnelle des notions d'estimation d'un paramètre, d'intervalle de confiance, de tests d'hypothèse, ...

Régression linéaire, logistique et analyse de la variance
Acquérir la connaissance méthodologique et pratique des méthodes de modélisation que sont la régression linéaire, la régression logistique, l'analyse de la variance et de la covariance. Elles permettent d'obtenir une analyse explicative d'un phénomène, de confirmer des hypothèses, de prendre des décisions ou encore d'effectuer des prévisions

Analyse des données : méthodes exploratoires (ACP, AFC, classification)
Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, Classification) afin de mettre en évidence les liaisons entre paramètres, les similitudes et différences entre observations. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants

Analyse des données : méthodes décisionnelles
Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants