Manager public data analyst avec Python

Les bases du langage Python:

Introduction à Python
Les différents environnements de développement
Les structures, propriétés et fonctions spéciales
La Programmation Orientée Objet (POO)
La bibliothèque standard de Python


Python : langage avancé:

Algorithmes et complexité
Principaux modules et fonctions
Lecture et écriture des données
Filtrage, sélection, transformation, calcul, agrégation, jointure, sorties simples
Manipulation des librairies NumPy et Matplotlib


Les librairies NumPy et Matplotlib:

Spécificités de la programmation scientifique et analyse statistique
Présentation de NumPy et Matplotlib
Structure des données dans les librairies
L'indexing, le slicing, l'iterating
Les structures et les propriétés sous NumPy et Matplotlib
Les fonctions spéciales


Machine Learning en Python grâce à Scikit-learn:

Modélisation linéaire et prévision
Extraction et prétraitement des caractéristiques
Réduction de la dimensionnalité avec l'Analyse des Composants Principaux (PCA)
Analyse de régression linéaire, multilinéaire, polynomiale, logistique et régularisation
Classification supervisée avec Scikit-learn
Classification non supervisée et régression avec les arbres de décision


Maîtrise de Scikit-learn:

Analyse en composantes principales
Analyse régressive
K-means clustering
Train/Test et validation croisée
Méthodes bayésiennes
Arbres de décision et forêts aléatoires
Régression multivariée
Modèles multiniveaux
Support des Machines Vectorielles (SVM)
Apprentissage par renforcement


Algorithmique pour la Data Science:

Algorithmes et complexité
Principaux algorithmes de machine learning
Parallélisation, sérialisation
Puzzles algorithmiques
Algorithmes probabilistes
Algorithmes supervisés et non supervisés
Clustering pour les recommandations
Deep Learning pour les recommandations
Machine Learning avec des algorithmes accélér
Obtenez le pack “Développez vos compétences” avec ces 5 étapes :
-Bilan de compétences optimisé pour déterminer vos acquis maintenant vers vos prochains objectifs.
-Formation personnalisée.
-Cas pratiques avec une communauté d'entraides.
-Certification reconnue par l'Etat.
-Continuez à évoluer après la formation avec un suivi grâce à l'Intelligence Artificielle.