Formation Data Scientist

Artefact School of Data

Finançable CPF

Tout public

En ligne

Présentiel

Voir des formations similaires

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Etudiant

Prix

4680 €

Prise en charge CPF

Durée

Bootcamp 10 semaines format hybride

Niveau visé

Niveau BAC + 5

Taux de réussite

99%

Certifications

Datadock Qualiopi

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

Changez de carrière avec notre programme Data Science.

Maîtrisez les compétences fondamentales d'un Data Scientist en quelques semaines :

Collectez
Devenez un maître dans l’extraction des données de diverses sources pour résoudre des problèmes complexes (Bases de données, fichiers, API…)

Analysez
Apprenez à déchiffrer l’histoire que racontent les données, utilisez des techniques avancées pour découvrir des tendances et présentez vos résultats de manière captivante à travers des tableaux de bord automatisés

Modélisez
Passez maître dans l’art de prédire l’avenir en créant des modèles prédictifs et en développant des algorithmes de machine learning et de deep learning pour résoudre des tâches complexes

Automatisez
Mettez vos compétences en pratique en déployant vos modèles dans le cloud, automatisez vos processus de données, et optimisez vos performances pour garantir une efficacité à long terme.

Nous avons défini ces objectifs avec les experts métiers du leader mondial de la data, Artefact. C'est également eux qui vous délivreront leur expertise à travers ce programme de formation exclusivement conçu à partir des problématiques réelles que l'on rencontre chez nos clients.

Durant le bootcamp, vous travaillerez en immersion au sein du cabinet de conseil Artefact, aux côtés des plus grands experts de la data et sur des uses-cases constamment mis à jour en fonction des derniers défis data rencontrés chez nos clients internationaux. 90% de la formation est basé sur la pratique, melant challenge en autonomie et en groupe. Rien de mieux pour devenir un as de la data.

Vous beneficiez également d'un mentor tout le long de la formation. il vous guidera sur vos choix professionnels et, vous aidera pour vos entretiens.

Programme

Module 1 : Data science et Python

Principes de base de la programmation Python et environnement de travail
Structuration des données en Python et manipulation des données avec Pandas
Visualisation des données avec Matplotlib
Statistiques pour la data science
Programmation

Module 2 : Data Management

Introduction au web scraping et à l’utilisation d’API pour la collecte de données
Travailler avec des formats de données structurés et non structurés (par exemple CSV, JSON, XML)
Introduction aux concepts de SQL et des bases de données (ex. normalisation, indexation)
Utiliser des bases de données SQL (par exemple, MySQL, PostgreSQL)

Module 3 : Data analyse

Sourcing des données à partir de fichiers, de web scraping ou d’API
Manipuler les données avec Python, Pandas et Numpy
Interroger/stocker des données avec SQL et Google Big Query
Visualisation avec Jupyter Notebook, Matplotlib, Seaborn et Plotly

Module 4 : Machine learning

Algorithmes d’apprentissage supervisé (classification, régression)
Algorithmes d’apprentissage non supervisé (clustering, réduction de dimension, graphes)
Méthodes ensemblistes (random forest, boosting)
Modèles de recommandation, séries temporelles, détection d’anomalies
Dérouler un projet de machine learning (préparation des données, mesure de performance, optimisation des hyperparamètres, gestion du sur-apprentissage, validation croisée et régularisation)

Module 5 : NLP

Prétraitement des données textuelles (par ex. tokénisation, déformation, lemmatisation)
Bags of words, similarités et vectorisation
Applications NLP (classification de textes, analyse de sentiments, reconnaissance d’entités nommées)

Module 6 : Deep learning

Architectures de réseaux neuronaux (perceptron multicouches, réseaux neuronaux convolutifs, réseaux neuronaux récurrents)
Applications de l’apprentissage profond (vision par ordinateur, traitement du langage naturel, génération)
Techniques avancées d’apprentissage profond (apprentissage par transfert, apprentissage par renforcement, transformers)

Module 7 : Cloud et Big data

Création et utilisation des conteneurs logiciels pour vos applications avec Docker
Orchestrer des conteneurs sur des clusters de serveurs avec Kubernetes et automatiser le déploiement avec Kubeflow
Déploiement dans le cloud de Google Cloud Platform, Amazon Web Services ou Microsoft Azure
Construction des architectures de calcul distribué pour le traitement de volumes massifs de données (Hadoop, Spark)

Module 8 : ML engineering