Formation Big Data, Data Science et Machine Learning : concepts et enjeux pour l’entreprise
Notre formation Big Data, Data Science et Machine Learning vous permettra de développer une vue d’ensemble des concepts clés autour de la donnée. Au cours d’une journée, vous découvrirez leurs enjeux pour la société et les entreprises, la manière dont les données peuvent être exploitées ainsi que les solutions existantes pour y parvenir. Via des discussions, des démonstrations et une mise en pratique, vous serez ensuite capable de débattre et d’approfondir ces sujets, ainsi que d’appréhender la mise en œuvre de projets data en entreprise.
Proposé par
Sparks
Objectifs pédagogiques
- Comprendre et différencier les concepts présentés : Big Data, Data Science, Machine Learning, etc
- Comprendre les apports et enjeux des concepts évoqués
- Connaître les types de solutions techniques et méthodologiques possibles pour une application de ces concepts en entreprise
- Appréhender la mise en œuvre d'un projet Data Science
Programme de la formation
Introduction : l’explosion de la donnée
L’importance de l’information dans l’évolution du numérique
Les moyens permettant de gérer le patrimoine informationnel (briques fonctionnelles et techniques)
Introduction au Big Data : définition, origine, évolution, grands usages
Définitions et comparaison des grandes notions technologiques
Les systèmes de gestion de données d’hier et d’aujourd’hui peuvent-ils collaborer ?
L’avenir possible de toutes solutions et pratiques
Big Data, Data Science et Machine Learning
Contribuer à l’évolution de l’entreprise avec le Big Data
Les solutions existantes pour le Big Data en entreprise
Comprendre et différencier l’analyse statistiques, la Data Science et le Data Mining
Comprendre et différencier le Machine Learning et Deep Learning
Vocabulaire et technologies liés à ces différents domaines
Enjeux et perspective d’avenir pour tous ces concepts
Exemples de cas pratiques : Débats sur les enjeux des différents sujets présentés, démonstration et/ou test d’outils.
Data science : comprendre la mise en œuvre d’un projet par la pratique
Les phases et intervenants pour un projet de Data Science
Intégration d’un projet de Data Science dans les divers processus en entreprise
Approches méthodologiques (CRISP-DM, itération, …)
Conseils et retours d’expériences pour un projet Data Science réussi
Démonstration et mise en pratique sur un jeu de données via une solution accessible de tous
Exemples de cas pratiques : récupération de tweets au sujet d’une entreprise, nettoyage de données en text-mining, stockage de données, etc.
Proposé par
Sparks
"Tout l'IT, vraiment tout"
Proposé par
Sparks
