Formation - Cursus Data Analyst
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
- Pendant la formation, le formateur évalue la progression pédagogique des participants via des QCM, des mises en situation et des travaux pratiques. Les participants passent un test de positionnement avant et après la formation pour valider leurs compétences acquises.
| Tarif |
Contacter l'organisme |
| Durée | 12 jours (84 heures) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
Contacter l'organisme |
| Durée | 12 jours (84 heures) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Programme
- Un quiz de consolidation des pré-requis
1 - Big Data – Les fondamentaux de l'analyse de données (3j)
- Objectif : Disposer des connaissances et compétences nécessaires pour identifier et collecter des données et s'assurer de leur qualité et de leur alignement sur les besoins et usages métiers de l'entreprise ou organisation
- Les nouvelles frontières du Big Data (introduction) : immersion, l'approche des 4 Vs, cas d'usages du Big Data, technologies, architecture, master-less vs master-slaves, stockage, Machine Learning, Data Scientist et Big Data, compétences, la vision du Gartner, valeur ajoutée du Big Data
- La collecte des données : typologie des sources, les données non structurées, typologie 3V des sources, les données ouvertes (Open Data), nouveau paradigme de l'ETL à l'ELT, le concept du Data Lake, les API de réseaux sociaux, ...
- Le calcul massivement parallèle : genèse et étapes clés, Hadoop, HDFS, MapReduce, Apache PIG et Apache HIVE, comparatif des 3 approches, limitations de MapReduce, moteur d'exécution Apache TEZ, la rupture Apache SPARK, Hive in Memory (LLAP), Big Deep Learning, ...
- Les nouvelles formes de stockage : enjeux, le "théorème" CAP, nouveaux standards : ACID => BASE, panorama des bases de données NoSQL, bases de données Clé-Valeur, bases de données Document, bases de données colonnes, bases de données Graphes, ...
- Le Big Data Analytics (fondamentaux) : analyse de cas concrets, que peuvent apprendre les machines ?, les différentes expériences (E), l'apprentissage, choisir un algorithme d'apprentissage machine, anatomie d'un modèle d'apprentissage automatique, les librairies de machine learning standards et Deep Learning, les plates-formes de Data Science
- Le Big Data Analytics (écosystème SPARK) : les différents modes de travail, les 3 systèmes de gestion de cluster, modes d'écriture des commandes Spark, machine learning avec Spark , travail sur les variables prédictives, la classification et la régression
- Traitement en flux du Big Data (streaming ) : architectures types de traitement de Streams Big Data, Apache NIFI, Apache KAFKA, articulation NIFI et KAFKA, Apache STORM, articulation KAFKA et STORM, comparatif STORM/SPARK
- Déploiement d'un projet Big Data : Cloud Computing , 5 caractéristiques essentielles, 3 modèles de services, modes (SaaS , PaaS, IaaS), Cloud Privé virtuel (VPC), focus AWS, GCP et Azure
- Hadoop écosystème et distributions : écosystème, fonctions coeurs, HDFS, MapReduce, infrastructure YARN, distributions Hadoop, focus Cloudera, Focus Hortonworks,...
- Architecture de traitement Big Data : traitement de données par lots, traitement de données en flux, modèles d'architecture de traitement de données Big Data, l'heure du choix
- La gouvernance des données Big Data : outils de gouvernance Big Data, les 3 piliers, le management de la qualité des données, le management des métadonnées Big Data, management de la sécurité, de la conformité et la confidentialité
2 - Les bases de l'apprentissage Machine (Machine Learning) (3j)
- Objectif : Maîtriser le Data Mining et le Machine Learning pour explorer de très importants volumes de données et construire des modèles répondant aux problèmes très variés des entreprises du secteur privé et public
- L'apprentissage machine : champs de compétences, focus : Data Science, Machine Learning, Big Data, Deep Learning, définition de l'apprentissage machine, les différents modes d'entraînement
- Les fondamentaux de l'apprentissage machine : préambule, jeux de données d'entraînement, fonctions hypothèses, fonctions de coûts, algorithmes d'optimisations
- La classification : introduction, la régression logistique, SVM, arbres de décision, K plus proches voisins (kNN), synthèse
- Les pratiques : prétraitement, ingénierie des variables prédictives (feature engineering), réglages des hyper-paramètres et évaluation des modèles, synthèse
- L'apprentissage d'ensembles (ensemble learning) : introduction, l'approche par vote, une variante, le bagging, les forêts aléatoires, le boosting, la variante Adaboost, gradient boosting, fiches synthèses
- La régression : régression linéaire simple et multi-variée, relations entre les variables, valeurs aberrantes, évaluation de la performance des modèles de régression, régularisation des modèles de régression linéaire, régression polynomiale, régression avec les forêts aléatoires, synthèse
- Le clustering : introduction, regroupement d'objets par similarité avec les k-moyens, k-means, l'inertie d'un cluster, variante k-means++, clustering flou, clustering hiérarchique, clustering par mesure de densité DBSCAN, autres approches du clustering, synthèse
3 - Big Data : mise en oeuvre pratique d'une solution complète d'analyse des données (4j)
- Objectif : Savoir mettre en oeuvre une solution complète de Big Data en environnement Hadoop et disposer des compétences nécessaires au traitement et à l'analyse des données
- Introduction : objectifs, schématisation du projet, écosystème et stack technologique, résultats attendus
- Ingestion de données massives : description, caractéristiques clés des outils d'ingestion, focus Apache NIFI et KAFKA, ingestion de données en streaming NIFI sur KAFKA, réalisation d'un workflow NIFI d'ingestion de donnée streaming dans HDFS
- Traitement de données Big Data en batch : diagramme de fonctionnement, solutions logicielles associées, Big Data Batch scripting, Data Warehousing Big Data, Big Data analytics
- Traitement avancé Big Data : l'apprentissage machine, l'écosystème Spark, création d'un modèle de ML, d'un modèle de clusterisation de données, d'un modèle d'analyse prédictive supervisé, application d'un modèle ML
- Stockage de données distribuées : principes des bases de donnes distribuées, solutions (NoSQL, NewSQL), création, ingestion de données et interrogation d'une base de données distribuées
- Automatisation de chaîne de traitement Batch : l'orchestrateur Oozie, ordonnancement de scripts HIVE, combinaison avec des scripts SPARK
- Traitement de données massives en flux (streaming) : principe de fonctionnement, solutions logicielles, l'inscription de streams à un Hub Streaming, le traitement avancé de données en flux (machine learning)
- Mise en oeuvre dans une architecture Big Data : approches standards, réalisation d'une solution complète de traitement de données de type Lamda ou Kappa
4 - Big Data - Analyse, Data Visualization et introduction au Data StoryTelling pour la restitution de données (2j)
- Objectif : Être en mesure de concevoir des modèles de documents adaptés aux besoins métiers de l'entreprise ou organisation et savoir mettre en oeuvre différentes techniques de visualisation graphique, de mise en récit et de présentation permettant de valoriser les données
- Data Visualisation ou la découverte de la grammaire graphique : des chiffres aux graphiques, les 3 dimensions, présentation de Tableau Software, de l'idée d'un graphique à sa formalisation dans un outil
- Data Storytelling : présentation, exemples, techniques de la mise en récit des données, Storytelling des idées et des données
- Comment construire son histoire : Pitch, scénario, schéma narratif
- Les outils : fonctions de Storytelling des outils de BI, le module Data Storytelling de Tableau Software, autres outils
- Un vidéocast "L'écosystème Hadoop"
- Deux vidéos-tutos "Installation d'un environnement Hadoop de base" et "Développement d'un premier MapReduce"
Prérequis
- La connaissance du langage SQL est nécessaire pour suivre ce cursus. Il est conseillé d'avoir suivi la formation "Interroger des bases de données avec le langage SQL" (LA300) ou de disposer des connaissances équivalentes
- Disposez-vous des connaissances nécessaires pour suivre cette formation ? Testez-vous !
Public
- Toute personne souhaitant évoluer vers une fonction de Data Analyst
Ces formations pourraient vous intéresser
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir des modèles de documents adaptés aux besoins métiers de l'entreprise
- Mettre en oeuvre différentes techniques de visualisation graphique, de mise en récit et de présentation permettant de valoriser les données.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Dessiner des plans en 2D
- Utiliser les outils de dessins
- Créer et modifier du texte et des cotations
- Créer et personnaliser des calques simple
- Créer et Modifier des blocs et blocs dynamiques avec des attributs
- Organiser vos blocs avec la palette d'outils
- Récupérer des blocs avec Design Center
- Créer votre bibliothèque de blocs dans un dossier ou dans une palette
- Utiliser toutes les méthodes d'annotation
- Filtrer et grouper vos calques
- Utiliser les échelles d’annotations
- Gérer vos impressions
- Modifier vos SCU
- Créer des contraintes
- Gérer vos références externes
- Installer et désinstaller des lisps
| Tarif |
A partir de 3 840,00 € |
| Durée |
10j / 70h |
| Modes |
|
Formation Cisco Software-Defined Access (SDA) : Implémentation et dépannage
Proposé par PLB CONSULTANTObjectifs de la formation
À l'issue de cette formation Cisco Software-Defined Access (SDA), vous aurez acquis les connaissances et compétences nécessaires pour :
- Discuss the Cisco Software-Defined Access solution and describe the solution components and architecture
- Understand the functions and role of Cisco DNA Center and Cisco ISE, in particular their integration
- Understand Cisco’s Intent-Based Networking solution, in particular DNA Automation and Assurance
- Deploy a network segmentation policy using Cisco Software-Defined Access solutions, namely Cisco TrustSec
- Deploy a Cisco Software-Defined Access solution and connect it to external domains such as data centers and remote/branch offices using IP, Cisco Software- Defined Access and SD-WAN transits
- Deploy Cisco Software-Defined Access wireless in both traditional OTT and fabric operational modes
- Troubleshoot a Cisco Software-Defined Access solution using appropriate CLI and DNA Center tools
| Tarif |
A partir de 3 900,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Découvrir et utiliser la puissance prédictive des modèles ensemblistes
- Savoir effectuer un "feature engineering" performant
- Appréhender les techniques de text-mining et de deep-learning à travers d'exemples concrets
- Enrichir ses outils de data scientist
| Tarif |
A partir de 2 500,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Comprendre le fonctionnement de la data science et de l'intelligence artificielle.
- Connaître les contraintes légales et éthiques de l'intelligence artificielle.
- Maîtriser la démarche d'innovation d'un projet d'intelligence artificielle.
- Maîtriser la démarche de développement agile d'une application d'intelligence artificielle.
| Tarif |
A partir de 4 500,00 € |
| Durée |
7 jours (49 heures) |
| Modes |
|
Objectifs de la formation
- Expliquer les principes et concepts fondamentaux de l'agilité
- Comparer les méthodes agiles et traditionnelles
- Décrire l'écosystème agile
- Identifier les bénéfices et les limitations des méthodes agiles
- Appliquer les 8 grands principes de l'Agile Project Management
- Comprendre le cycle de vie d'un projet agile et les phases associées
- Maîtriser les rôles, responsabilités et techniques de communication au sein d'un projet agile
- Planifier et estimer les travaux dans un projet agile
| Tarif |
A partir de 2 250,00 € |
| Durée |
3 jours |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation ONTAP 9.x Cluster Administration, vous aurez acquis les connaissances et compétences nécessaires pour :
- Décrire comment ONTAP 9 s’intègre au Cloud NetApp et à la stratégie Data Fabric
- Identifier les configurations supportées par ONTAP
- Créer un Cluster
- Administrer les administrateurs ONTAP
- Configurer et administrer les ressources de stockage
- Configurer et administrer les ressources réseau
- Créer un rôle de Machine de Stockage Virtuelle (SVM)
- Créer et administrer les volumes FlexVol
- Implémenter des fonctionnalités d’efficacité de stockage
- Créer des serveurs protocoles dans une SVM
- Mettre à niveau et revenir à des patchs et versions d’ONTAP
| Tarif |
A partir de 2 970,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation Designing Cisco Data Center Infrastructure vous aurez acquis les connaissances et les compétences nécessaires pour :
- Faire des choix de conception pour optimiser les performances de l'infrastructure du centre de données, la virtualisation, la sécurité et l'automatisation
- Maîtriser les connaissances pratiques et théoriques nécessaires pour concevoir un centre de données évolutif, fiable et intelligent basé sur les technologies Cisco
- Se qualifier pour des postes de niveau professionnel dans le domaine très demandé des environnements de centres de données d'entreprise
- Décrire les options et les protocoles de transfert de la couche 2 et de la couche 3 utilisés dans un centre de données
- Décrire les options de conception des racks, les modèles de trafic et l'accès, l'agrégation et le noyau de la couche de commutation du centre de données
- Décrire la technologie Cisco Overlay Transport Virtualization (OTV) qui est utilisée pour interconnecter les centres de données
- Décrire le protocole de séparation Locator/ID
- Concevoir une solution qui utilise le réseau local extensible virtuel (VXLAN) pour le transfert du trafic
- Décrire les options de redondance matérielle ; comment virtualiser le réseau, les fonctions de calcul et de stockage ; et la mise en réseau virtuelle dans le centre de données
- Décrire les solutions qui utilisent des extensions de fabric et comparer Cisco Adapter Fabric Extender (FEX) avec la virtualisation entrée/sortie à racine unique (SR-IOV : single root input/output virtualization)
- Décrire les menaces et les solutions de sécurité dans le centre de données
- Décrire les technologies avancées de sécurité des centres de données et les best practices
- Décrire la gestion et l'orchestration des appareils dans le centre de données
- Décrire les options de stockage pour la fonction de calcul et les différents niveaux de RAID (Redundant Array of Independent Disks) du point de vue de la haute disponibilité et des performances
- Décrire les concepts, les topologies, l'architecture et les termes de l'industrie Fibre Channel
- Décrire Fibre Channel over Ethernet (FCoE)
- Décrire les options de sécurité dans le réseau de stockage
- Décrire les options de gestion et d'automatisation de l'infrastructure de réseau de stockage
- Décrire les serveurs UCS Cisco et les cas d'utilisation pour diverses plateformes UCS Cisco
- Expliquer les options de connectivité pour les interconnexions en tissu pour les connexions vers le sud et vers le nord
- Décrire la solution hyperconvergente et les systèmes intégrés
- Décrire les paramètres de l'ensemble du système pour la mise en place d'un domaine UCS Cisco
- Décrire le contrôle d'accès basé sur les rôles (RBAC : role-based access control) et l'intégration avec les serveurs d'annuaire pour contrôler les droits d'accès sur Cisco UCS Manager
- Décrire les pools qui peuvent être utilisés dans les profils de service ou les modèles de profils de service sur Cisco UCS Manager
- Décrire les différentes politiques dans le profil de service
- Décrire les politiques d'interface Ethernet et Fibre Channel et les technologies réseau supplémentaires
- Décrire les avantages des modèles et la différence entre les modèles initiaux et les modèles mis à jour
- Décrire les outils d'automatisation des centres de données
| Tarif |
A partir de 4 140,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Gérer la relation clients / fournisseurs
- Gérer les ressources humaines
- Organiser les activités de l'entreprise
- Gérer les risques
- Organiser et gérer la communication au sein de l'entreprise
- Gérer et participer à l'élaboration des budgets et au reporting
- Analyser la situation financière et économique de l'entreprise
| Tarif |
A partir de 1 390,00 € |
| Durée |
14j / 98h |
| Modes |
|
Objectifs de la formation
- Comprendre ce qu’est l’IA, la data, et être en mesure d’interagir avec confiance avec les équipes data d’une organisation
- Définir les principes fondamentaux du machine learning et leur pertinence pour le secteur de la vente
- Appliquer des techniques de data science (régression, web scraping, feature engineering...) pour améliorer les processus commerciaux
- Concevoir et mettre en œuvre des stratégies de vente efficaces en utilisant l'IA générative et ChatGPT pour des tâches telles que la prospection, la préparation de rendez-vous et la rédaction de propositions de vente
- Évaluer l'efficacité des applications GenAI dans les processus de vente et identifier les améliorations possibles
| Tarif |
A partir de 1 800,00 € |
| Durée |
2 jours |
| Modes |
|
