Formation Data Science Fondamentaux
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
- Découvrir la Data Science et le métier de Data Scientist
- Comprendre les concepts clés de la Data Science
- Savoir utiliser les outils et méthodologies du Data Scientist
- Pouvoir programmer en R ou en Python
- Avoir des connaissances en machine learning
- Gérer l'apprentissage supervisé, semi-supervisé et non-supervisé
- Pouvoir intégrer la Data Science dans votre organisation
| Tarif |
A partir de 3 500,00 € |
| Durée | 5 jours |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 3 500,00 € |
| Durée | 5 jours |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
La Data Science est un pan du phénomène Big Data qui traite de l'analyse et de la visualisation des données entreprise pour les rendre exploitables dans une optique décisionnaire. Cette science a également donné lieu à la création d'un nouveau métier, data scientist, qui est en charge du traitement de ces données. Au travers de cette formation apportant les fondamentaux de la data science, vous apprendrez les principes clés ainsi que les méthodes principales de la data science. Vous maîtriserez également les bonnes pratiques de base pour le traitement et la visualisation des données. Grâce à notre formation en Data Science, vous aurez tous les outils pour intégrer la Data Science dans votre organisme !
Programme
Présentation de la Data Science
Big Data: définition, architecture…
La Big Data, quel enjeu pour les entreprises?
Volume, Vélocité, Variété: les 3V
Cas d’usage
Traiter les données: deep learning, analyse statistique…
Le Data Mining contre la Business Intelligence
Nouveaux challenges pour les organisations
Gouvernance des données
Principes, concepts clés de la Data Science
Data Science: présentation, définitions, vocabulaire et terminologie
Le métier de Data Scientist, « métier le plus sexy du XXIème siècle » ?
Data scientist: Rôle, responsabilités, compétences, philosophie
Objectifs et besoins
Processus de Data Science et Data Mining
Outils pour la Data Science
Outils propriétaires et outils open-source
Python et R: les langages pour la Data Science et leur environnement de développement
Notebooks Jupyter
Pandas, Numpy, SciKit-Learn… : les bibliothèques majeures
SQL, NoSQL, MongoDB : les principales bases de données pour la Data Science
Utiliser Excel, Tableau, D3.js ou encore Matplotlib pour visualiser les données
Installation d’outils pour les cas pratiques
Rappels mathématiques
Programmer avec Python et R
Python, R: les langages de la Data Science
Caractéristiques, structure
Opérations basiques, données, assignation de variables
Fonctions, listes, tableaux et packages
Obtenir et explorer les données
Trouver et importer des données
Données publiques, données privées
Entreposer les données (datawarehouse et datalake…)
Installation de bibliothèques et de packages
Pertinence des données: identification des caractéristiques des données
Contrôle de qualité: les bonnes pratiques
Prétraitement des données
De l’importance de nettoyer les données
Exemple d’un ensemble de données non-structurées
Nettoyage et préparation d’ensembles de données
Identification et résolution des valeurs manquantes, des valeurs « aberrantes »
Apache Spark et Apache Hadoop, MapReduce pour le Big Data
L’analyse en composantes principales (ACP, ou PCA pour Principal Component Analysis)
Extraire et sélectionner des features (Feature engineering)
Machine Learning pour analyser et modéliser
Entrées et sorties pour la modélisation d’un problème de Data Science
Machine Learning: capacités
Algorithmes supervisés, non-supervisés, semi-supervisés
Classification, régression d’algorithmes
Machine Learning et intuition
SciKit-Learn, gradDescent, TensorFlow… : les bibliothèques Machine Learning
Text Mining
Gestion des volumes du Big Data
Apprentissage supervisé: les méthodes
Construction d’un modèle de régression linéaire pour estimer les valeurs
Régression non-linéaire, logistique
Interpréter les coefficients de régression
Descente de gradient
Labels de jeux de données: automatisation
Méthodes ensemblistes
Forêts aléatoires, arbres de décision
SVM (machines à vecteurs de support)
Réseaux Bayésiens
Classification naïve bayésienne
Apprentissage semi-supervisé, non-supervisé, clustering
Algorithmes majeurs
Partitionnement en k-moyennes
Regroupement hiérarchique
Clustering basé sur la densité
Réseaux de neurones (Deep Learning)
Modèles d’apprentissage: évaluation et tests
Sur-apprentissage et cross-validation pour l’amélioration des modèles
Maintenance des modèles
Détérioration de la performance des modèles d’apprentissage
Ajustement, validation d’un modèle
Visualisation et restitution des données
Prendre des décisions à partir des données
Visualiser les données: les grands principes
Utiliser Tableau Software ou encore QlikSense pour la datavisualization
Raconter une histoire avec les données avec le Data storytelling
Intégrer la Data Science dans votre organisation
Implémentations dans les processus actuels
Considérer les objectifs et le contexte professionnel pour le choix des outils
Enjeux organisationnels, éthiques et juridiques
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
- Identifier les responsabilités et compétences clés d'un Data Analyst
- Comprendre les méthodes de collecte, de traitement et d'analyse des données
- Connaître les outils et technologies couramment utilisés par les Data Analysts
| Tarif |
A partir de 700,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
- Cette formation fait l'objet d'une évaluation formative.
| Tarif |
Contacter l'organisme |
| Durée |
4 jours (28 heures) |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Créer des flux simples de l'ETL Data Services.
| Tarif |
Contacter l'organisme |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
- Installer et configurer R – R Studio
- Installer et charger un package
- Utiliser R en mode console
- Exécuter et exploiter des scripts simples
- Obtenir de l'aide en ligne, rechercher des commandes permettant de réaliser l'action souhaitée
- Créer et manipuler les objets suivants : vecteurs, facteurs, data frames
- Filtrer un tableau de données
- Importer des données contenues dans un fichier ASCII ou dans une feuille de calcul Excel
- Créer et modifier un graphique simple : boîte à moustaches, nuages de points…
- Mettre en œuvre des analyses statistiques de bases sous R : Analyse descriptive des données, Intervalles de confiance, test de Student, test de Wilcoxon, test du Chi2
| Tarif |
A partir de 4 650,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les enjeux de la partie administration de l'outil d'ETL
- Administrer l'outil Oracle Data Integrator
- Gérer la sécurité.
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- S'approprier les usages de Copilot dans l'environnement Microsoft 365
- Mettre en œuvre les meilleures pratiques pour utiliser Copilot
- Rédiger des prompts efficaces
- Etendre les capacités de Copilot avec des plugins et des connecteurs Graph
| Tarif |
A partir de 800,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
- Comprendre les éléments et concepts fondamentaux du RGPD et interpréter ses exigences
- Comprendre l'objectif, le contenu et la corrélation entre le Règlement général sur la protection des données et d'autres cadres réglementaires et normes applicables, telles que ISO/IEC 27701 et ISO/IEC 29134
- Acquérir une compréhension approfondie des concepts, des approches, des méthodes et des techniques permettant une protection efficace des données à caractère personnel
- Savoir interpréter les exigences relatives à la protection des données dans le contexte particulier d’un organisme
- Acquérir l’expertise nécessaire pour aider un organisme à planifier, mettre en œuvre, gérer, surveiller et maintenir un cadre de conformité en ce qui concerne le RGPD
- Se préparer pour le passage de l'examen de certification RGPD-CDPO, maintenu par PECB
| Tarif |
A partir de 3 500,00 € |
| Durée |
5 jours |
| Modes |
|
Objectifs de la formation
Comprendre la notion de donnée de référence - créer un référentiel - spécifier un modèle de données de référence - créer et maintenir un MDM| Tarif |
A partir de 2 275,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les grandes catégories fonctionnelles de la salle informatique / Data Center
- Reconnaître les missions spécifiques à chacune des fonctions et les principes généraux de leur mise en oeuvre
- Décrire la nature des risques induits par l'existence de la salle informatique et les moyens de de leur gestion spécifique
- Recenser les principales normes et réglementations applicables en phase de conception et en contexte d'exploitation courante.
| Tarif |
Contacter l'organisme |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les enjeux de la Data Science et de l'IA
- Schématiser le cycle d'un projet Data Science
- Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse
- Modéliser un problème de Data Science.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
