Cette formation est éligible au CPF
Zone géographique de la formation
Département(s) disponible(s)
Objectifs de la formation
Être Data Scientist nécessite une formation rigoureuse et détaillée dans le but de maitriser les différents aspects qui font de ce métier "le plus sexy du XXIè siècle" (Harvard Business Review ). Dès lors, chez DataScientest, nous avons travaillé main dans la main avec les plus grandes entreprises et groupes français pour mettre au point une formation adaptée au monde professionnel d'aujourd'hui. Informations pratiques: - Pendant tout le long de votre formation, lors de vos séances en E-learning un support en live chat est disponible pour répondre à vos questions d'ordre technique ou pédagogique - Nos professeurs sont également concépteur du programme : rien ne leur est inconnu - Chaque module est ponctué par une ou plusieurs Masterclass en présentiel ou visio-conférence - Des séances de coaching personnel sont disponibles chaque semaine pour les apprenants - Chaque module nécessite un examen, corrigé à la main, pour validation - Un projet fil-rouge, que vous allez devoir établir à partir de rien, représente environ 1/3 du temps alloué à votre formation : chaque semaine un point sera fait avec votre responsable de cohorte pour gérer l'avancement et la bonne compréhension des méthodes à mettre en pratique Quelques compétences acquise à l'issue de la formation: - Étudier les données de l'entreprise qui permettront de définir celles qui seront extraites et traitées - Récupérer et analyser des données pertinentes liées au processus de production de l'entreprise, à la vente ou encore liées aux données clients - Élaborer des modèles prédictifs afin d'anticiper l'évolution des données et tendances relatives à l'activité de l'entreprise - Modéliser des résultats d'analyse des données pour les rendre lisibles et exploitables par les managers
Programme de la formation
Divisé en 8 blocs, le cursus de Data Scientist, accessible en format intensif de 11 semaines ou continu de 9 mois, saura apporter toutes les connaissances et compétences nécessaires au métier sous-jacent. 1. Introduction à Python - Fondamentaux - NumPy - Pandas 2. Data Visualisation - Matplotlib - Seaborn - Bokeh 3. Machine Learning Supervisé - Scikit learn - machine à vecteur de support (SVM) - classification avancée 4. Machine Learning Non-supervisé - Clustering - Régression - Réduction de dimension 5. Machine Learning Avancé - Statsmodel - Text mining - NetworkX 6. Big Data / Database - SQL - Pyspark - Appro Pymongo 7. Deep Learning - Keras - Tensorflow 2.0 - NLP 8. Système Complexe & IA - Reinforcement learning - Deep reinforcement learning + Le projet fil-rouge