Module 1 : Introduction à la Data & à l’IA

Panorama de la data et de ses usages (analyse, IA, Big Data)

Panorama des métiers de la Data et focus sur le rôle du Data Analyst

Découverte des outils essentiels (Excel, SQL, Python, Tableau/Power BI)

Python, le langage du Data Analyst

Présentation de Python et de son écosystème Data

Remise à niveau sur les bases du langage (variables, boucles, fonctions, librairies)

Premiers exercices pratiques d’analyse simple

Objectif : acquérir une vision claire du métier de Data Analyst et poser les bases techniques en Python pour explorer, traiter et valoriser des données.

Module 2 : Développement applicatif & Suivi de projet Data

Fondements de la certification CDA & projet Fil Rouge

Comprendre les prérequis de la certification CDA

Découvrir l’objectif et la méthodologie du projet Fil Rouge

Choisir et démarrer son propre sujet de projet

Introduction à la gestion de projet informatique

Les méthodes modernes de pilotage : Scrum, Kanban

Gestion de projet traditionnelle et organisation d’équipe

Git pour le travail collaboratif

Versionner son code

Travailler efficacement en équipe sur un même projet

Objectif : apprendre à développer, structurer et gérer un projet Data de manière professionnelle, tout en adoptant les bonnes pratiques de collaboration.

Module 3 : Analyse de données en SQL

Introduction à SQL et aux bases de données

Requêtes essentielles : sélection, jointures, agrégations

Extraire et analyser rapidement des informations pertinentes

Conception d’un SGBD

Création et lecture d’un diagramme UML

Bonnes pratiques de conception et critères de qualité

Introduction aux bases de données NoSQL

Découverte des bases documentaires et orientées graphes

Comprendre les nouveaux usages des données non structurées

Objectif : maîtriser les bases de SQL pour analyser efficacement les données et découvrir l’univers des bases relationnelles et NoSQL.

Module 4 : Analyse de données en Python

NumPy pour le calcul matriciel et statistique

Manipuler des tableaux et matrices

Réaliser des calculs statistiques et scientifiques rapides

Pandas pour la manipulation tabulaire

Créer, nettoyer et transformer des DataFrames

Analyser et préparer des données pour l’exploration

Objectif : apprendre à exploiter Python et ses librairies incontournables pour manipuler et analyser des données de manière professionnelle.

Module 5 : Data Visualisation

Types de visualisation

Identifier le bon graphique selon l’objectif (barres, courbes, heatmaps, etc.)

Comprendre l’impact du visuel sur l’interprétation des données

Matplotlib & Seaborn pour Python

Créer des visualisations statiques simples et avancées

Explorer les corrélations et tendances avec des graphiques adaptés

Visualisations interactives avec Power BI

Construire des dashboards interactifs pour l’analyse métier

Explorer les fonctionnalités avancées de Power BI

Tableau comme alternative

Découverte de Tableau Software

Comparatif avec Power BI pour des cas concrets d’entreprise

Objectif : maîtriser la visualisation des données et savoir présenter des résultats clairs et impactants avec Python et des outils BI.

Module 6 : Web Scrapping

Introduction au Web Scraping

Principes, usages et cadre légal du scraping

Cas concrets d’applications dans la Data et la veille

Bases du développement applicatif

Comprendre la structure des pages web (HTML, CSS, JavaScript)

Identifier les éléments exploitables dans une page

Analyse de pages HTML avec BeautifulSoup

Extraire des informations ciblées

Manipuler le contenu pour préparer l’analyse

Scraping automatisé avec Selenium

Naviguer et interagir avec des pages dynamiques

Créer des scripts pour collecter des données en continu

Objectif : savoir extraire et traiter des données issues du web grâce à des techniques de scraping performantes et sécurisées.

Module 7 : Développement applicatif avec Streamlit

Dashboards interactifs avec Streamlit

Construire des applications simples et efficaces en Python

Ajouter des filtres, graphiques et interactions en temps réel

Introduction à l’architecture MVC

Comprendre les bases du modèle MVC (Model, View, Controller)

Organiser son code pour plus de clarté et de maintenabilité

Déploiement avec Docker

Introduction à la conteneurisation

Déployer facilement vos applications Streamlit sur différents environnements

Objectif : savoir concevoir, structurer et déployer des applications Data interactives et professionnelles.

Module 8 : IA Générative : Fondamentaux

Définition & historique de l’IA générative

Comprendre les grandes étapes de son évolution

De l’apparition des premiers modèles aux usages actuels

Usages professionnels de l’IA générative

Communication, juridique, marketing, RH, service client

Études de cas concrets et gains de productivité

Fondamentaux du Prompt Engineering

Comment rédiger des prompts clairs et efficaces

Exemples simples et bonnes pratiques

Introduction à la sécurité des LLMEngineering

Comprendre les limites et risques (hallucinations, biais, fuite de données)

Premiers réflexes pour un usage responsable

Objectif : acquérir une vision claire de l’IA générative, de ses usages professionnels et des bonnes pratiques pour en tirer le meilleur en toute sécurité.