Module 1: Introduction to Data & AI

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: Application development & Data project management

Fundamentals of CDA certification & Fil Rouge project

Comprendre les prérequis de la certification CDA

Discover the Fil Rouge project objective and methodology

Choisir et démarrer son propre sujet de projet

Introduction to IT project management

Les méthodes modernes de pilotage : Scrum, Kanban

Gestion de projet traditionnelle et organisation d’équipe

Git pour le travail collaboratif

Versionner son code

Work effectively in a team on a single project

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

Module 3: Data analysis in 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

Good design practices and quality criteria

Introduction aux bases de données NoSQL

Discover document and graph-oriented databases

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: Data analysis in Python

NumPy pour le calcul matriciel et statistique

Manipuler des tableaux et matrices

Réaliser des calculs statistiques et scientifiques rapides

Pandas for tabular manipulation

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 Visualization

Types de visualisation

Identify the right graphic for the right purpose (bars, curves, 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

Explore Power BI's advanced features

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

Principles, uses and legal framework of scraping

Cas concrets d’applications dans la Data et la veille

Bases du développement applicatif

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

Identify the elements that can be used on a page

Analyse de pages HTML avec BeautifulSoup

Extraire des informations ciblées

Handling content in preparation for analysis

Scraping automatisé avec Selenium

Navigating and interacting with dynamic pages

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: Application development with Streamlit

Dashboards interactifs avec Streamlit

Construire des applications simples et efficaces en Python

Add filters, graphics and real-time interactions

Introduction to MVC architecture

Understand the basics of the MVC model (Model, View, Controller)

Organiser son code pour plus de clarté et de maintenabilité

Deployment with 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: Generative AI: Fundamentals

Définition & historique de l’IA générative

Understanding the major stages in its evolution

De l’apparition des premiers modèles aux usages actuels

Usages professionnels de l’IA générative

Communication, juridique, marketing, RH, service client

Case studies and productivity gains

Prompt Engineering fundamentals

How to write clear, effective prompts

Exemples simples et bonnes pratiques

Introduction to LLMEngineering safety

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

First reflexes for responsible use

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.