Bootcamp
Bootcamp Data Science Full Stack
4.9/5
5/5
Acquérez les compétences clés pour les métiers de Data Scientist, Data Engineer et Data Analyst !
Objectifs pédagogiques
Le Bootcamp Data Science Full Stack de 400 heures est conçu pour former les participants aux compétences clés pour les métiers de Data Scientist, Data Engineer et Data Analyst, y compris l’acquisition de connaissances théoriques indispensables, l’analyse et la visualisation de données, ainsi que la mise en production de projets de données avec l’entraînement de modèles de machine learning et de deep learning.
- Compétences pour les métiers de Data Scientist, Data Engineer, Data Analyst : Acquérir les connaissances théoriques indispensables pour ces métiers.
- Analyse et visualisation de données : Apprendre à analyser, visualiser et explorer les données pour découvrir des insights.
- Mise en production des projets de données : Apprendre à mettre en production des projets de données avec l’entraînement de modèles de machine learning et de deep learning.
Modalités et moyens pédagogiques
Notre méthode pédagogique combine des apports théoriques, des exemples concrets et des cas pratiques avec l’expertise de nos formateurs pour offrir une formation complète et engageante, qu’elle soit dispensée en visioconférence ou en présentiel.
Dans le cadre de notre Bootcamp Data Science Full Stack, nous personnalisons le parcours de formation en fonction des besoins de chaque participant. Des évaluations régulières sont prévues pour mesurer les progrès et une évaluation finale pour évaluer les connaissances acquises. Combinaison d’apports théoriques, d’exemples réels et de cas pratiques. Formation animée par des consultants et des formateurs expérimentés ayant une expertise dans leurs domaines.
Niveau requis
- Connaissances Mathématiques de base Niveau Bac +4 / Bac+5 : diplômé(e) de l’enseignement en informatique ou filières scientifiques, ingénieurs, université.
- Connaissance de base en programmation : les participants doivent être familiarisés avec au moins un langage de programmation tel que Python ou Java.
- Connaissance des bases de données relationnelles et SQL.
- Connaissance en système d’exploitation Linux et lignes de commandes.
Public concerné
- Marketing Analysts
- Chef de projets
- Développeurs
- Analyste de données
- Ingénieur en analyse de données
- Consultant en analyse de données
- Développeur de solutions de données
- Architecte SI
- Responsable du département informatique (DSI)
- Toute personne intéressée par les enjeux du Big Data, de la data science et de l’IA
Programme détaillé
Module 1 – Les fondamentaux de la data
- Kit de survie. Maitriser les outils indispensables : Github, Jupyter Notebook, PyCharm…
- Python pour la Data Science. Manipulation des librairies python : Pandas, Matplotlib, NumPy, SciPy.
- Les fondamentaux mathématiques. Développer les acquis théoriques fondamentaux en algèbre linéaire, statistiques et probabilités.
Module 2 – Data Analysis
- Data analysis et Data Cleaning. Apprendre à utiliser Github, lancer des requêtes SQL, utiliser une API.
- Data Visualization. Apprendre à utiliser les principales librairies de data viz comme Bokeh, Seaborn ou encore Plotly.
- Data Exploration. Explorer vos données en python afin d’en extraire les principaux insights.
Module 3 – Data Engineering
- Manipulation d’API. Apprendre à développer et manipuler vos propres API.
- Mise en production d’ un projet Data. Découvrez les notions de dockerisation, clusters kubernetes.
- Cloud. Maîtriser les solutions cloud d’Amazon AWS et Google Cloud. Apprendre à monitorer l’activité de vos serveurs.
Module 4 – Machine Learning
- Apprentissage supervisé / Non supervisé. Explorer ces différentes méthodes d’apprentissages grâce à la librairie Scikit-Learn : SVM, kNN, PCA, Random Forest.
- Généralisation des modèles. Apprendre à choisir les bonnes méthodes de régularisation.
- Natural Language Processing. Développer les acquis techniques en gestion de données textes : NLTK, SpaCy…
Module 5 – Big Data Engineering
- Écosystème Hadoop. Pouvoir comprendre l’architecture des applicatifs Hadoop et savoir quels sont les apports et les cas d’usage des solutions Hadoop.
- Bases de données SQL/NoSQL. Apprendre à manipuler les bases de données SQL et NoSQL : MongoDB, ElasticSearch, Neo4J.
- Data Streaming. Apprendre à créer un Data Streaming Pipeline et à maîtriser l’utilisation de Kafka.
Module 6 – Deep Learning & IA
- Réseaux de neurones. Apprendre à construire et entraîner vos premiers réseaux de neurones.
- Computer Vision. Entraîner vos modèles de détections et de classifications d’images à et déployer vos premières applications.
- Deep Reinforcement Learning et Recurrent Neural Networks. Apprendre à entraîner vos premiers agents ainsi qu’à évaluer un modèle RNN.
Module 7 – Gérer une proposition commerciale
- Techniques de communication écrite et commerciale.
- Coaching et développement de soft skills.
Vous souhaitez suivre cette formation ?
Cette formation est disponible en présentiel ou en classe à distance, avec un programme et une qualité pédagogique identiques.
Formation disponible sur mesure
Votre société a besoin d’une offre personnalisée ?