Objectif général : Développement des compétences

Ce cursus de formation a pour objectif de renforcer l'employabilité, l'insertion professionnelle et le taux de retour à l'emploi durable de demandeurs d'emploi. Le data analyst, également appelé data scientist, ou data miner, est un expert de la gestion et de l'analyse pointue de données massives, ses principales activités sont les suivantes : Identifier les besoins et la problématique des directions métiers. Définir une modélisation statistique qui permette de répondre à la problématique. Construire des outils d'analyse pour collecter les données de l'entreprise. Sourcer et rassembler l'ensemble des sources de données structurées ou non structurées nécessaires à l'analyse et pertinentes. Organiser, étudier et synthétiser ces sources de données sous forme de résultats exploitables. Modéliser les comportements et en extraire de nouveaux usages utilisateurs.

Contenu

Module 1. La business analytique Comprendre et savoir expliquer l'importance de la data et devenir un ambassadeur du changement. Les applications analytiques optimales des technologies actuelles. Maîtriser la data pour mieux comprendre et servir les audiences métiers. Savoir détecter et gérer les comportements de résistance au changement. Créer des processus lean, itératifs pour faire avancer les questionnements analytiques et tendre vers la data science. Rendre l'analytique démocratique pour créer semer les graines de la data science de demain. Module 2. Architecte de la data Les techniques de gestion de la qualité de donnée. Le master data management. Les modèles de gouvernance de données. Créer, alimenter, maintenir des visualisations avancées pour détecter des tendances et communiquer vos résultats avec impacts data. Module 3. Data wrangling Soyons solide en sql. Soyons à l'aise en python et pandas. Appliquons à un traitement de données. Comment récupérer de la data de n'importe quelles sources et n'importe quel format. Le profilage de données façon python/pandas. Scrape - grab - wrangle avec sa data. Appliquer par l'exemple les techniques avancée à des cas classiques d'entreprise. Savoir travailler les géo data et ajouter la dimension géographique à nos analyses. Module 4. Batir l'infrastructure qui scale Lancer un serveur sur le cloud avec les bonnes options pour limiter les coûts sans brider la performance. Savoir organiser des flux performant de fichier pour fluidifier les échanges de données. Maîtriser la création de base de données pour des projet ad hoc. Savoir intégrer à la volée les données dans des bases de données pour accèder rapidement à des niveaux de performance d'analyse. Aller plus loin dans le cloud. Protéger ses flux et ses infrastructu Tensor flow et consors re avec les bons niveaux de sécurité. Hadoop - pourquoi hadoop est mort. Module 5. Advanced analytics & ml. Application of ai/ml in business. Les regressions linéaires. Les classifications. Binary classifications. Multiclass classification. Classification with tensorflow. Image classification. Clustering. Les autres modèles. Deep learning. L'ia/ml appliqués holistiquement. Module 6. Data leader Business question et biais cognitifs + models are not magic (over/under fit) People side of data science. Leadership in data science. Ethics and diversity. Interview prep. Agile - open innovation - design thinking. Adhérence aux si - industrialisation des process. Module 7. Outboarding Linkedin. Badge. Networking. Interview cas. Vidéo cv . Mentoring.

Validation

• Type de validation : Diplôme autres ministères
• Certification : Analyser les données avec Microsoft Power BI