Data Science Introduction

Aucun

Découvrir à la fois les problématiques et les outils de la data science
Connaître et savoir identifier les grandes familles de modèles utilisés en data science

Accessible selon le nombre de places disponibles.
Les participants recevront leur convocation au plus tôt deux semaines avant le début de la formation.

À l’issue de chaque module, le formateur évaluera chacun des participants en fonction des cas pratiques et exercices effectués.

Une attestation de formation vous sera remise.

• Alternance d’exercices, cas pratiques, QCM et de notions théoriques, projet Fil Rouge.
• Evaluations régulières et retour du formateur sur les points moins bien assimilés.
• Les supports de cours seront mis à disposition via notre la plate-forme de téléchargement AJC Classroom.
• Accès à notre plateforme à distance de Classe Virtuelle
  Mêmes possibilités et interactions avec votre formateur que lors d’une formation présentielle. En effet, votre formation se déroulera en connexion continue 7h/7 :
  • • • Echanges directs avec le formateur et l’équipe pédagogique à travers la visioconférence, les forums et chats
      • Vérification de l’avancement de votre travail et évaluation par votre formateur à l’aide d’exercices et de cas pratiques
      • Suivi pédagogique et conseils personnalisés pendant toute la formation

   

  Vous recevrez les informations de connexion par mail dès votre inscription. En cas de problème de connexion, vous pourrez joindre notre équipe à tout moment (avant ou même pendant la formation) au 0182837241 ou par mail à l’adresse hotline@ajc-formation.fr.

Les personnes en situation de handicap sont invitées à nous communiquer leurs besoins spécifiques. Nous ferons tout pour les mettre dans les meilleures conditions de suivi de la formation (compensation, accessibilité…)

Attestation de formation

Tout profil

INTRODUCTION A LA DATA SCIENCE

• Définition, historique et enjeux
• Domaines d’application et problématiques de la Data Science
• Environnement Big Data pour la  Data Science
• Métier de la data science : journée type du data scientist
• Les acteurs et les outils du marché pour la data science

COMPETENCES TECHNIQUES POUR LA DATA SCIENCE

Extraction manipulation des données

• Objectif et démarche
• Exemple pratique

Exploration et visualisation des données

• Objectif et démarche
• Exemple pratique

La modélisation

• Objectif et démarche
• Les grandes familles de modèles et leurs domaines d’application :
• Classifications supervisée et non supervisée et système de recommandations
• Modèles mathématique statistiques
• Machine learning et modèles cognitifs
• Exemples pratiques

Modèles de classification supervisée :

• Domaine d’application
• Programmes et langages pour les modèles
• Introduction à quelques modèles :
• Principe du modèle de la régression
• Principe du modèle des Réseaux bayésiens
• Principe du modèle d’Arbre de décision et Randon Forest
• Exemples pratiques avec Python Scikitlearn  et IBM SPSS

Modèle de classification non supervisée :

• Domaine d’application
• Programmes et langages pour les modèles
• Introduction à quelques modèles : Principe du modèle K-means, Principe du modèle de Réseaux de neurones
• Exemples pratiques avec Python Scikitlearn  et IBM SPSS

Modèles de recommandation et analyse d’association :

• Domaine d’application
• Programmes et langages pour les modèles
• Introduction à quelques modèles : Principe du  filtrage par le contenu, Principe du  filtrage Collaboratif
• Exemples pratiques avec Python Scikitlearn  et IBM SPSS