18 avenue du Maréchal Soult
64100 BAYONNE
Demandeur d'emploi
Jeune âgé de moins de 26 ans ou futur alternant
Jeune apprenti ou futur apprenti de moins de 30 ans
Particulier
Salarié
Pour accéder directement à la certification, les candidats doivent obligatoirement justifier d’un des pré-requis suivants :
Tout autre profil fera l’objet d’une procédure dérogatoire, incluant un test de positionnement, effectuer un test de positionnement constitué des livrables suivants :
Tout au long de l'année
La durée de la formation est comprise entre 12 et 24 mois.
La formation peut-être suivie à temps plein, temps partiel ou en alternance.
Compte personnel de Formation CPF
Contrat d'apprentissage
Contrat de professionnalisation
CPF transition Professionnelle (ex CIF)
Financement personnel
Formation en alternance
PRO-A (ex Période de PRO)
Michel HARISPE
Coordonnateur pédagogique
michel.harispe@greta-cfa-aquitaine.fr
05 59 52 25 25
Sarah DE NADAI
Conseillère en Formation Continue
sarah.de-nadai@greta-cfa-aquitaine.fr
0559522525
Obtenir la certification « Data Analyst» – RNCP niveau 7 (bac +5) Fiche RNCP34545 et acquérir les compétences d’un Data Scientist :
Prétraiter et analyser des données structurées pour répondre à un problème métier.
Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive.
Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données.
Prétraiter et analyser des données non structurées (texte, images) pour obtenir un jeu de données exploitable.
Présenter et déployer un modèle d’apprentissage automatique auprès de ses utilisateurs finaux.
Déployer un modèle d’apprentissage automatique à l’échelle en utilisant les technologies du Big data.
Projet 1 : Définissez votre stratégie d’apprentissage
Projet 2 : Analysez des données de systèmes éducatifs
Projet 3 : Concevez une application au service de la santé publique
Projet 4 : Anticipez les besoins en consommation de bâtiments
Projet 5 : Segmentez des clients d’un site e-commerce
Projet 6 : Classifiez automatiquement des biens de consommation
Projet 7 : Implémentez un modèle de scoring
Projet 8 : Déployez un modèle dans le cloud
La formation se déroule dans l’espace co-working de l’agence Pays Basque du GRETA CFA Aquitaine à Bayonne.
Entretien de positionnement en amont de la formation
Entrées et sorties permanentes
Mentorat individuel
Travaux sur projets applicables en entreprise.
Les compétences sont validées au travers de projets (études de cas) qui permettent au candidat de se projeter en situation professionnelle reconstituée. Chaque projet donne lieu à une production de livrables par le candidat et à une soutenance devant un évaluateur. Chaque bloc de compétences est validé si l’ensemble des projets couvrant les compétences du bloc sont validés. La certification est validée si l’ensemble des blocs de compétences sont validés.
L’Ecole en ligne OpenClassrooms partenaire du GRETA CFA Aquitaine
GRETA-CFA de Bayonne
18 avenue du Marechal Soult
*********************************
L’espace de COWORKING, pour une communauté en présentiel, d’apprenants en ligne.
L’espace dit de « Coworking » répond au concept « Co e-learning ». Il a fait les preuves de son efficacité pour les travailleurs indépendants. Cet espace projette de transférer ce concept au bénéfice des apprenants en ligne en leur offrant d’être réunis en présentiel dans un lieu d’apprentissage structuré, propice aux échanges et à la mutualisation des savoirs – faire, et donc à
la réussite de tous les parcours de formation.
CONTENUS DE FORMATION :
BLOC 1 – Prétraiter et analyser des données structurées pour répondre à un problème métier.
– Déterminer les objectifs d’une analyse de données à partir d’un problème métier.
– Effectuer des opérations de nettoyage sur des données structurées.
– Effectuer une analyse statistique univariée à partir de données structurées et nettoyées.
– Effectuer une analyse statistique multivariée à partir de données structurées et nettoyées.
– Représenter des données grâce à des graphiques clairs et pertinents.
– Formuler des préconisations pour un traitement automatisé des données.
BLOC 2 – Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive.
– Sélectionner et/ ou transformer les variables pertinentes pour la modélisation (feature engineering).
– Sélectionner et mettre en place un modèle d’apprentissage supervisé adapté à une problématique métier.
– Évaluer les performances d’un modèle d’apprentissage supervisé.
– Adapter les paramètres d’un modèle d’apprentissage supervisé afin de l’améliorer.
BLOC 3 – Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données.
– Sélectionner, transformer et créer les variables pertinentes pour la modélisation (feature engineering).
– Sélectionner et mettre en place un modèle d’apprentissage non supervisé adapté une problématique métier.
– Évaluer les performances d’un modèle d’apprentissage non supervisé.
– Adapter les paramètres d’un modèle d’apprentissage non supervisé afin de l’améliorer.
BLOC 4 – Prétraiter et analyser des données non structurées (texte, images) pour obtenir un jeu de données exploitable.
– Collecter des données répondant à des critères définis via une interface de programmation (API).
– Prétraiter des données textuelles non structurées pour obtenir un jeu de données exploitable.
– Prétraiter des données sous forme d’images non structurées pour obtenir un jeu de données exploitable.
– Réduire la dimension de données de grande dimension afin d’optimiser les temps de calcul.
– Représenter graphiquement des données à grandes dimensions afin d’en réaliser l’analyse exploratoire.
BLOC 5 – Présenter et déployer un modèle d’apprentissage automatique auprès de ses utilisateurs finaux.
– Déployer un modèle via une interface de programmation (API) dans le web.
– Réaliser un tableau de bord (dashboard) pour présenter son travail de modélisation.
– Réaliser la présentation orale d’une démarche de modélisation à un client interne/ externe.
– Rédiger une note méthodologique afin de communiquer sa démarche de modélisation.
– Assurer l’intégration du modèle auprès de collaborateurs en utilisant un logiciel de version de code.
BLOC 6 – Déployer un modèle d’apprentissage automatique à l’échelle en utilisant les technologies du Big data.
– Sélectionner les outils du Cloud permettant de disposer d’un environnement Big Data.
– Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud.
– Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.
Secteurs d’activités :
Tous secteurs d’activité
Type d’emplois accessibles :
Partagez :