éligible
cpf

Numérique / Audiovisuel

Formation

Je fais une demande de pré-inscription

ajouter
à mes favoris

objectifs de la formation

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.

contenu de la formation

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

conditions de formation

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.

modalités d'évaluation

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.

profil des intervenants

informations complémentaires

REUNIONS D INFORMATION sur nos FORMATIONS NUMÉRIQUE 2024:

GRETA-CFA de Bayonne

18 avenue du Marechal Soult

*********************************

Lors de notre JOURNÉE PORTES OUVERTES LE

Mercredi 31 janvier à 15h30 

aura lieu une réunion d’information  sur les métiers du numérique

Venez y participer !

*********************************

 

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 :

Type d’emplois accessibles :

Code(s) ROME :

Partagez :

ajouter
à mes favoris

Sauvegardez :

Je fais une demande de pré-inscription