Au terme de cette formation, vous serez capable de : 

• Proposer un guide du langage de programmation Python et son écosystème de bibliothèques orientées data pour une analyse efficace de données.
• Utiliser R pour explorer des données provenant de diverses sources.
• Comprendre le processus itératif d’une solution IA à base de machine Learning.
• Modéliser une problématique métier sous forme abstraite.
• Collecter / analyser et représenter numériquement des données métier.
• Analyser et choisir une méthodologie Machine Learning pertinente pour adresser la problématique. 
• Evaluer et analyser les résultats de la méthodologie problématique métier
• Comprendre quelles sont les étapes et les outils pour l'analyse de données en environnement BigData.
• Comprendre l'objectif de la data visualisation et maitriser l'usage d'un outil de data visualisation (PowerBI).
• Connaître les caractéristiques techniques des bases de données NoSQL, les différentes solutions disponibles. Identifier les critères de choix.
• Connaître les apports de Cassandra, et MongoDB, comprendre l'intérêt d'une base graphe et le fonctionnement de Neo4j.

Python pour l’analyse de données (2 jours)

• Ce cours présente Python et son écosystème de bibliothèques orientées data pour une analyse efficace de données.
• Mettre en place un environnement Python Jupyter 
• Manipuler des données avec des librairies Python spécialisées 
• Maîtriser les opérations fondamentales du langage Python pour la Data Science 
• Effectuer une représentation graphique à l'aide d'une librairie Python adapté

Langage R : initiation et analyse stratégique (2 jours)

• Apprendre à programmer en langage R pour l'analyse de données
• Comprendre les structures de données, les variables, les packages
• Gérer l'obtention des données, le flux, les fonctions, les dates
• Maîtriser les statiques descriptives, les calculs de groupes
• Créer des graphiques de base et des graphiques avancées
• Maîtriser la régression linéaire

Machine Learning (3 jours)

• Introduire et présenter la problématique métier
• Définir une méthodologie projet Machine Learning
• Faire le point sur le formatage et la représentation des données
• Collecter, stocker, traiter et analyser des données 
• Comparer et entrainer des algorithmes Machine Learning : régression linéaire, k-moyennes, k-voisins, SMV, NN, arbres de décision, forêts aléatoires
• Analyser des résultats et mesure de l'efficacité des algorithmes
• Déployer le modèle choisi

Analyse Big Data, (2 jours)

• Présenter l’analyse de données BigData et les premiers pas
• Définir les règles de développement
• Réaliser les clusters
• Exécuter les traitements 
• Optimiser les requêtes et mettre en œuvre des DataFrames et dataSet
• Définir les principes du Streaming 
• Fonctionnalités : Machine Learning avec Spark
• Zoomer sur les données : format, volumes, structures

Data visualisation (1 jour)

• Comprendre les principes fondamentaux de la BI
• Découvrir les différentes composantes de l’outil PowerBI et ses utilisations

Bases de données et Big Data ( 2 jours)

• Structurer des données avec NoSQL
• Connaître les apports de Cassandra
• Connaître les apports de MongoDB
• Comprendre l'intérêt d'une base graphe
• Comprendre et le fonctionnement de Neo4j

Travail sur projet en autonomie avec étapes de validation par le formateur (5 jours)

• Préparation épreuve certifiante et passage épreuve certifiante : présentation du cas pratique (1 jour)
   

A qui s’adresse cette formation ?

Toute personne dont l’objectif final est d’être en mesure de traiter des données et de les analyser.

Quels sont les prérequis ?

Avoir un niveau bac +3 en mathématiques ou un niveau bac +5 en sciences (ingénieur, mathématiques, statistiques, économétrie…). 

Méthodes pédagogiques 

• Pédagogie participative et interactive (70 % de pratique, 30% de théorie).
• Une plateforme dédiée et comportant plusieurs centaines d’exercices de tous niveaux et dans différentes disciplines en lien avec la sécurité informatique pour réaliser des challenges, obtenir des points et éventuellement vos badges.
• Travail personnel de rédaction d’un document d’analyse de la stratégie de sécurité d’un système d’information avec proposition de solutions permettant aux participants l’intégration de l’ensemble des compétences acquises pendant la formation

Méthodes d'évaluations

• QCM d’évaluation des acquis
• Epreuve certifiante : évaluation du travail personnel sur le document d’analyse 

Ce parcours de formation représente le quatrième bloc de compétences constituant le titre RNCP de niveau 7 «Manager en Ingénierie Informatique» reconnu par l'État, délivré par ESIEE-IT. (Code RNCP 35435 BC04 : Intégrer des projets d’entreprise faisant appel à des technologies innovantes et avancées).  

• Admissibilité sur dossier de candidature
• Un entretien avec un de nos conseillers experts pour vous aider à élaborer votre parcours de formation personnalisé et à constituer votre dossier de financement
• Un entretien de positionnement préalable à la formation est réalisé avec notre équipe pédagogique, un parcours de formation e-learning pourra être proposé afin de vous permettre d’acquérir tous les pré-requis nécessaires.