Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Data Scientist, Bootcamp (3 maanden)

door DataScientest

Praktijkcursus - 57d - 399u00 - Ref. 4IK
Prijs : 7190 € V.B.

Data Scientist, Bootcamp (3 maanden)

door DataScientest



Devenez expert en développement de modèles d'analyse de données avec ce parcours proposé par notre partenaire DataScientest. Un Data Scientist développe des modèles d’analyse complexes visant à extraire des informations à partir de bases de données. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Data Scientist » des Mines Paris- PSL Executive ainsi que le bloc de compétence 2 de la certification RNCP « Expert en ingénierie de l’intelligence artificielle». Contactez-nous dès maintenant pour connaître les prochaines dates !


Catalogus
Op maat

Online cursus

Ref. 4IK
  399u00
Prix : 7190 € V.B.
Taal : NL
Deze opleiding is ook beschikbaar in het Engels.




Devenez expert en développement de modèles d'analyse de données avec ce parcours proposé par notre partenaire DataScientest. Un Data Scientist développe des modèles d’analyse complexes visant à extraire des informations à partir de bases de données. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez un certificat « Data Scientist » des Mines Paris- PSL Executive ainsi que le bloc de compétence 2 de la certification RNCP « Expert en ingénierie de l’intelligence artificielle». Contactez-nous dès maintenant pour connaître les prochaines dates !


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Schoon de gegevens op.
Gegevens analyseren met behulp van visualisatie en statistische hulpmiddelen en methoden.
Het ontwerpen van voorspellende modellen voor kunstmatige intelligentie.

Doelgroep
Iedereen met interesse in programmeren en gegevensmanipulatie.

Voorafgaande vereisten
Un diplôme ou un titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques.
Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier.

Certificatie
Pour clôturer la formation, l’équipe pédagogique évaluera le projet fil rouge de l’apprenant à l’aide d’un rapport écrit et d’une soutenance à distance. La validation des compétences développées au cours de la formation Data Scientist vous permettra d’obtenir : • Un certificat de l'École des Mine Paris - PSL Executive Education • Le bloc de compétence 2 de la certification RNCP de niveau 7 “Expert en ingénierie de l’intelligence artificielle” enregistrée au RNCP sous le n°RNCP38587.

Praktische modaliteiten
Digitale activiteiten
Online cursussen en oefeningen, masterclasses in groepen, vraag- en antwoordsessies, ondersteunende lessen, e-mailondersteuning, rode draad projecten, een-op-een loopbaancoaching, sociaal leren.
Mentorschap
Un formateur expert accompagne l’apprenant tout au long de sa formation. Il échange régulièrement avec lui sur son projet fil rouge et l’accompagne lors de points de mentorat (individuel). Plusieurs formateurs animent également les différentes masterclass (classes collectives) et répondent aux questions des apprenants à tout moment depuis un forum dédié. En complément, de nombreuses séances de questions-réponses peuvent être organisées pour aider les apprenants.
Pedagogiek en praktijk
Lors de l’inscription, l’apprenant est affecté à une promotion (dates à définir lors de l’inscription) et reçoit son calendrier de formation. Le parcours de formation est découpé en « Sprint » de plusieurs semaines sur une thématique dédiée. Chaque semaine l’apprenant est convié à un temps d’échange avec le formateur qui se présente sous la forme de masterclass (classe collective) ou de points de mentorat (individuel). Pendant 80% du temps, l’apprenant travaille en autonomie sur la plateforme d’enseignement. Tous les modules intègrent des exercices pratiques permettant de mettre en œuvre les concepts développés en cours. L’apprenant doit également travailler en binôme ou trinôme sur un projet fil rouge tout au long de la formation. Cela lui permettra de développer et faire reconnaître ses compétences. En complément, des événements et ateliers thématiques sont régulièrement proposés pour permettre aux apprenants de découvrir les dernières innovations en matière de Data Science. Afin de suivre efficacement la formation, nous estimons le temps travail nécessaire entre 35 et 40 heures par semaine.

Opleidingsprogramma

1
Volgende sessiedata

  • November 2025: Start op 04/11/25
  • Januari 2026: Begint op 13/01/26
  • Maart 2026: Begint op 03/03/26

2
Python grondbeginselen

  • Programmeren: variabelentypen, lijsten, tupels, lussen, functies, klassen en modules.
  • NumPy: NumPy Array, matrixbewerkingen, statistische indicator en bewerkingen.
  • Pandas: inleiding tot de bibliotheek, een dataset laden, gegevens opschonen, gegevens verwerken.

3
Visualisatie van gegevens

  • Matplotlib: grafiektypen, grafieken aanpassen.
  • Plotly: interactieve en integreerbare webafbeeldingen, Widgets.
  • Seaborn: distributieanalyse, statistische analyse, multivariate analyse.

4
Programmeerhulpmiddelen

  • Git: Git versiebeheer, Git repository, branches, taggen en samenvoegen.
  • GitHub: Github-platform, Fork, Pull Request, Issues, wijzigingen delen, Github-acties.
  • Unit testen: Pytest, integratie- en functietesten, voordelen van testen.
  • Linux-systemen en Bash-scripting: presentatie van Linux-systemen, omgaan met de terminal, Bash-scripts.

5
Machinaal leren

  • Classificatiemodellen en algoritmen: Scikit-learn, logistische regressie, KNN, SVM, bagging en boosting.
  • Clustermethoden: classificatiemodellen zonder toezicht, evaluatiemetrieken voor clustering.
  • Regressiemethoden: eenvoudige en meervoudige lineaire regressie, geregulariseerde lineaire regressie.

6
Geavanceerd machinaal leren

  • Tijdreeksen met Statsmodels: ARIMA- en SARIMA-modellen.
  • Anomaliedetectie: problemen met anomaliedetectie, modellen met supervisie, Robuuste covariantie, DBScan.
  • Methoden voor dimensiereductie: kenmerkselectieproces, componentanalyses, Manifold Learning-benadering.

7
Toegepast machinaal leren

  • Text mining: reguliere expressies, tekstgegevens, WordCloud, sentimentanalyse.
  • Webscraping: webtaal, BeautifulSoup, Google scraping.
  • Ethiek en interpreteerbaarheid: gevoelige gegevens, ethische kwesties, vertekeningsanalyse, interpreteerbaarheid van modellen.

8
Complexe modellen

  • Recommender-systemen: inleiding tot het systeem, op inhoud gebaseerde methoden, aanbevelingswiskunde.
  • Versterkingsleren: Monte-Carlo-methode, Temporal Difference Learning, SARSA en Q-leren.
  • Grafentheorie: Krustal- en Dijkstra-algoritmen, gemeenschapsdetectie, PageRank-algoritme, NetworkX.

9
Deep Learning grondbeginselen

  • Convolutienetwerken: convolutiebeeldanalyse, LeNet, transfer learning.
  • TensorFlow: optimalisatie met TensorFlow, callbacks en aangepaste modellen, TensorBoard.
  • Dichte netwerken: neurale netwerken, Keras framework, optimalisatie van een dicht netwerk.

10
Gegevensbeheer

  • SQL: databasequery's met SQL, soorten joins, geneste query's.
  • PySpark: gedistribueerd rekenen met PySpark, Spark RDD en DataFrame API's, verwerkingspijplijn, MLLib.
  • API: Inleiding tot API's, HTTP-methoden en functies.

11
MLOps

  • MLFow: levenscyclus van een Machine Learning-project, modeltraining, MLflow.
  • Docker: inleiding tot containerisatie, hoe Docker werkt, images en containers, Dockerfile en Docker Hub.
DEELNEMERS
Iedereen met interesse in programmeren en gegevensmanipulatie.

VOORAFGAANDE VEREISTEN
Un diplôme ou un titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques.
Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier.

VAARDIGHEDEN VAN DE CURSUSLEIDER
De deskundigen die de cursus leiden zijn specialisten op het betreffende vakgebied. Zij werden geselecteerd door onze pedagogische teams zowel om hun vakkennis als hun pedagogische vaardigheden voor elke cursus die zij geven. Zij hebben minstens vijf tot tien jaar ervaring in hun vakgebied en oefenen of oefenden verantwoordelijke bedrijfsfuncties uit.

BEOORDELINGSMODALITEITEN
De cursusleider beoordeelt de pedagogische vooruitgang van de deelnemer gedurende de gehele cursus aan de hand van meerkeuzevragen, praktijksituaties, praktische opdrachten, …
De deelnemer legt ook van tevoren en naderhand een test af ter bevestiging van de verworven kennis.

PEDAGOGISCHE EN TECHNISCHE MIDDELEN
• De gebruikte pedagogische middelen en cursusmethoden zijn voornamelijk: audiovisuele hulpmiddelen, documentatie en cursusmateriaal, praktische oefeningen en correcties van de oefeningen voor praktijkstages, casestudies of reële voorbeelden voor de seminars.
• Na afloop van de stages of seminars verstrekt ORSYS de deelnemers een evaluatievragenlijst over de cursus die vervolgens door onze pedagogische teams wordt geanalyseerd.
• Na afloop van de cursus wordt een presentielijst per halve dag verstrekt, evenals een verklaring van de afronding van de cursus indien de stagiair alle sessies heeft bijgewoond.

TOEGANGSMODALITEITEN EN TERMIJNEN
De inschrijving dient 24 uur voor aanvang van de cursus plaatsgevonden te hebben.

TOEGANKELIJKHEID VOOR MINDERVALIDEN
Is voor u speciale toegankelijkheid vereist? Neem contact op met mevr. FOSSE, contactpersoon voor mindervaliden, via het adres psh-accueil@ORSYS.fr om uw verzoek en de haalbaarheid daarvan zo goed mogelijk te bestuderen.