Data Scientist, temps partiel (9 mois)

by DataScientest

Formation pratique - 57j - 399h00 - Réf. 4DB
Prix : 7190 € H.T.

Data Scientist, temps partiel (9 mois)

by 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 !


Catalogue
Sur mesure

Formation en ligne

Réf. 4DB
  399h00
7190 € H.T.
Langue : FR
Cette formation est également disponible en anglais.




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 !


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Analyser des ensembles de données complexes pour en tirer des insights pertinents
Développer des modèles prédictifs et d’apprentissage automatique
Optimiser les modèles et améliorer leur performance sur de nouveaux ensembles de données

Public concerné
Toutes les personnes ayant une appétence pour la programmation et la manipulation des données.

Prérequis
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.

Certification
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. La validation du titre complet est conditionnée à la validation de l'ensemble des blocs de compétences et la réalisation d’une période en entreprise de 130 jours minimum.

Méthodes et moyens pédagogiques
Activités digitales
Cours et exercices en ligne, masterclass collective, séances de questions/réponses, classes de soutien, accompagnement par mail, projet fil rouge, coaching carrière individualisé, social learning.
Tutorat
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.
Pédagogie et pratique
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 8 et 10 heures par semaine.

Programme de la formation

1
Prochaines dates de sessions

  • Avril 2026 : Début au 07/04/26
  • Mai 2026 : Début au 05/05/26
  • Juin 2026 : Début au 02/06/26

2
Fondamentaux de Python

  • Programmation et manipulation de données
  • Analyse et traitement des données

3
Data Visualisation

  • Visualisation avec Matplotlib et Seaborn
  • Graphiques interactifs avec Plotly

4
Outils de programmation

  • Versioning et collaboration avec Git et GitHub
  • Automatisation et tests en programmation

5
Machine Learning

  • Modélisation et classification supervisée
  • Clustering et régression

6
Machine Learning Avancé

  • Analyse de séries temporelles et réduction de dimensions
  • Détection d’anomalies et modèles avancés

7
Machine Learning Appliqué

  • Analyse de textes et extraction de données
  • Éthique et interprétabilité en Machine Learning

8
Deep Learning

  • Réseaux denses et réseaux de convolution
  • TensorFlow

9
LLMs

  • Introduction GenAI
  • PyTorch

10
Data Engineering

  • Bases de la donnée
  • Calcul distribué et traitement de données à grande échelle

11
MLOps

  • Gestion du cycle de vie des modèles avec MLflow
  • Conteneurisation et déploiement avec Docker


Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.