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, temps partiel (9 mois)

by DataScientest

Cours pratique - 57j - 400 h 00 - Réf. 4DB
Prix : 7190 € H.T.

Data Scientist, temps partiel (9 mois)

by DataScientest

Voir le programme 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 !


Catalogue
Sur mesure

Formation en ligne

Réf. 4DB
  400 h 00
7190 € H.T.
Langue : FR




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 :
Nettoyer les données.
Analyser les données à l'aide d'outils et méthodes de visualisation et de statistiques.
Concevoir des modèles prédictifs d’intelligence artificielle.

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

Méthodes et moyens pédagogiques
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.

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 : types de variables, listes, tuples, boucles, fonctions, classes et modules.
  • NumPy : NumPy Array, opérations matricielles, indicateur statistique et opérations.
  • Pandas : introduction à la bibliothèque, chargement d'un jeu de données, Data Cleaning, Data Processing.

3
Data Visualisation

  • Matplotlib : types de graphes, personnalisation de graphiques.
  • Plotly : graphiques interactifs et intégrables web, Widgets.
  • Seaborn : analyse de distribution, analyses statistiques, analyse multivariée.

4
Outils de programmation

  • Git : gestion de version Git, dépôt Git, branches, tag et merge.
  • GitHub : plateforme Github, Fork, Pull Request, Issues, partage des modifications, Github Actions.
  • Tests unitaires : Pytest, tests d'intégration et fonctions, avantages des tests.
  • Système Linux et Script Bash : présentation des systèmes Linux, prise en main du terminal, scripts Bash.

5
Machine Learning

  • Modèles et algorithmes de classification : Scikit-learn, logistic regression, KNN, SVM, bagging et boosting.
  • Méthodes de clustering : modèles de classification non supervisée, métrique d'évaluation pour le clustering.
  • Méthodes de régression : régression linéaire simple et multiple, linéaire régularisée.

6
Machine Learning Avancé

  • Séries temporelles avec Statsmodels : modèles ARIMA et SARIMA.
  • Détection d’anomalies : problématiques de détection d'anomalies, modèles supervisés, Robust Covariance, DBScan.
  • Méthode de réduction de dimensions : feature selection process, analyses de composantes, approche Manifold Learning.

7
Machine Learning Appliqué

  • Text mining : expressions régulières, données textuelles, WordCloud, analyse de sentiments.
  • Webscraping : langage web, BeautifulSoup, scraping sur Google.
  • Éthique & Interprétabilité : données sensibles, enjeux éthiques, analyse de biais, interprétabilité des modèles.

8
Modèles complexes

  • Systèmes de recommandations : introduction au système, méthodes content-based, mathématiques de recommandation.
  • Reinforcement Learning : méthode de Monte-Carlo, temporal Difference Learning, SARSA et Q-Learning.
  • Théorie des graphes : algorithmes Krustal et Dijkstra, détection de communautés, algorithme PageRank, NetworkX.

9
Fondamentaux Deep Learning

  • Réseaux denses : réseaux de neurones, framework Keras, optimisation d'un réseau dense.
  • Réseaux de convolution : analyse d'image par convolution, LeNet, transfer learning.
  • TensorFlow : optimisation avec TensorFlow, callbacks et modèles personnalisés, TensorBoard.

10
Data Engineering

  • SQL : requête base de données avec SQL, types de jointures, requêtes imbriquées.
  • PySpark : calcul distribué avec PySpark, API RDD et DataFrame de Spark, pipeline de processing, MLLib.
  • API : Introduction aux API, méthodes HTTP et fonctions.

11
MLOps

  • MLFow : cycle de vie d'un projet Machine Learning, Model training, MLflow.
  • Docker : présentation de la conteneurisation, fonctionnement de Docker, images et conteneurs, Dockerfile et Docker Hub.


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.

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

PRÉREQUIS


COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.