> Formations > Technologies numériques > Intelligence Artificielle, Big Data > Big Data > Formation Parcours certifiant Construire et développer des modèles de big data > Formations > Technologies numériques > Formation Parcours certifiant Construire et développer des modèles de big data

Parcours certifiant Construire et développer des modèles de big data

Bloc de compétences du titre RNCP 36286

Parcours certifiant Construire et développer des modèles de big data

Bloc de compétences du titre RNCP 36286


New

Ce parcours de formation représente le quatrième bloc de compétences du titre RNCP de niveau 7 (Bac +5) "Expert en informatique et système d’information - big data" reconnu par l'État. L'ensemble de ces formations vous permettra de comprendre les statistiques descriptives et le traitement des données associées. Vous apprendrez aussi comment gérer un projet big data, le rôle stratégique de la valeur des données pour l’entreprise, la modélisation statistique, les méthodes et solutions de machine learning et de deep learning.


INTER
INTRA
SUR MESURE

Cours pratique
Disponible en anglais, à la demande

Réf. ZDM
  32j - 224h00
Prix : 15200 € H.T.
Pauses-café et
déjeuners offerts




Ce parcours de formation représente le quatrième bloc de compétences du titre RNCP de niveau 7 (Bac +5) "Expert en informatique et système d’information - big data" reconnu par l'État. L'ensemble de ces formations vous permettra de comprendre les statistiques descriptives et le traitement des données associées. Vous apprendrez aussi comment gérer un projet big data, le rôle stratégique de la valeur des données pour l’entreprise, la modélisation statistique, les méthodes et solutions de machine learning et de deep learning.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Comprendre les enjeux de l'alignement stratégique et de l'urbanisation des SI
Comprendre l'intérêt de la statistique descriptive
Comprendre l'écosystème technologique nécessaire pour réaliser un projet big data
Comprendre le principe de la modélisation statistique
Comprendre les différents modèles d'apprentissage
Connaître les principales méthodes de data mining
Comprendre les méthodes de la statistique textuelle
Mettre en place le deep learning

Public concerné
Toute personne souhaitant construire et développer des modèles de big data.

Prérequis
Être titulaire d'un diplôme de niveau 6 (Bac +3) ou d'un niveau 5 (BAC+2) et 3 ans d'expérience, sous réserve de la validation du dossier de Validation des acqis professionnels (VAP). Connaissances de base en Python et en statistiques.

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.

Mentions légales
Taux d'obtention : Calcul en attente du passage des certifications des 1ers participants.

Programme de la formation

Modéliser les processus métiers dans une démarche d'urbanisation

  • Principes, concepts, démarches et enjeux.
  • La modélisation des processus.
  • Lien avec la démarche d'urbanisation.
  • Outils de modélisation des processus.

Statistiques descriptives, introduction

  • Définition.
  • Formalisation mathématique.
  • Traitement statistique des données à une dimension.
  • Variables aléatoires.
  • Statistique descriptive à deux dimensions : les tableaux de contingence.
  • Cas pratique : utilisation des données des participants.

Big data, méthodes et solutions pratiques pour l'analyse des données

  • Comprendre les concepts et les enjeux du big data.
  • Les technologies du big data.
  • Gérer les données structurées et non structurées.
  • Technique et méthodes big data analytics.
  • Datavisualisation et cas d'usage concrets.
  • Conclusion.

Démarche de gestion de la qualité des données

  • Introduction.
  • Définition de la qualité et cadre méthodologique.
  • Démarche gestion de la qualité des données.
  • Contrôle qualité et bonnes pratiques.
  • Suivi opérationnel de la qualité des données.
  • Hausser le niveau de la qualité.

Modélisation statistique, l'essentiel

  • Rappels des fondamentaux de la statistique descriptive.
  • Démarche et modélisation d'une analyse statistique.
  • Paramètre de position et de dispersion.
  • Tests et intervalle de confiance.
  • Panorama des outils.

Data Analytics avec Python

  • Introduction à la modélisation.
  • Procédures d'évaluation de modèles.
  • Les algorithmes supervisés.
  • Les algorithmes non supervisés.
  • Analyse en composantes.
  • Analyse de données textuelles.

Machine learning, méthodes et solutions

  • Introduction au machine learning.
  • Procédures d'évaluation de modèles.
  • Les modèles prédictifs, l'approche fréquentiste.
  • Les modèles et apprentissages bayésiens.
  • Machine learning en production.

Data mining par la pratique

  • Le projet de data mining.
  • Les techniques de l’approche data mining.
  • Les outils statistiques.
  • La visualisation des données.
  • Analyse de données qualitatives et textuelles.

Text mining par la pratique

  • Les approches traditionnelles en text mining.
  • Feature Engineering pour la représentation de texte.
  • La similarité des textes et classification non supervisée.
  • La classification supervisée du texte.
  • Natural Language Processing et deep learning.

Deep learning par la pratique

  • Introduction.
  • Introduction aux réseaux de neurones artificiels.
  • Entraînement de réseaux de neurones profonds.
  • Réseaux de neurones convolutifs.
  • Deep learning avec Keras.
  • Réseaux de neurones récurrents.
  • Autoencodeurs.


Certification
Chaque bloc de compétences est validé au travers d'un examen écrit sous forme d'étude de cas.

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.

Horaires
les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.

Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance
Dernières places
Session garantie