• Retrouvez le détail des mentions légales sur le titre RNCP de référence Titre RNCP Expert en informatique et systèmes d’information - Option Big data - Réf. XIB

1

Statistiques descriptives, introduction

• Définition.
• Formalisation mathématiques.
• 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.

2

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.
• Data visualisation et cas d'usage concrets.

3

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.

4

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.

5

MongoDB, prise en main et développement

• Introduction à MongoDB.
• Connexion et utilisation de MongoDB.
• Modélisation et indexation.
• Gestion des drivers.
• Introduction à la réplication et au Sharding.
• Gestion des performances et diagnostic.
• Extension de MongoDB.

6

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.

7

Deep Learning et réseaux de neurones : les fondamentaux

• Introduction IA, Machine Learning et Deep Learning.
• Concepts fondamentaux d'un réseau de neurones.
• Outils usuels Machine Learning et Deep Learning.
• Convolutional Neural Networks (CNN).
• Recurrent Neural Networks (RNN).
• Modèles générationnels : VAE et GAN.
• Deep Reinforcement Learning.

8

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.

• Titre RNCP Expert en informatique et systèmes d’information - Option Big data - Réf. XIB