Data Scientist

Rechercher une formation

Source : Carif Ile-de-France

Fiche originale

Partager sur :

Objectifs, programme, validation de la formation

Objectifs

Agréger un ensemble de données pour ensuite les nettoyer et les structurer.
Explorer ces données afin d’en déterminer la valeur et y repérer des motifs récurrents ou des irrégularités significatives.
Produire de la valeur à partir des données par la création de modèles prédictifs.
Modéliser le phénomène à l’origine des données pour répondre à un problème de l’entreprise.
Monitorer et améliorer les performances de ce modèle grâce au machine learning.
Rendre les données visuelles pour communiquer ses résultats au reste de l’équipe.
Établir des recommandations pour orienter les décisions stratégiques de l’entreprise.

Description, programmation

Vous saurez :
Analyser des données pour en extraire de la valeur et répondre à une problématique spécifique.
Modéliser le phénomène à l’origine de la création de données, à l’aide d’algorithmes de machine learning.
Mesurer et améliorer les performances de cette modélisation.
Automatiser des tâches telles que des recommandations, des prédictions, des classifications d’images, et bien d’autres.
Communiquer vos résultats par la visualisation des données afin de faciliter la prise de décision.

Validation et sanction

Attestation d’acquis ou de compétences ;Attestation de suivi de présence

Type de formation

Professionnalisation

Niveau de sortie niveau I (supérieur à la maîtrise)

Durée, rythme, financement

Durée 600 heures en centre
Durée indicative : 1763 jours

Modalités de l'alternance FOAD : 600 h

Conventionnement Non

Conditions d'accès

Modalités de recrutement et d'admission Test

Niveau d'entrée niveau II (licence ou maîtrise universitaire)

Conditions spécifiques et prérequis Python pour le calcul numérique (librairie numpy et création de graphes avec pyplot). Vous pouvez tout à fait utiliser d'autres librairies, mais c'est numpy qui sera utilisée dans ce parcours. Quelques notions d'algèbre linéaire telles que la manipulation de vecteurs, les multiplications de matrices ou encore les normes. Quelques notions de probabilités et de statistiques, comme la distribution de loi de probabilité ou la variance. Matériel : Accès à un ordinateur (PC ou Mac), muni d'un microphone, une webcam et une bonne connexion internet : 3.2 Mbps en envoi et 1.8 Mbps en réception de données.