10 projets professionnalisants pour acquérir des compétences par la pratique. Chaque livrable de projet enrichira votre portfolio que vous pourrez valoriser auprès de recruteurs.

Au cours de cette formation vous réaliserez les projets suivants :

• Prenez en main votre formation de Data Analyst
• Faites une analyse des ventes pour un e-commerce
• Créez et utilisez une base de données immobilière avec SQL
• Réalisez une étude de santé publique avec R ou Python
• Optimisez la gestion des données d'une boutique avec R ou Python
• Analysez les ventes d'une librairie avec R ou Python
• Analysez des indicateurs de l'égalité femme-homme avec Knime
• Faites une étude sur l'eau potable avec Tableau
• Produisez une étude de marché avec R ou Python
• Détectez des faux billets avec R ou Python

Pour mener à bien ces projets, vous disposerez de nombreuses aides et ressources :

• Rendez-vous hebdomadaires individuels avec votre mentor (45min en visioconférence) pour vous soutenir jusqu'au diplôme
• Cours vidéos à suivre à tout moment sur votre ordinateur ou depuis votre mobile
• Accès à une communauté d'étudiants pour échanger sur votre formation, partager vos bons plans ou vous motiver !

Cette formation a pour objectif de vous former pas à pas au métier de Data Analyst.

Vous apprendrez à mieux comprendre les données, à les préparer, à les analyser, à les modéliser et à les valoriser afin d'en tirer des informations exploitables et in fine d'accompagner les entreprises dans leurs prises de décisions stratégiques.

Vous maîtriserez les technologies et les langages techniques les plus demandés : Python, Jupiter, R, Rstudio, MySQL, PostgreSQL, SQL, Knime, Tableau, Pandas, Numpy, Matplotlib, Seaborn.

A l'issue de la formation, vous serez ainsi capable de :

• Créer une base de données et effectuer des requêtes afin de répondre à des besoins utilisateurs
• Collecter et préparer des données de sources variées en utilisant un outil de gestion des données
• Nettoyer et décrire un jeu de données à l'aide d'un langage de programmation spécialisé afin d'en préparer l'exploitation
• Formaliser les résultats d'une analyse statistique en utilisant des outils de visualisation
• Réaliser l'analyse exploratoire de données structurées afin de les synthétiser et de les interpréter
• Réaliser une modélisation statistique à l'aide de méthodes d'apprentissage supervisé et non supervisé.