La formation s'articule en 4 temps: Module Python Une semaine de préparation Data a lieu la semaine précédant la date officielle du début de la formation. Il s'agit d'une semaine supplémentaire d'apprentissage interactif en ligne, conçue pour parcourir le contenu aussi efficacement que possible et s'assurer d'avoir les bases nécessaires en Python avant le début de la formation. Data Analyse Python en Data Science Base de données relationnelle et SQL Visualisation de données Statistiques, Probabilités, Algèbre linéaire Decision Science Inférences statistiques Communication Machine Learning Preprocessing et Apprentissage Supervisé Généralisation et Overfitting Métriques de Performance Apprentissage non supervisé et Méthodes Avancées Deep Learning Réseaux de neurones Computer Vision Séries temporelles & données de textes Faciliter le Deep Learning Data Engineering Machine Learning Pipeline Workflow de Machine Learning avec MLflow Mise en production avec Google Cloud Platform Projet Data en équipe Les deux dernières semaines de la formation seront consacrées à la réalisation de votre projet final. Réalisé en équipe, cet exercice permet de mettre en pratique les outils, techniques et méthodologies de la formation Data Science, et de prendre conscience de l'autonomie acquise.

La formation est conçue pour vous apprendre à explorer, nettoyer, transformer des données pour les rendre actionnables (Python, base de données relationnelles SQL), à implémenter des modèles de Machine Learning en production, et développer toutes les compétences pour rejoindre une équipe data.

Obtenir les compétences pour analyser des ensembles de données riches, prendre des décisions complexes en utilisant la donnée et utiliser la puissance de l'IA et du Machine Learning pour résoudre des problèmes concrets. Ces compétences permettent d'accéder aux postes de Développeur en IA, Data Analyst et Data Scientist. Suite à la formation sont organisés des examens de certification qui permettent d'obtenir un titre RNCP de niveau 6 reconnu par l'Etat qui validera les compétences suivantes : Analyse exploratoire et descriptive de la donnée Apprentissage automatique (Machine Learning) supervisé et non supervisé Reconnaissance de formes par réseaux de neurones artificiels Développement et Gestion de projet en IA