Certification DiGiTT - Data Full - Bootcamp

Rechercher une formation

Source : Carif Ile-de-France

Fiche originale

Partager sur :

Objectifs, programme, validation de la formation

Objectifs

Développer les apports théoriques indispensables aux métiers de Data Scientists, Data Engineer et Data Analyst
Apprendre à analyser, visualiser et explorer ses données
Apprendre à mettre en production des projets Data
Savoir entraîner des modèles de machine learning et deep learning
Connaitre et maitriser les technologies Big Data

Description, programmation

Module 1 : Les fondamentaux

Kit de survie. Maitriser les outils indispensables : Github, Jupyter Notebook, PyCharm...
Python pour la Data Science. Manipulation des librairies python : Pandas, Matplotlib, NumPy, SciPy
Les fondamentaux mathématiques. Développer les acquis théoriques fondamentaux en algèbre linéaire, statistiques et probabilités

Module 2 : Data Analysis

Data analysis et Data Cleaning. Apprendre à utiliser Github, lancer des requêtes SQL, utiliser une API
Data Visualization. Apprendre à utiliser les principales librairies de data viz comme Bokeh, Seaborn ou encore Plotly
Data Exploration. Explorer vos données en python afin d’en extraire les principaux insights

Module 3 : Data Engineering

Manipulation d’API. Apprendre à développer et manipuler vos propres API.
Mise en production d’un projet Data. Découvrir les notions de dockerisation, clusters kubernetes.
Cloud. Maitriser les solutions cloud d’Amazon AWS et Google Cloud. Apprendre à monitorer l’activité de vos serveurs.

Module 4 : Machine Learning

Apprentissage supervisé / Non Supervisé. Explorer ces différentes méthodes d’apprentissages grâce à la librairie Sickit-Learn : SVM, kNN, PCA, Random Forest.
Généralisation des modèles. Apprendre à choisir les bonnes méthodes de régularisation.
Natural Language Processing. Développer les acquis techniques en gestion de données textes : NLTK, SpaCy...

Module 5 : Big Data Engineering

Ecosystème Hadoop. Pouvoir comprendre l’architecture des applicatifs Hadoop et savoir quels sont les apports et les cas d’usage des solutions Hadoop.
Bases de données SQL/NoSQL. Apprendre à manipuler les bases de données SQL et NoSQL : MongoDB, ElasticSearch, Neo4J
Data Streaming. Apprendre à créer un Data Streaming Pipeline et à maitriser l’utilisation de Kafka

Module 6 : Deep Learning

Réseaux de Neurones. Apprendre à construire et entrainer vos premiers réseaux de neurones.
Computer Vision. Entrainer vos modèles de détections et de classifications d’images et déployer vos premières applications.
Deep Reinforcement Learning et Recurrent Neural Networks. Apprendre à entrainer vos premiers agents ainsi qu’à évaluer un modèle RNN

+ Coaching professionnel