Data scientist

Objectifs, programme, validation de la formation

Objectifs

Activités visées :

Le Data scientist est en mesure d’exercer les missions suivantes :

• 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 ;

• évaluer et améliorer les performances d’un modèle d’apprentissage automatique (machine learning) ;

• rendre les données visuelles pour communiquer ses résultats ;

• établir des recommandations pour orienter les décisions stratégiques de l’entreprise.

Description, programmation

La certification permet d’attester l’acquisition des compétences suivantes :
BLOC 1 - Prétraiter et analyser des données structurées pour répondre à un problème métier.

• Déterminer les objectifs d’une analyse de données à partir d’un problème métier.
• Effectuer des opérations de nettoyage sur des données structurées.
• Effectuer une analyse statistique univariée à partir de données structurées et nettoyées.
• Effectuer une analyse statistique multivariée à partir de données structurées et nettoyées.
• Représenter des données grâce à des graphiques clairs et pertinents.Formuler des préconisations pour un traitement automatisé des données.
  BLOC 2 - Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive.
• Sélectionner et/ ou transformer les variables pertinentes pour la modélisation (feature engineering).
• Sélectionner et mettre en place un modèle d’apprentissage supervisé adapté à une problématique métier.
• Évaluer les performances d’un modèle d’apprentissage supervisé.
• Adapter les paramètres d’un modèle d’apprentissage supervisé afin de l’améliorer.BLOC 3 - Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données.
• Sélectionner, transformer et créer les variables pertinentes pour la modélisation (feature engineering).
• Sélectionner et mettre en place un modèle d’apprentissage non supervisé adapté une problématique métier.
•  Évaluer les performances d’un modèle d’apprentissage non supervisé.
• Adapter les paramètres d’un modèle d’apprentissage non supervisé afin de l’améliorer.BLOC 4 - Prétraiter et analyser des données non structurées (texte, images) pour obtenir un jeu de données exploitable.
• Collecter des données répondant à des critères définis via une interface de programmation (API).
• Prétraiter des données textuelles non structurées pour obtenir un jeu de données exploitable.
• Prétraiter des données sous forme d’images non structurées pour obtenir un jeu de données exploitable.
• Réduire la dimension de données de grande dimension afin d’optimiser les temps de calcul.
• Représenter graphiquement des données à grandes dimensions afin d’en réaliser l’analyse exploratoire.BLOC 5 - Présenter et déployer un modèle d’apprentissage automatique auprès de ses utilisateurs finaux.
• Déployer un modèle via une interface de programmation (API) dans le web.
• Réaliser un tableau de bord (dashboard) pour présenter son travail de modélisation.
• Réaliser la présentation orale d’une démarche de modélisation à un client interne/ externe.
• Rédiger une note méthodologique afin de communiquer sa démarche de modélisation.
• Assurer

Validation et sanction

Autre titre inscrit sur demande au RNCP (niveau 7)

Type de formation

Certification

Niveau de sortie niveau I (supérieur à la maîtrise)

Métiers visés

M1403 :

---

Durée, rythme, financement

Durée 60 heures en centre

Modalités de l'alternance Se rapprocher du centre pour ces modalités

Conventionnement Oui

Conditions d'accès

Niveau d'entrée niveau I (supérieur à la maîtrise)

Conditions spécifiques et prérequis Aucune

Inscription

Contact renseignement Madame Mélanie LABRUYERE

Téléphone 03 21 60 37 00

---

Éligibilité de cette formation au compte personnel de formation pour les salariés

Code CPF 329069 - Validité du 07/04/2020 au 31/12/2115

---

Périodes prévisibles de déroulement des sessions

Session débutant le : 01/09/2021

Adresse d'inscription
Site de Lens (IUT) rue de l'université 62300 Lens

Lieu de formation

---

Organisme de formation responsable