Pour les demandes entreprises : (+33) 970 466 303

Pour les demandes particuliers : (+33) 180 272 016

A propos de la formation Data Science

La formation Data Science permet de mettre en œuvre les méthodes et outils destinés à interpréter les données

Détails
Objectifs pédagogiques de la formation Data Science
  • Utiliser R pour nettoyer / analyser et visualiser les données
  • Naviguer dans l'ensemble du pipeline de la science des données de l'acquisition des données à leur publication
  • Utiliser GitHub pour gérer les projets de science des données
  • Effectuer des analyses de régression / des moindres carrés et des inférences en utilisant des modèles de régression

Qui devrait suivre cette formation Data Science ?

Public visé par la formation Data Science

La formation Data Science est destinée aux Data Miner, analyste, statisticien, ou tout acteur ayant à consolider et faire valider ses connaissances pour obtenir une certification Data Scientist

Prérequis de la formation Data Science

Afin de pouvoir suivre le programme de la certification Data Science, il est recommandé d’avoir des connaissances de base en mathématiques et statistiques

Certification Data Science ?

La formation Data Science vous prépare à la certification Data Scientist. Les participants auront une étude de cas à analyser, des conclusions à choisir sur les questionnaires proposés et des travaux pratiques à réaliser.

Formations Similaires

Déroulé de la formation Data Science


Module 1 de la formation Data Science : Les outils du scientifique des données

  • Mettre en place R, R-Studio, Github et d'autres outils utiles
  • Expliquer les concepts essentiels de la conception d'une étude
  • Comprendre les données, les problèmes et les outils utilisés par les analystes de données
  • Créer un dépôt Github


Module 2 de la formation Data Science : La programmation en R

  • Les concepts essentiels du langage de programmation
  • Les fonctions de la boucle R et les outils de débogage
  • Configurer le logiciel de programmation statistique
  • Recueillir des informations détaillées à l'aide du profiler R


Module 3 de la formation Data Science : Obtenir et trier des données

  • Comprendre les systèmes communs de stockage des données
  • Utilisez R pour la manipulation du texte et de la date
  • Appliquer les principes de base du nettoyage des données pour rendre les données / propres.
  • Obtenir des données utilisables sur le web, les API et les bases de données


Module 4 de la formation Data Science : Exploration analytique de données

  • Comprendre les graphiques analytiques et le système de traçage de base en R
  • Réaliser des représentations graphiques de données à très haute dimension
  • Utiliser des systèmes graphiques avancés tels que le système Lattice
  • Appliquer les techniques d'analyse de clusters pour localiser des modèles dans les données


Module 5 de la formation Data Science : Recherche reproductible

  • Organiser l'analyse des données pour les rendre plus reproductibles
  • Déterminer la reproductibilité du projet d'analyse
  • Rédiger une analyse de données reproductibles en utilisant le tricot
  • Publier des documents Web reproductibles en utilisant la fonction de démarque (Markdown)


Module 6 de la formation Data Science : Inférence statistique

  • Comprendre le processus consistant à tirer des conclusions sur les populations ou des vérités scientifiques à partir de données
  • Décrire la variabilité, les distributions, les limites et les intervalles de confiance
  • Utiliser des valeurs p, des intervalles de confiance et des tests de permutation
  • Prendre des décisions éclairées en matière d'analyse des données


Module 7 de la formation Data Science : Modèles de régression

  • Utiliser l'analyse de régression, les moindres carrés et l'inférence
  • Comprendre les cas modèles d'ANOVA et d'ANCOVA
  • Examiner l'analyse des résidus et de la variabilité
  • Décrire les nouvelles utilisations des modèles de régression tels que le lissage des nuages de points


Module 8 de la formation Data Science : Apprentissage mécanique pratique

  • Utiliser les éléments de base de la construction et de l'application des fonctions de prédiction
  • Comprendre des concepts tels que les ensembles de formation et de tests, le suréquipement et les taux d'erreur
  • Décrire les méthodes d'apprentissage machine telles que les arbres de régression ou de classification
  • Expliquer le processus complet de construction des fonctions de prédiction


Module 9 de la formation Data Science : Développement de produits de données

  • Développer des applications de base et des graphiques interactifs en utilisant GoogleVis
  • Utilisez le dépliant pour créer des cartes interactives annotées
  • Construire une présentation R Markdown qui inclut une visualisation des données
  • Créer un produit de données qui raconte une histoire à un public de masse


Module 10 de la formation Data Science : Pojet final de science des données

  • Créer un produit de données utile pour le public
  • Appliquez vos compétences en matière d'analyse exploratoire des données
  • Construire un modèle de prédiction efficace et précis
  • Créer un dossier de présentation pour mettre en valeur ses résultats

Formations Similaires
Qlikview Détails
Qlik Sense Détails
SAP HANA Détails
SAP BI(BO) Détails
Suite Microsoft (SSIS-SSAS-SSRS) Détails
Data Science Détails
Python Détails
Talend Détails
Microsoft BI (MCSE) Détails
Microsoft Power BI Détails
sap bi / bw Détails
Informatica PowerCenter Détails
Formation Big Data & machine learning Détails

Foire Aux Questions

Un Data Scientist a besoin de grandes quantités de données pour élaborer des hypothèses, faire des déductions et analyser les tendances des clients et du marché. Les responsabilités de base comprennent la collecte et l'analyse de données, l'utilisation de divers types d'outils d'analyse et de rapport pour détecter des modèles, des tendances et des relations dans les ensembles de données.

La certification Data Scientist est finançable par le CPF

Vous pouvez faire l’inscription ou la demande du devis avec un seul click