En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour vous proposer des services et offres adaptés à vos centres d’intérêts.
Pour en savoir plus et paramétrer les cookies, suivez ce lien
Développeur de compétences
  •  
  •  
  •  

data science,Introduction


  • Objectifs
  • Profils
  • Pré-requis
  • Moyens pédagogiques
  • Certificat / Attestation
  • Dates / Lieu
  • Découvrir à la fois les problématiques et les outils de la data science
  • Connaître et savoir identifier les grandes familles de modèles utilisés en data science
Trouvez votre prochaine formation

Programme

  • 2 Jours, 14h
  • 1775 HT *
    INTRODUCTION A LA DATA SCIENCE
    • Définition, historique et enjeux
    • Domaines d’application et problématiques de la Data Science
    • Environnement Big Data pour la  Data Science
    • Métier de la data science : journée type du data scientist
    • Les acteurs et les outils du marché pour la data science

    COMPETENCES TECHNIQUES POUR LA DATA SCIENCE Extraction manipulation des données
    • Objectif et démarche
    • Exemple pratique

    Exploration et visualisation des données
    • Objectif et démarche
    • Exemple pratique

    La modélisation
    • Objectif et démarche
    • Les grandes familles de modèles et leurs domaines d’application :
    • Classifications supervisée et non supervisée et système de recommandations
    • Modèles mathématique statistiques
    • Machine learning et modèles cognitifs
    • Exemples pratiques

    Modèles de classification supervisée :
    • Domaine d’application
    • Programmes et langages pour les modèles
    • Introduction à quelques modèles :
    • Principe du modèle de la régression
    • Principe du modèle des Réseaux bayésiens
    • Principe du modèle d’Arbre de décision et Randon Forest
    • Exemples pratiques avec Python Scikitlearn  et IBM SPSS

    Modèle de classification non supervisée :
    • Domaine d’application
    • Programmes et langages pour les modèles
    • Introduction à quelques modèles : Principe du modèle K-means, Principe du modèle de Réseaux de neurones
    • Exemples pratiques avec Python Scikitlearn  et IBM SPSS

    Modèles de recommandation et analyse d'association :
    • Domaine d’application
    • Programmes et langages pour les modèles
    • Introduction à quelques modèles : Principe du  filtrage par le contenu, Principe du  filtrage Collaboratif
    • Exemples pratiques avec Python Scikitlearn  et IBM SPSS

* La durée et le prix de la formation sont donnés à titre indicatif pour une inscription en inter-entreprises. Toute demande intra-entreprise fait systématiquement l’objet d’un devis sur-mesure devant être approuvé pour acceptation.