Programme de Formation Qualifiante en Data Science
| Objectifs : | |
| Acquérir les compétences nécessaires pour collecter et nettoyer les données. | |
| Utiliser des outils de préparation des données. | |
| Principaux concepts : | |
| Sources de données | |
| Techniques de collecte de données | |
| Nettoyage et transformation des données | |
| Introduction à des outils comme Python (pandas), R, Excel | |
| Méthodes, techniques ou outils pédagogiques : | |
| Ateliers pratiques | |
| Démonstrations de logiciels |
| Objectifs : | |
| Analyser les données pour en extraire des informations pertinentes. | |
| Visualiser les données pour mieux comprendre les tendances. | |
| Principaux concepts : | |
| Techniques de statistique descriptive | |
| Visualisation de données (matplotlib, seaborn, ggplot2) | |
| Détection des tendances et des anomalies | |
| Méthodes, techniques ou outils pédagogiques : | |
| Travaux pratiques sur des jeux de données réels | |
| Utilisation de logiciels de visualisation | |
| Projets en groupe |
| Objectifs : | |
| Construire et évaluer des modèles de Machine Learning. | |
| Sélectionner les algorithmes appropriés pour différents types de données. | |
| Principaux concepts : | |
| Introduction au Machine Learning | |
| Types de modèles (régression, classification, clustering) | |
| Techniques de validation des modèles | |
| Introduction à des frameworks comme scikit-learn, TensorFlow, Keras | |
| Méthodes, techniques ou outils pédagogiques : | |
| Cours magistraux et tutoriels | |
| Exercices pratiques avec des jeux de données | |
| Projets de modélisation |
| Objectifs : | |
| Présenter les résultats de manière claire et concise. | |
| Utiliser des outils de reporting et de visualisation avancés. | |
| Principaux concepts : | |
| Techniques de storytelling avec les données | |
| Utilisation d'outils de reporting (Tableau, Power BI) | |
| Création de tableaux de bord interactifs | |
| Méthodes, techniques ou outils pédagogiques : | |
| Simulations de présentation | |
| Ateliers de création de rapports | |
| Études de cas de communication efficace |
| Objectifs : | |
| Comprendre les concepts de base de la Data Science. | |
| Identifier les domaines d'application de la Data Science. | |
| Principaux concepts : | |
| Définition de la Data Science | |
| Histoire et évolution de la Data Science | |
| Applications et impact de la Data Science dans divers secteurs | |
| Méthodes, techniques ou outils pédagogiques : | |
| Présentations interactives | |
| Études de cas | |
| Discussions de groupe |