Datascientest

Développer les compétences d'architecture de solutions dans le cloud et plus précisément les compétences de conception de systèmes disponibles, rentables, tolérants aux pannes, distribués et évolutifs sur AWS : - Prendre des décisions architecturales conformément aux bonnes pratiques et aux principes recommandés par AWS. - Utiliser les services AWS pour faire évoluer une infrastructure renforcer sa fiabilité et optimiser sa disponibilité. - Exploiter les services gérés par AWS pour rendre une infrastructure plus flexible et résiliente. - Optimiser une infrastructure basée sur AWS pour la rendre plus performante et diminuer ses coûts. - Utiliser le Well-Architected Framework pour améliorer des architectures existantes grâce aux solutions AWS.

-Premier pas sur l'architecture AWS et première application Introduction au Cloud AWS.
- Conception d'architectures réseaux
- Complexification des architectures

Sans niveau particulier

Elle a pour objectif de développer les compétences nécessaires à l'exercice d'activités d'analyse de données avec l'outil Microsoft Power BI au sein d'une organisation

Introduction à la BI et power Bi
Transformer les données avec Power Query (préparation des données, connexion aux sources de données et transformation pour les rendre exploitables)
Modélisation des données et language Dax (liaison des informations, créations de mesures utiles)
Data Visualisation (sélection des types de graphiques, création de tableaux de bord)
Gestion des espaces de travail et sécurité (diffusion des rapports, gestion de l'accès aux données selon les droits des utilisateurs)

Sans niveau particulier

Elle a pour objectif de développer les compétences nécessaires à l'exercice d'activités d'analyse de données avec l'outil Microsoft Power BI au sein d'une organisation.

Power Query M avancé
Dax avancé (création de mesures, gestion des dates)
DataFlow & Pipeline (préparation de la donnée, création de pipelines entre les espaces de travail)
Incremental refresh & table hybride (gestion du rafraichissement des datasets, mise en place de tables hybrides)
Dataviz avancée & streaming Dataset (création d'un jeu de données en streaming, manipulation de visualisation plus complexes)

Sans niveau particulier

Elle a pour objectif de développer les compétences nécessaires à l'exercice d'activités d'analyse de données avec l'outil Microsoft Power BI au sein d'une organisation

I :
Introduction à la BI et power Bi
Transformer les données avec Power Query (préparation des données, connexion aux sources de données et transformation pour les rendre exploitables)
Modélisation des données et language Dax (liaison des informations, créations de mesures utiles)
Data Visualisation (sélection des types de graphiques, création de tableaux de bord)
Gestion des espaces de travail et sécurité (diffusion des rapports, gestion de l'accès aux données selon les droits des utilisateurs)

II :
Power Query M avancé
Dax avancé (création de mesures, gestion des dates)
DataFlow & Pipeline (préparation de la donnée, création de pipelines entre les espaces de travail)
Incremental refresh & table hybride (gestion du rafraichissement des datasets, mise en place de tables hybrides)
Dataviz avancée & streaming Dataset (création d'un jeu de données en streaming, manipulation de visualisation plus complexes)

Sans niveau particulier

Détecter une attaque; connaître les outils d'investigation; connaître l'activité d'un SOC; connaître les contre-mesures d'une vulnérabilité; appliquer les principes de sécurité; connaître les principaux outils et méthodes d'attaques; comprendre le processus d'une attaque; savoir comment se préparer et gérer une cybercris; savoir comment éprouver son processus de gestion de cybercrise; connaître les savoir-être et les savoir-faire des analystes SOC, expert du renseignement cyber.

Fondatementaux de la cyber-sécurité ; les composantes de la cyberdéfenses; les stratégies d'attaques; les stratégies de défense; gestion de crise cyber ; besoin de renseignement.

Sans niveau particulier

Développer les compétences permettant d'atteindre un niveau opérationnel d'utilisation de Python (score Tosa 551 à 725 certification RS6202)

Initiation à Python (Python - Pandas)
Data Gouvernance (Data Quality, acculturation Data)
Databases (Data : sources, types et stockage, SQL)
Businss intelligence
Introduction à la Business Intelligence
Power BI
Make

Sans niveau particulier

Concevoir et développer des solutions de stockage et de traitement de données pour l'entreprise Configurer et déployer des services de données cloud tels que des services Blob, des bases de données et des fonctionnalités d'analytique Sécuriser la plateforme et les données stockées. Vérifier que seuls les utilisateurs autorisés peuvent accéder aux données Assurer la continuité de l'activité dans les situations exceptionnelles à l'aide des techniques de haute disponibilité et de reprise d'activité après sinistre Assurer la supervision des systèmes pour vérifier qu'ils s'exécutent correcteme

- Introduction à Azure
- Gestion et traitement des données
- Suivi des solutions déployées pour le stockage et le traitement.

Sans niveau particulier

Effectuer des extractions de données d'une seule table d'une base de données relationnelle ; Réaliser l'extraction de données issues de plusieurs tables d'une même base de données relationnelle ; Mettre à jour les données d'une table au sein d'une base de données relationnelle, en utilisant les instructions SQL de type DML (insérer, supprimer, modifier, rechercher) ; Enregistrer dans la base de données relationnelle les requêtes SQL d'extraction de données les plus couramment utilisées sous forme de vues.

Introduction au langage SQL (14h).
Développement de datasets analytiques avec SQL (7h).

Sans niveau particulier

Automatiser le déploiement d'une infrastructure dans le cloud Déployer en continu une application Superviser les services déployés

1.Forge & Scripting : Python, Git, Github, Agile, Jira, CI/Github actions

2. Data Structure : PostgreSQL, AWS RDS, DS relationnelles, DynamoDB, NoSQL, Repication, backup

3. Architecture : Amazon elastic compute Cloud, Linux, Bash REPL, Ansible

4. Deployement : Terraform, Docker, Github Actions, Kubernetes, AWS EKS

5. Monitoring : Sentry, Nagios, Stack exchange network

Bac + 3 à bac + 4

Maîtriser l'adressage IP en attribuant des adresses IP de manière appropriée, en gérant les sous-réseaux et en résolvant les conflits d'adresse. Configurer des réseaux en mettant en place des paramètres tels que les adresses IP, les masques de sous-réseau, les passerelles et les règles de pare-feu pour assurer une connectivité efficace et sécurisée. Comprendre les principes de l'architecture cloud-native, en mettant concevant des applications tirant parti des avantages du cloud computing, tels que l'évolutivité, la résilience et la flexibilité. Maîtriser les concepts des microservices et de l'architecture orientée services, en fragmentant les applications en composants autonomes pour simplifier le développement, le déploiement et la gestion. Intégrer des applications sur le Cloud AWS en utilisant les services et les outils fournis par Amazon Web Services (AWS), en créant des architectures évolutives et hautement disponibles pour les applications.

- Fondamentaux (réseaux, Gestion des systèmes d'exploitation, Introduction aux bases de données)

- Administration des systèmes et des réseaux (Linux, Windows, réseaux LAN & WAN, Administration des bases de données, Docker, Réseaux WiFi, Services de téléphonie, CompTIA ou Cisco CCNA)

- Virtualisation & Cloud (VMWare, Proxmox, Administration & gestion des infrastructures Cloud, Parcours bronze, argent ou or AWS)

- Gestion des parcs informatiques (Gestion des incidents : méthode ITIL, Gestion d'inventaire avec ServiceNow, Déploiement des systèmes Windows avec MDT, Supervision & surveillance des parcs informatiques avec SolarWinds, RGPD, Gestion d'inventaire avec GLPI, Déploiement des systèmes Linux avec Ansible Tower, Supervision & surveillance des parcs informatique avec Centreon Nagios)

- Sécurité des systèmes d'information (Audit & analyse des réseaux, Sécurité des systèmes Windows & Linux, Pentesting avec Kali Linux Sécurité dans le cloud, Pentesting avec Metasploit)

- Script & automatisation (Powershell, Automatisation avec Python, Ansible, Terraform, Bash)

- Conception, mise en place et gestion de l'infrastructure informatique (Analyse des besoins, Conception de l'infrastructure, Mise en place de l'infrastructure, Intégration des services, Sécurité et gestion des accès, Rapport de projet et documentation)

Bac + 3 à bac + 4

Gérer efficacement les utilisateurs, les groupes et les permissions sur un système, en attribuant des droits d'accès appropriés et en assurant la sécurité des données. Configurer la sécurité du système en mettant en place des pare-feux, des antivirus, des mises à jour de sécurité et en suivant les meilleures pratiques de sécurité informatique. Installer et de configurer des serveurs pour des applications spécifiques, en tenant compte des besoins de l'entreprise. Gérer les services et les applications sur des serveurs, en assurant leur disponibilité et leur performance. Mettre en place des mesures de sécurité et de sauvegarde des serveurs, en protégeant les données vitales et en assurant la reprise après sinistre.

- Fondamentaux (réseaux, Gestion des systèmes d'exploitation, Introduction aux bases de données)

- Administration des systèmes et des réseaux (Linux, Windows, réseaux LAN & WAN, Administration des bases de données, Docker, Réseaux WiFi, Services de téléphonie, CompTIA ou Cisco CCNA)

- Virtualisation & Cloud (VMWare, Proxmox, Administration & gestion des infrastructures Cloud, Parcours bronze, argent ou or AWS)

- Gestion des parcs informatiques (Gestion des incidents : méthode ITIL, Gestion d'inventaire avec ServiceNow, Déploiement des systèmes Windows avec MDT, Supervision & surveillance des parcs informatiques avec SolarWinds, RGPD, Gestion d'inventaire avec GLPI, Déploiement des systèmes Linux avec Ansible Tower, Supervision & surveillance des parcs informatique avec Centreon Nagios)

- Sécurité des systèmes d'information (Audit & analyse des réseaux, Sécurité des systèmes Windows & Linux, Pentesting avec Kali Linux Sécurité dans le cloud, Pentesting avec Metasploit)

- Script & automatisation (Powershell, Automatisation avec Python, Ansible, Terraform, Bash)

- Conception, mise en place et gestion de l'infrastructure informatique (Analyse des besoins, Conception de l'infrastructure, Mise en place de l'infrastructure, Intégration des services, Sécurité et gestion des accès, Rapport de projet et documentation)

- Spécialité cybersécurité (méthodologie de pentest, Audit et analyse des réseaux, Exploitation avec Kali Linux, Post Exploitation)

Bac + 3 à bac + 4

Conduire un projet data-driven marketing de A à Z : - Traquer, collecter et analyser les données afin d'optimiser la stratégie marketing de son entreprise. - Manager les différentes parties prenantes participant à ce type de projets.

1. Introduction au data marketing :
-Fondamentaux Marketing Digital
-Introduction au Data Marketing

2.Langages de programmation
-Excel pour Data Marketing
-Introduction à Python
-Langage SQL pour Data Analyse
-Optionnel : Webscraping avec BeautifulSoup


3.Growth hacking & marketing automation
-Méthode AARRR
-CRM & marketing automation avec Hubspot
-Optionnel : Automatisation No-Code avec Make

4.Tracking & analyse de données
-Google Analytics 4 (certification Google)
-Google Tag Manager (certification Google)

5.Principales sources d'acquisition
-SEO
-SEA avec Google Ads
-Social media

6.Data Visualisation & Business Intelligence
-Looker Studio
-Optionnel : Power BI

7.Web design et Réglementation
-RGPD
-UX/UI design

Bac + 5 et plus

Elaborer le cahier des charges du projet IA Elaborer le budget du projet IA Manager une équipe projet IA Sélectionner des prestataires associés Piloter la mise en place du plan de formation complémentaire des membres de l'équipe projet Collaborer à la préparation des supports de formation La formation vise l'obtention du bloc de compétences "Développer une solution d'intelligence artificielle" partie intégrante de la certification RNCP36129 "Chef de projet en intelligence artificielle" délivrée par Ascencia.

Jour 1 : Acculturation GenAI & ChatGPT4
Module 1 - Acculturation à l'IA Générative
Les fondamentaux du Machine Learning et Deep Learning
Les fondamentaux des modèles génératifs
Module 2 - Premiers pas sur ChatGPT4
Connexion à ChatGPT4 et premiers prompts
Interface et des principes clés
Différences entre ChatGPT 3 vs 4
Module 3 - Maitrise de ChatGPT4
Fonctionnalités et techniques avancées
Rédaction efficaces de prompts
Mise en pratique
Éthique et limites

Jour 2 - Explorer les IA Génératives
Module 1 -Maîtrise du prompting sur Canva AI Tools
Fonctionnalités et techniques clés
Mise en pratique
Module 2 - Maîtrise du prompting sur Dall-e
Anatomie d'un prompt
Styles artistiques, ombres, couleurs & textures
Cas pratique
Module 3 - Maîtrise du prompting sur ElevenLabs
Création d'audio à partir d'un texte & clonage de voix
Cas pratique
Module 4 - Explorer d'autres IA génératives
Création de vidéo
Création d'un site web

Bac + 5 et plus

Acquérir les compétences indispensables afin d'exercer les missions d'un Data Analyst au sein d'une organisation. Pour mener à bien ses missions, le Data Analyst doit avoir des compétences spécifiques, notamment en génie informatique et en statistique. Pour exploiter les données brutes à disposition de l'organisation, il devra maîtriser les outils spécifiques au traitement de données comme Hadoop ou Spark. Pour concevoir et mettre en oeuvre la persistance des données, il modélisera et créera une base de données de type relationnel ou NoSQL (Not only SQL) ou adaptera une base existante en l'optimisant ou en ajoutant des éléments dans le respect des bonnes pratiques. Certifications en fin de parcours Les compétences développées lors du parcours de formation visent à acquérir plusieurs reconnaissances: Le bloc 3 de la certification chef de projet en intelligence artificielle. Une attestation de formation au cursus Data Analyst de DataScientest. une certification par l'université Paris 1 Panthéon Sorbonne.

DataScientest propose une formation complète pour le métier de Data Analyst. Le Data Analyst ou business analyst traite et analyse les données dans une optique de prise de décision Business, organisationnelle, Projet etc... Divisé en 6 blocs, la formation Data Analyst a été pensée pour répondre aux attentes métiers d'aujourd'hui, et créée avec les Chief Data Officer des plus grands groupes français. Accessible en format continu (8-10h/semaine) de 6 mois et bootcamp (35-40h/semaine) de 9 semaines, cette formation sera apporter toutes les connaissances et compétences nécessaires au métier sous-jacent. I. Introduction à Python Fondamentaux de python NumPy Pandas Data Quality (optionnel) II. Data Visualisation Matplotlib Seaborn Bokeh (facultatif) Complément Matplotlib III. Machine Learning Algorithme et méthodologie de classification avec Scikit-Learn Méthode de réduction de dimension Méthode de régression IV. Extraction et gestion de données textes Text Mining WebScraping V. Big Data/ Database Introduction au Data Engineering et Big Data Data Processing et Machine Learning sur des grandes bases de données VI. Business Intelligence Business Intelligence Power BI Tableau En suivant ce cursus, vous aurez toutes les clefs pour y parvenir. Les compétences en Python, DataViz, mais également Machine Learning SQL ou Business intelligence. Un programme exhaustif qui fera de vous un Data Analyst opérationnel à l'aise avec toutes les technologies utilisées sur le marché. Durant la formation, vous mettrez en place un "projet fil-rouge", que vous allez devoir établir à partir de rien. Il représente environ 1/3 du temps alloué à votre formation: chaque semaine un point sera fait avec votre responsable de cohorte pour gérer l'avancement et la bonne compréhension des méthodes à mettre en pratique.

Bac + 5 et plus

Acquérir les compétences indispensables afin d'exercer les missions d'un chef de projet dans la data science au sein d'une organisation. Pour mener à bien ses missions, chef de projet dans la data science doit avoir des compétences spécifiques, notamment en génie informatique et en statistique.

DataScientest propose une formation complète pour le métier de Data Scientist. Le Data Scientist métier le plus sexy du 21 eme siècle, traite les données et élabore des modèles prédictifs.

Divisé en 10 blocs, le cursus de Data Scientist, accessible en format intensif de 11 semaines ou continu de 9 mois, saura apporter toutes les connaissances et compétences nécessaires au métier sous-jacent.

- Programmation (Python, Numpy, Pandas)
- Dataviz (Matplotlib, Seaborn, Bokeh)
- Outils de programmation (Linux, Bash, Git, Github, Tests unitaires)
- Machine Learning (classification, clustering, régression, KNN)
- Machine Learning avancé (Statsmodels, réduction de dimensions, détection d'anomalies)
- Machine Learning appliqué (Text mining, Webscraping, Ethique et interprétabilité)
- Modèles complexes (systèmes de recommandations, reinforcement Learning, théorie des graphes, NetworkX)
- Deep Learning (réseaux de neurones, réseaux de convolution, Keras, tensorFlow)
- Data Engineering (SQL, PySpark, API)
- MLOps (MLflow, Docker, Airflow)

Bac + 5 et plus

Acquérir les compétences indispensables afin d'exercer les missions d'un chef de projet en data engineer au sein d'une organisation. Pour mener à bien ses missions, chef de projet en data engineer doit avoir des compétences spécifiques, notamment en génie informatique et en statistique.

- Introduction à Python
- Compléments Python
- Programmation avancée pour les Data Engineer
- Big data variété
- Big Data Volume
- Streaming de données
- Dataviz & Machine learning
- DevOps - Isolation
- DevOps - Orchestration

Bac + 5 et plus

Elle a pour objectif de développer les compétences nécessaires à l'exercice du métier de chef de projet en intelligence artificielle et vise ainsi la validation de la certification RNCP36129 de niveau 7. Ainsi au termes de la formation, l'apprenant sera capable de : - Étudier les données de l'entreprise pour définir celles qui seront extraites et traitées; - Élaborer des modèles prédictifs afin d'anticiper une évolution ou de déterminer une valeur cible intéressante pour l'entreprise ; - Mettre en production des algorithmes de Machine et Deep Learning et déployer des modèles sur les solutions cloud. - Exploiter les résultats d'analyse de données et de modélisation pour les rendre lisibles, utilisables et actionnables par les autres services de l'entreprise.

1. Séquence "Data Scientist" :
- Programmation (Python, Numpy, Pandas)
- Dataviz (Matplotlib, Seaborn, Bokeh)
- Outils de programmation (Linux, Bash, Git, Github, Tests unitaires)
- Machine Learning (classification, clustering, régression, KNN)
- Machine Learning avancé (Statsmodels, réduction de dimensions, détection d'anomalies)
- Machine Learning appliqué (Text mining, Webscraping, Ethique et interprétabilité)
- Modèles complexes (systèmes de recommandations, reinforcement Learning, théorie des graphes, NetworkX)
- Deep Learning (réseaux de neurones, réseaux de convolution, Keras, tensorFlow)
- Data Engineering (SQL, PySpark, API)
- MLOps (MLflow, Docker, Airflow)

2. Séquence "MLOps" :
- Intégration et Déploiement Continus (Git, Github, Linux, Bash)
- Data Ops Isolation (FastAPI, Docker, sécurisation des API)
- Data Ops Orchestration (Kubernetes, Airflow)
- ModelOps (MLFlow)

3. Séquence "Data Product Management" :
- Business Intelligence (Introduction à la Business Intelligence, Power BI, Make)
- Data gouvernance (Acculturation Data, Les différentes sources et types de données, RGPD et éthique)
- Chefferie de projet
- Python (Fondamentaux, Manipulation de données avec Pandas, API requesting)

Bac + 5 et plus

DataScientest propose une formation complète en Deep Learning Computer Vision. Vous serez ainsi capable de traiter et d'analyser les données et de créer un modèle IA de vision par ordinateur : - Traiter des données - Modéliser des données sous un format exploitable - Concevoir le modèle IA - Optimiser le modèle IA.

Divisé en 8 unités, le cursus saura apporter toutes les connaissances et compétences nécessaires aux activités professionnelles sous-jacentes : - Les Fondamentaux du Deep Learning - TensorFlow et application - Deep Learning pour les séries temporelles - Méthodologie en Deep Learning et application - Auto Encodeur et représentation vectorielle - Transfer Learning - Image Generation - Segmentation et détection d'objet.

Bac + 5 et plus

DataScientest propose une formation complète en Deep Learning NLP (Natural Language Processing). Vous serez ainsi capable de traiter et d'analyser les données et de créer un modèle IA de traitement du langage naturel : - Traiter des données - Modéliser des données sous un format exploitable - Concevoir le modèle IA - Optimiser le modèle IA

Divisé en 7 unités, le cursus saura apporter toutes les connaissances et compétences nécessaires aux activités professionnelles sous-jacentes :
- Les Fondamentaux du Deep Learning
- TensorFlow et application
- Deep Learning pour les séries temporelles
- Text Mining
- Word Embedding et Application sur la Text Similarity
- Les réseaux de neurones récurrents
- Transformers sur Tensorflow

Bac + 5 et plus

- Etre capable de piloter un projet IA de la création de l'équipe à la restitution des résultats - Connaître les principes fondamentaux de l'IA et le vocabulaire essentiel pour intégrer une équipe Data - Créer un Dashboard interactif à partir de données brutes.

- Business Intelligence (Introduction à la Business Intelligence, Power BI, Make) : 24h
- Data gouvernance (Acculturation Data, Les différentes sources et types de données, RGPD et éthique) : 19h
- Chefferie de projet : 15h
- Python (Fondamentaux, Manipulation de données avec Pandas, API requesting) : 27h

Bac + 5 et plus

Elle a pour objectif de développer les compétences nécessaires au déploiement et à la mise en production de modèles de Machine Learning au sein d'une organisation.

1. Programmation avancée (22h)
Web Scraping
Test Unitaies
Sytème Linux et Script Bash

2. Data Ops - Isolation (40h)
API
Docker
Sécurisation des API

3. Data Ops - Orchestration (20h)
Kubernetes
Airflow

4.ModelOps (8h)
MLFlow
Acculturation Data

Bac + 5 et plus

Communiquer efficacement sur les risques et sensibiliser au sein de l'organisation. Analyser les menaces. Gérer des incidents de sécurité : planifier, répondre et récupérer après une violation de sécurité. Réaliser des audits afin d'évaluer les mesures de sécurité mises en place.

Les fondamentaux des systèmes et réseaux (Les bases du réseau, Les bases des systèmes Linux et Windows)
Les bases de la sécurité système et réseaux (introduction cyber, sécurité des réseaux, sécurité des systèmes et de l'Active Directory)
Sécurité du cloud et la posture du consulting
Ethical Hacking (Les bases du Hacking, Hackin systèmes, réseaux et web, Réalisation d'un audit de test d'intrusion)
L'implémentation des normes liées à la SSI (Introduction à la GRC, Iso 27001 Lead Implementer, Autres référentiels de sécurité)
Les analyses de risques (Iso 27005 Risk Manager, EBIOS-RM, Autres méthodologies d'analyse des risques)
Gestion des incidents et gestion de crise cyber (Préparation et réponse à incident, ISO 27035, PCA/PRA)
Règlementation en cybersécurité (RGPD et le métier de DPO, Effectuer une veille juridique en cybersécurité

Bac + 5 et plus

Développer les compétences nécessaires permettant d'attester des compétences suivantes : -Concevoir les architectures big data valorisant les données -Piloter la maintenance de l'architecture de données massives Ainsi, la formation vise l'obtention des blocs de compétences 3 et 4 de la certification de niveau 7 "Data Engineee" RNCP37422.

- Introduction à Python
- Compléments Python
- Programmation avancée pour les Data Engineer
- Big data variété
- Big Data Volume
- Streaming de données
- Dataviz & Machine learning
- DevOps - Isolation
- DevOps - Orchestration

Bac + 5 et plus

Analyser les besoins métiers. Appliquer la méthode de gestion de projet la plus adaptée. Piloter un projet data.

Introduction au Data Product Managament (Comprendre le rôle et les missions d'un Data Product Manager, La Data Science en entreprise)
Data Manipulation :
- Option 1 : Fondamentaux python, Manipulation des données avec Pandas, Introduction aux APIs, Data quality.
- Option 2 : Introduction aux APIs, Data Quality, Mise en situation professionnelle de data gouvernance)
Acculturation et Data Gouvernance (Acculturation Data, Les différents types et sources de données, RGPD et Éthique)
Chefferie de projet (Gestion de projet et conduite du changement, La méthode Agile, Projet de fin de formation)
Modules optionnels (Introduction à la Business Intelligence, Power, Make, SQL)

Bac + 5 et plus