Le Pont Learning

Ce cursus de formation a pour objectif de renforcer l'employabilité, l'insertion professionnelle et le taux de retour à l'emploi durable de demandeurs d'emploi. Le data analyst, également appelé data scientist, ou data miner, est un expert de la gestion et de l'analyse pointue de données massives, ses principales activités sont les suivantes : Identifier les besoins et la problématique des directions métiers. Définir une modélisation statistique qui permette de répondre à la problématique. Construire des outils d'analyse pour collecter les données de l'entreprise. Sourcer et rassembler l'ensemble des sources de données structurées ou non structurées nécessaires à l'analyse et pertinentes. Organiser, étudier et synthétiser ces sources de données sous forme de résultats exploitables. Modéliser les comportements et en extraire de nouveaux usages utilisateurs.

Module 1. La business analytique
Comprendre et savoir expliquer l'importance de la data et devenir un ambassadeur du changement.
Les applications analytiques optimales des technologies actuelles.
Maîtriser la data pour mieux comprendre et servir les audiences métiers.
Savoir détecter et gérer les comportements de résistance au changement.
Créer des processus lean, itératifs pour faire avancer les questionnements analytiques et tendre vers la data science.
Rendre l'analytique démocratique pour créer semer les graines de la data science de demain.
Module 2. Architecte de la data
Les techniques de gestion de la qualité de donnée.
Le master data management.
Les modèles de gouvernance de données.
Créer, alimenter, maintenir des visualisations avancées pour détecter des tendances et communiquer vos résultats avec impacts data.
Module 3. Data wrangling
Soyons solide en sql.
Soyons à l'aise en python et pandas.
Appliquons à un traitement de données.
Comment récupérer de la data de n'importe quelles sources et n'importe quel format.
Le profilage de données façon python/pandas.
Scrape - grab - wrangle avec sa data. Appliquer par l'exemple les techniques avancée à des cas classiques d'entreprise.
Savoir travailler les géo data et ajouter la dimension géographique à nos analyses.
Module 4. Batir l'infrastructure qui scale
Lancer un serveur sur le cloud avec les bonnes options pour limiter les coûts sans brider la performance.
Savoir organiser des flux performant de fichier pour fluidifier les échanges de données.
Maîtriser la création de base de données pour des projet ad hoc.
Savoir intégrer à la volée les données dans des bases de données pour accèder rapidement à des niveaux de performance d'analyse.
Aller plus loin dans le cloud.
Protéger ses flux et ses infrastructu
Tensor flow et consors re avec les bons niveaux de sécurité.
Hadoop - pourquoi hadoop est mort.
Module 5. Advanced analytics & ml.
Application of ai/ml in business.
Les regressions linéaires.
Les classifications.
Binary classifications.
Multiclass classification.
Classification with tensorflow.
Image classification.
Clustering.
Les autres modèles.
Deep learning.
L'ia/ml appliqués holistiquement.
Module 6. Data leader
Business question et biais cognitifs + models are not magic (over/under fit).
People side of data science.
Leadership in data science.
Ethics and diversity.
Interview prep.
Agile - open innovation - design thinking.
Adhérence aux si - industrialisation des process.
Module 7. Outboarding
Linkedin.
Badge.
Networking.
Interview cas.
Vidéo cv .
Mentoring.

Sans niveau particulier

À l'issue de la formation Data Engineer, les participants seront en mesure de : -Diagnostiquer les modèles de données en place (cartographie) et rédiger des préconisations sur les technologies à mettre en place pour répondre au mieux au besoin exprimé -Décider de l'architecture technique data à implémenter, définir les étapes de sa mise en place et animer les réunions de travail (selon les méthodes Agiles, / SCRUM) -Écrire des requêtes (SQL et HTTP avec Python, C++ ou Java) pour récupérer la donnée, la transformer (algorithmes de traitement et nettoyage) puis l'analyser à l'aide d'outils et méthodes statistiques (statistique descriptive, théorie de distributions, séries temporelles...) -Définir le ou les modèle(s) de données et créer la structure de stockage -Automatiser le flux de données et mettre en place des techniques de profilage des temps de calcul à l'aide d'outils d'optimisation - Écrire des tests automatiques fonctionnels et s'assurer de la maintenance préventive/curative de l'architecture Big Data.

BLOC 1 : Concevoir un projet d'architecture de projet Big Data
- Introduction à l'écosystème de données pour une organisation / Recenser, analyser et synthétiser les besoins utilisateurs/ Benchmarking et Veille technique et réglementaire
- Contrainte juridiques du RGPD dans les projets Big Data / Bases de la sécurité du SI / Green IT
- Définir et déployer une veille technique et professionnelle
- Design Thinking
- Introduction à la FinOps et Scrum & Agile
- Outils de suivi d'un projet Agile ( Jira ou AzureDevOps )
- Cours Git

BLOC 2 : Elaborer une solution technique de collecte et de traitement de données massives
- Utiliser Python pour le protocol de requetage http
- Programmation en langage Python
- Indexation des données Elastic Search (ELK)- Kibana
- Rappel au SQL,HTML, JSON,
- Infrastructure Cloud et on premise : overview Cloud Computing Azure + certification microsoft
- Introduction à Docker Formation Data Lake : Créer son Architecture de données
- Déployer et administrer CLOUDERA
- Programmation fonctionnelle avec Scala
- Ecosystème HADOOP 2 : architecture, outils et langages (Hbase/Hive)
- Power BI
- Introduction aux tests informatiques: "Test Driven Development" et "Test End to End"
- Stratégie d'automatisation des tests

BLOC 3 : Déployer l'architecture de gestion de données massives
- Mettre en oeuvre une solution Big DATA
- Conduite du changement d'un projet informatique
- Big data Spark
- Droit d'accés fichiers spéciaux et script
- Formation aux outils d'intégration: Gitlab et Jenkins
- Formation Sélenium
- Gestion des flux avec hadoop NIFI

BLOC 4: Piloter un projet Big Data
- Cadrage du projet
- Management et communication dans le projet
- Suivi de projet
- Mobiliser la performance collective pour piloter efficacement la transformation au sein d'une organisation.
- Conduite du changement d'un projet informatique
- Accompagner les utilisateurs d'un projet Big Data

A noter, des heures de CapStone (évaluations en groupe devant un jury), d'examens et de gestion de projet sont aussi prévues au cours de la formation.

Bac + 5 et plus