Ferme la recherche

Certification DiGiTT - Data Full - Bootcamp

Descriptif

Durée de la formation

Durée 440 heures
En centre 440 heures

Session

entrées/sorties permanentes

du 15 avril 2021 au 31 déc. 2021  - Puteaux (92)
du 15 avril 2021 au 31 déc. 2021  - Puteaux (92)
Pour connaître les dates des prochaines sessions, veuillez contacter l'organisme de formation

Objectif de la formation

Développer les apports théoriques indispensables aux métiers de Data Scientists, Data Engineer et Data Analyst
Apprendre à analyser, visualiser et explorer ses données
Apprendre à mettre en production des projets Data
Savoir entraîner des modèles de machine learning et deep learning
Connaitre et maitriser les technologies Big Data

Description de la formation

Module 1 : Les fondamentaux
-Kit de survie. Maitriser les outils indispensables : Github, Jupyter Notebook, PyCharm...
-Python pour la Data Science. Manipulation des librairies python : Pandas, Matplotlib, NumPy, SciPy
-Les fondamentaux mathématiques. Développer les acquis théoriques fondamentaux en algèbre linéaire, statistiques et probabilités

Module 2 : Data Analysis
-Data analysis et Data Cleaning. Apprendre à utiliser Github, lancer des requêtes SQL, utiliser une API
-Data Visualization. Apprendre à utiliser les principales librairies de data viz comme Bokeh, Seaborn ou encore Plotly
-Data Exploration. Explorer vos données en python afin d'en extraire les principaux insights

Module 3 : Data Engineering
-Manipulation d'API. Apprendre à développer et manipuler vos propres API.
-Mise en production d'un projet Data. Découvrir les notions de dockerisation, clusters kubernetes.
-Cloud. Maitriser les solutions cloud d'Amazon AWS et Google Cloud. Apprendre à monitorer l'activité de vos serveurs.

Module 4 : Machine Learning
-Apprentissage supervisé / Non Supervisé. Explorer ces différentes méthodes d'apprentissages grâce à la librairie Sickit
- Learn : SVM, kNN, PCA, Random Forest.
-Généralisation des modèles. Apprendre à choisir les bonnes méthodes de régularisation.
-Natural Language Processing. Développer les acquis techniques en gestion de données textes : NLTK, SpaCy...

Module 5 : Big Data Engineering
-Ecosystème Hadoop. Pouvoir comprendre l'architecture des applicatifs Hadoop et savoir quels sont les apports et les cas d'usage des solutions Hadoop.
-Bases de données SQL/NoSQL. Apprendre à manipuler les bases de données SQL et NoSQL : MongoDB, ElasticSearch, Neo4J
-Data Streaming. Apprendre à créer un Data Streaming Pipeline et à maitriser l'utilisation de Kafka

Module 6 : Deep Learning
-Réseaux de Neurones. Apprendre à construire et entrainer vos premiers réseaux de neurones.
-Computer Vision. Entrainer vos modèles de détections et de classifications d'images et déployer vos premières applications.
-Deep Reinforcement Learning et Recurrent Neural Networks. Apprendre à entrainer vos premiers agents ainsi qu'à évaluer un modèle RNN
+ Coaching professionnel
-Aide à la rédaction de CV et lettre de motivation
-Préparations aux entretiens d'embauche
-Sessions de Q/A DATA
-Aide à la recherche d'emploi sur notre plateforme

Conditions d'accès

Connaissances en mathématiques de base (niveau Bac scientifique)
Chefs de projets
Products Owners
Développeurs
Data Analysts
Data Engineers
Architecte SI

Validation

Certification DiGiTT;Attestation d'acquis ou de compétences;Attestation de suivi de présence

Donne accès au(x) métier(s) suivant(s)

Formation professionnelle (voir la fiche métier)

Etudes et developpement informatique (voir la fiche métier)

Informations complémentaires

Parcours personnalisable : Pédagogique
2
FOAD : 440 h
260 jours
Et après la formation ?

Retour à l'emploi des anciens stagiaires

FAIBLE

Conseils
Les questions à se poser avant de choisir une formation à distance
  • Les modalités de formation proposées par cet organisme sont-elles adaptées à mes besoins et répondent-elles à mes attentes ?
  • Y-a-t'il un système de coaching, de contrôle de l’assiduité, de vérification régulière des connaissances acquises ?
  • Est-ce que je dispose du matériel adéquat et d'un lieu approprié pour suivre cette formation ? Bonne connexion, webcam, casque, bureau fermé ou accès un espace numérique public ou de co-working ?
  • Suis-je suffisamment motivé, auto-discipliné et organisé pour me connecter de façon assidue ?
  • Suis-je en capacité de travailler seul ? Si non, puis-je m’appuyer sur une communauté ?

Datarockstars