Ferme la recherche

Certification DiGiTT - Data - parcours AI scientist / AI engineer - bootcamp

Descriptif

Durée de la formation

Durée 400 heures
En centre 400 heures

Session

entrées/sorties permanentes

du 01 avril 2021 au 31 déc. 2021  - Puteaux (92)
du 01 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 compétences indispensables au métier de Data Scientist, Data Engineer et Data Analysts
Apprendre à analyser, visualiser et explorer ses données
Apprendre à mettre en production des projets Data
Savoir entrainer des modèles de machine learning et deep learning

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. Découvrez 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 : 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

Conditions d'accès

Avoir une culture générale des systèmes d'information
Chef de projets
Développeurs
Data Scientists
Architectes SI et toute personne intéressée par les enjeux du Big Data
DSI

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 : 400 h
274 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