Présentation de la formation
Objectifs
La formation forme aux langages de programmation et à l'utilisation des outils de Big Data. De plus, elle permet de vous exercer aux différentes techniques de Data Analyse, au Machine Learning et au Deep Learning. Découvrez les fondamentaux de la Data Science et construisez les modèles d'intelligence artificielle de demain en entreprise.
Compétences visées
- Boîte à outils de la Data Analyse ;
- Decision Science ;
- Machine Learning & Deep Learning ;
- Machine Learning Engineering & projets en groupe.
Pré-inscription à la formation :
c'est par ici !
Les pré-inscriptions pour cette formation sont ouvertes !
En cliquant sur "se pré-inscrire", vous serez redirigé vers notre plateforme iziA.
En 2 clics, créez votre compte et sélectionnez les formations qui vous intéressent : on vous recontacte !
Attention : n’oubliez pas de vous inscrire également auprès de l’établissement.
Débouchés
- Data Scientist
- Data Engineer
- Big Data Engineer
- Machine Learning Engineer
- AI & Data Engineer
Rythme d’alternance
Uniquement en contrat d'apprentissage
Parcours alterné de 560 h sur 16 mois
1 semaine de travail préparatoire à distance
puis 10 semaines de bootcamp en présentiel
puis 40 semaines d’alternance : 4 jours en entreprise et 1 jour en formation à distance
Prérequis et admission
- Programmation : vous devez être à l'aise avec les types de données et les variables, les conditions, les boucles, les fonctions et les structures de données.
- Mathématiques : niveau requis équivalent à la Terminale S
- Avoir réussi les étapes de sélection du Wagon
- Être recruté comme apprenti par une entreprise
- Formation accessible aux étudiants en situation de handicap
Programme
Enseignements | Volumes |
---|---|
Prepwork |
40 h |
Configurez votre environnement d'apprentissage |
- |
Terminal, Git et commandes de base de l'OS |
- |
Bases de Python |
- |
Fondamentaux mathématiques |
- |
Module 1 - Data Analyse |
80 h |
Sourcez des données à partir de fichiers, de web scraping ou d'API |
- |
Manipulez les données avec Python, Pandas et Numpy |
- |
Interrogez/stockez des données avec SQL et Google Big Query |
- |
Visualisation avec Jupyter Notebook, Matplotllib, Seaborn et Plotly |
- |
Module 2 - Decision Science |
40 h |
Modèles statistiques pour les régressions linéaires/logistiques multivariées |
- |
Programmation orientée objet en Python |
- |
Présentations avec graphiques interactifs |
- |
Module 3 - Machine learning |
80 h |
Bibliothèques Scikit-learn et XGBoost |
- |
Apprentissage supervisé (linéaire, KNN, SVM, Arbres, Ensembles) |
- |
Apprentissage non supervisé (PCA, K-means, t-SNE, DBSCAN) |
- |
Données structurées (tabulaires, séries temporelles avec SARIMAX...) |
- |
Données non structurées (images, textes avec Naive-Bayes, Tf-idf, LDA...) |
- |
Module 4 - Deep learning |
40 h |
TensorFlow |
- |
Keras |
- |
Google Colab |
- |
Module 5 - Machine Learning Engineering (MLOps) |
40 h |
Code VS et ligne de commande |
- |
Google Cloud, machines virtuelles, SSH pour le formateur |
- |
MLflow & Prefect pour l'orchestration DAG |
- |
Streamlit pour le frontend |
- |
Module 6 - Projet de fin |
|
Construisez votre propre projet de Data Science |
- |
Career week |
|
Coaching individualisé dédié au projet professionnel |
- |
Total | 560 h |
Contacts
Le Wagon Jérémy BARBEDIENNE Program Manager jeremy.barbedienne@lewagon.org
CFA numiA Clotilde DOASSANS et Caroline RICHSHOFFER Coachs professionelles et Tutrices d'alternants cdoassans@cfa-numia.fr crichshoffer@cfa-numia.fr
Le Wagon | CFA numiA |
Jérémy BARBEDIENNE | Clotilde DOASSANS et Caroline RICHSHOFFER |
Program Manager | Coachs professionelles et Tutrices d'alternants |
jeremy.barbedienne@lewagon.org | cdoassans@cfa-numia.fr crichshoffer@cfa-numia.fr |