Téléchargez le parcours au format PDF
3 jours
Initiation / Fondamentaux
Présentiel Classe à distance
Partager
Accueil › Formations › Informatique › Data › Big Data - Data Science › Data Science - Les fondamentaux
Validez les prérequis
Afin de vérifier que vous disposez bien des prérequis nécessaires à cette formation, nous vous invitons à réaliser ce test.
Temps estimé : 4 minutes.
Passer le testObjectifs de formation
A l'issue de cette formation, vous serez capable de :
- Identifier les enjeux de la Data Science et de l'IA
- Schématiser le cycle d'un projet Data Science
- Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse
- Modéliser un problème de Data Science.
Programme de votre formation
-
#
M2i START AVANT VOTRE FORMATION
Contextualisation du projet de formation et prise en compte des besoins de chacun
- Positionnement initial de l’apprenant par rapport aux objectifs
- Définition des priorités et des objectifs personnels de l’apprenant
- Vidéos de mise en situation
- Accès au Chat interactif myM2i pour interagir avec les membres de son groupe
-
#
M2i LIVE VOTRE FORMATION ANIMÉE PAR NOTRE EXPERT ¹
Programme
Jour 1
Introduction à la Data Science
- Qu'est-ce que la Data Science ?
- Différence entre statistiques, Data Science et IA
- Champs d'application de la Data Science
- Outils et algorithmes pour faire la Data Science
- Les cycles d'un projet Data Science
L'apprentissage automatique
- L'apprentissage
- Automatique dans le passé
- Supervisé
- Non supervisé
- Renforcé
Rappel Python
- Introduction à Python
- Les structures / propriétés / fonctions spéciales
- La programmation orientée objet
- Manipuler les librairies :
- NumPy
- SciPy
- Pandas
- Matplotlib
Les algorithmes de l'apprentissage automatique
- Réduction de la dimensionnalité avec l'Analyse en Composantes Principales (ACP)
- Analyse de régression linéaire, multilinéaire, polynomiale, logistique et régularisation
- Classification supervisée
- Classification non supervisée et régression avec arbres de décision
- KNN (K-Nearest Neighbors)
- Le K-Means clustering
- Le perceptron et le support des machines vectorielles (SVM)
- Réseaux de neurones artificiels
Exemples de travaux pratiques (à titre indicatif)
- Réalisation d'un projet Data Science de bout en bout
- Collecte des besoins et de l'objectif du projet
- Exploration des données avec Python
- Visualisation avec Matplotlib
- Nettoyage des données
- Imputation des valeurs manquantes (avec moyenne, médiane, most frequent, KNN)
- Réduction de la dimension avec une ACP
- Entraînement de modèles de Machine Learning selon différents algorithmes et comparaison des performances selon différentes métriques
Jour 2
Les indispensables de la Data Science
- Cross-validation
- Les métriques d'évaluation
- Overfitting ou surapprentissage
- Biais vs variance
- Etapes de préparation des données (du nettoyage des données à la compréhension des données)
- Feature Engineering
- Data Visualisation
- La malédiction de la dimension
- Bonnes pratiques
Exemples de travaux pratiques (à titre indicatif)
- Reprise du projet précédent, ingénierie des attributs, amélioration de la qualité des données, et réapprentissage
Data Science et le Big Data
- Initiation aux traitements parallèles avec Spark MLlib
Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.
-
#
M2i BOOST APRÈS VOTRE FORMATION
Réactivation et consolidation des acquis en situation de travail
- 30 jours d’accompagnement personnalisé sur myM2i inclus ²
- Ressources Boosters (Abonnement au M2i’Mag Soft Skills, formations offertes, invitations aux conférences d’actualité…)
- ¹ Les actions et les outils présentés dans ce programme le sont à titre indicatif et peuvent faire l’objet d'adaptation selon les niveaux, prérequis et besoins des apprenants. Les compétences clés de ce programme sont traitées à raison d'une compétence par demi-journée de formation.
- ² Sur myM2i, pendant 30 jours post-fin de formation, les apprenants disposent d’une messagerie sécurisée pour échanger, dans la limite de 4 sollicitations, avec leur formateur.
Modalités, méthodes et moyens pédagogiques
Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance).
Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).
Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :
- Ordinateurs Mac ou PC (sauf pour certains cours de l'offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
- Environnements de formation installés sur les postes de travail ou en ligne
- Supports de cours et exercices
En cas de formation intra sur site externe à M2i, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.
* nous consulter pour la faisabilité en distanciel
** ratio variable selon le cours suivi
Modalités d’évaluation des acquis
- En cours de formation, par des études de cas ou des travaux pratiques
- Et, en fin de formation, par un questionnaire d'auto-évaluation
Accessibilité de la formation
Le groupe M2i s'engage pour faciliter l'accessibilité de ses formations. Toutes nos formations sont accessibles aux personnes en situation de handicap : les détails de l'accueil des personnes sont consultables sur la page Accueil PSH.
Modalités et délais d’accès à la formation
Les formations M2i sont disponibles selon les modalités proposées sur la page programme. Les inscriptions sont possibles jusqu'à 48 heures ouvrées avant le début de la formation. Dans le cas d'une formation financée par le CPF, ce délai est porté à 11 jours ouvrés.
