Dernière mise à jour le 12/07/2024

Informations générales

Type de formation : Formation continue
Domaine : IA, Big Data et Bases de données
Filière : Big Data
Rubrique : Fondamenteaux
Formation éligible au CPF : Non
Formation Action collective : Non

Objectifs & compétences

Connaître les fondamentaux de Python
Maîtriser les bibliothèques Python dédiées à la data science
Effectuer de la data visualisation
Utiliser les technologies autour de l’analyse données : machine Learning, big data, Business Intelligence (BI)…
Comprendre l’extraction et la gestion de données texte

Public visé

Personnes ayant une appétence pour la programmation et la manipulation des données.

Pré-requis

Avoir un niveau bac+2 à composante business ou sciences est souhaité. Des notions de marketing et de statistiques sont nécessaires.

Programme

Fondamentaux de Python
Découverte des différentes variables, listes et tuples.
Présentation des divers opérateurs et structures de contrôle.
Initiation au concept de boucle et ses différents types.
Introduction aux fonctions et leurs documentations.
Instanciation de classes et utilisation de modules.
 
NumPy et Pandas
Création et manipulation d’un tableau NumPy array.
Présentation des opérations matricielles.
Création d’un indicateur statistique et application.
Chargement et première exploration d’un jeu de données.
Introduction au data cleaning.
Introduction au data processing.
 
Data quality (module optionnel)
Présentation des principes essentiels à la data quality.
Traitement des variables numériques et textuelles.
Introduction au nettoyage de données.
Initiation à la gestion des valeurs manquantes.
 
Matplotlib
Présentation de différents types de graphes.
Introduction à la personnalisation de graphique.
En option : présentation de graphiques avancés avec Matplotlib et création de figures avec classes et objets.
 
Seaborn
Initiation à l'analyse de distribution.
Découverte de l'analyse statistique.
Initiation à l'analyse multivariée.
En option : Bokeh.
Utiliser des graphiques interactifs et intégrables sur une page web.
 
Algorithme et méthodologie de classification avec Scikit-learn
Présentation des algorithmes de classification (régression logistique, KNN, arbre de décision, forêt aléatoire, SVM…).
Initiation aux algorithmes de boosting et de bagging.
Découverte des différents modèles et sélections.
Classification des données déséquilibrées.
 
Méthode de réduction de dimension
Introduction à l'analyse en composantes principales.
Présentation de l'algorithme T-SNE.
Introduction à l'analyse discriminante linéaire.
Découverte du clustering avec l'algorithme des K-means.
 
Méthode de régression et text mining
Introduction à la régression linéaire simple.
Découverte des expressions régulières.
Mise au point à la gestion de données textuelles.
Création de Wordclouds (nuages de mots-clés).
Présentation de l'analyse de sentiments.
 
Web scraping et introduction aux data engineering et big data
Introduction au langage web (HTML, CSS).
Extraction de contenu web avec Beautiful Soup.
Application du scraping sur Google.
Introduction aux 3V du big data (volume, variété, vélocité).
Présentation des bases de données et architectures.
Mise en production de données.
 
Data processing et machine learning sur de grandes bases de données
Introduction à PySpark.
Découverte de fonctions Pyspark (Data processing, data frames, régression avec Pyspark, ML pipelines, model turning…).
 

Modalités

Modalités : en présentiel, distanciel ou mixte – Horaires de 9H à 12H30 et de 14H à 17H30 soit 7H – Intra et Inter entreprise
Pédagogie : essentiellement participative et ludique, centrée sur l’expérience, l’immersion et la mise en pratique. Alternance d’apports théoriques et d’outils pratiques.
Ressources techniques et pédagogiques : Support de formation au format PDF ou PPT Ordinateur, vidéoprojecteur, Tableau blanc, Visioconférence : Cisco Webex / Teams / Zoom
Pendant la formation : mises en situation, autodiagnostics, travail individuel ou en sous-groupe sur des cas réels
 

Méthodes

Fin de formation : entretien individuel
Satisfaction des participants : questionnaire de satisfaction réalisé en fin de formation
Assiduité : certificat de réalisation (validation des acquis)
Code de formation : NE142

Tarifs

Prix public : 5100
Tarif & financement :
Nous vous accompagnons pour trouver la meilleure solution de financement parmi les suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • CPF -MonCompteFormation
Contactez nous pour plus d’information

Lieux & Horaires

Durée : 300 heures
Délai d'accès :
Jusqu’à 8 jours avant le début de la formation
informations :
NULL

Prochaines sessions

Handi-accueillante Accessible aux personnes en situations de handicap. Pour toutes demandes, contactez notre référente, Mme Rizlene Zumaglini Mail : rzumaglini@aston-ecole.com

à voir aussi dans le même domaine...

Formation continue

Big Data

BD018

Hadoop : l’écosystème

Chefs de projets, développeurs, et toute personne souhaitant comprendre les mécanismes Hadoop et le rôle de chaque composant.

7 heures de formations sur 1 Jours
En savoir plus

Formation continue

Big Data

DB034

Dataiku DSS

Savoir installer, configurer, Dataiku DSS, l'utiliser depuis l'interface web ou des API. Présentation, concepts DSS Connexion aux données Préparation des données Graphiques et statistiques Machine learning Flow/Recipes Interfaces de programmation

14 heures de formations sur 2 Jours
En savoir plus

Formation continue

Big Data

BD019

Développer des applications pour Spark avec Hadoop Cloudera avec Certification

    • Identifier et utiliser les outils appropriés à chaque situation dans un écosystème hadoop
    • Utiliser Apache Spark et l'intégrer dans l'écosystème hadoop
    • Utiliser Sqoop, Kafka, Flume, Hive et Impala
 

28 heures de formations sur 4 Jours
En savoir plus

Formation continue

Big Data

NSQL

Les fondamentaux du NoSQL

#actioncollective #NoSQL  

A l’issue de la formation, le stagiaire sera capable d’appréhender de façon opérationnelle les principales caractéristiques des bases de données NoSQL. Identifier les différences entre SGBD SQL et SGBD NoSQL Évaluer les apports et les inconvénients inhérents aux technologies NoSQL Identifier les principaux acteurs et solutions du marché pour chaque modèle de données Connaître les champs d'application des SGBD NoSQL en opérationnel et en analytique Comprendre les différentes architectures, modèles de données et implémentations techniques Identifier les critères de choix   

14 heures de formations sur 2 Jours
En savoir plus

Formation continue

Big Data

BD020

ElasticStack : présentation

Comprendre le fonctionnement et les apports d'Elastic Stack et de ses composants (Elasticsearch, Logstash, Kibana, Beats) dans le traitement des données..

7 heures de formations sur 1 Jours
En savoir plus

Formation continue

Big Data

NSQLCAA

NoSQL – Apache Cassandra, mise en œuvre et administration

#actioncollective #NoSQL  #Apache #Cassandra  

A l’issue de la formation, le stagiaire sera capable d’installer et d’administrer des bases de données sous la solution NoSQL Apache Cassandra. Découvrir l'architecture de NoSQL Apache Cassandra et ses apports par rapport aux autres solutions Installer et configurer le SGBD NoSQL Apache Cassandra Administrer et sécuriser un cluster Cassandra Appréhender le CQL (Cassandra Query Language) Créer une base de données et manipuler ses objets Connaitre la notion de grappe au sein de la base de données      

21 heures de formations sur 3 Jours
En savoir plus