Data Science Bootcamp en collaboration avec IBM

Data Scientist Bootcamp - En collaboration avec IBM

Un programme d'apprentissage et de certification unique !

Ce cours de Data Science parrainé par IBM comprend des hackathons, des masterclasses, des webinaires et des sessions « Ask-Me-Anything » uniques.

À propos du Bootcamp

Ce bootcamp de Data Science, en partenariat avec IBM, accélère votre carrière dans le domaine de la Data Science et vous fournit la formation et les compétences de classe mondiale nécessaires pour réussir dans ce domaine.

Le cours offre une formation complète dans les compétences les plus demandées en Data Science et en apprentissage automatique, avec une exposition pratique aux outils et techniques clés, y compris Python, R, Tableau et les concepts d'apprentissage automatique. Devenez un Data Scientist en vous plongeant dans les nuances de l'interprétation des données, en maîtrisant des techniques telles que l'apprentissage automatique et en acquérant de puissantes compétences en programmation pour faire passer votre carrière en Data Science au niveau supérieur.

Cette collaboration entre AVC et IBM permet aux participants de découvrir une approche d'apprentissage mixte intégrée qui fait d'eux des experts en Data Science. Ce cours de Data Science, en collaboration avec IBM, aidera les étudiants à se préparer à occuper des postes de direction en tant que Data Scientists.

Principales caractéristiques

• Cours et matériel en anglais
• Niveau débutant à avancé pour les professionnels en herbe
• 11 mois de bootcamp en ligne et d'eLearning (à votre rythme)
• 1 an d'accès au contenu d'eLearning et aux enregistrements de cours à votre rythme
• 38 heures de contenu vidéo eLearning
• 240 heures de temps d'étude recommandées
• Hackathons exclusifs et sessions Ask-Me-Anything par IBM
• Programme de premier ordre avec laboratoires intégrés
• Obtention de certificats IBM reconnus par l'industrie pour les cours IBM
• Masterclasses en ligne en direct dispensées par des experts IBM.
• Certification pour chaque cours et certification Bootcamp à la fin

Résultats du programme

• Acquérir une compréhension approfondie de la structure et de la manipulation des données.
• Comprendre et utiliser les modèles de régression linéaire et non linéaire et les techniques de classification pour l'analyse des données.
• Acquérir une compréhension approfondie des modèles d'apprentissage supervisé et non supervisé tels que la régression linéaire, la régression logistique, le clustering, la réduction de la dimensionnalité, K-NN et les pipelines.
• Effectuer des calculs scientifiques et techniques à l'aide du package SciPy et de ses sous-packages, par exemple : Integrate, Optimize, Statistics, IO et Weave.
• Acquérir de l'expérience dans les calculs mathématiques à l'aide des packages NumPy et scikit-learn.
• Maîtriser les concepts des moteurs de recommandation et de la modélisation des séries chronologiques et acquérir une connaissance pratique des principes, des algorithmes et des applications de l'apprentissage automatique.
• Apprenez à analyser des données avec Tableau et à créer des tableaux de bord interactifs.

Parcours de certification en Data Science

1. Notions de base en programmation
2. Cours de certification SQL
3. Python pour la Data Science (IBM)
4. Data Science appliquée avec Python
5. Apprentissage automatique avec Python
6. Formation de certification Tableau Desktop Specialist
7. Data Scientist Capstone

Cours optionnels - Matériel bonus

• Analyse commerciale avec Excel
• Programmation R pour la Data Science
• PL-300 Formation de certification Microsoft Power BI
• Les bases de l'IA générative, l'ingénierie des requêtes et ChatGPT

Outils abordés

• Python
• Scikit Learn
• Tableau
• PowerBI
• Numpy
• PyTorch
• Midjourney
• Pandas
• Seaborn
• SciPy
• MySQL
• ChatGPT
• DALL-E2
• Bard

Qui devrait s'inscrire à ce programme ?

Le rôle de Data Scientist nécessite un amalgame d'expérience, de connaissances en Data Science et d'utilisation des outils et technologies appropriés. C'est un choix de carrière solide pour les professionnels débutants et expérimentés. Les futurs professionnels de tous niveaux d'études ayant un esprit analytique sont les plus aptes à suivre le bootcamp Data Scientist.

• Professionnels de l'informatique
• Responsables de l'analyse
• Analystes commerciaux
• Professionnels de la banque et de la finance
• Responsables marketing
• Responsables de la chaîne d'approvisionnement
• Débutants ou jeunes diplômés

Prérequis

Aucune formation formelle n'est requise. Cependant, les professionnels souhaitant réussir cette formation en Data Science doivent posséder les compétences suivantes :

• Connaissances de base en mathématiques et en statistiques
• Compréhension de base de tout langage de programmation

Parcours d'apprentissage

Cours 1 : Notions essentielles de programmation

Principaux objectifs d'apprentissage

• Acquérir des compétences en programmation procédurale et orientée objet
• Reconnaître les avantages et les bénéfices de l'utilisation de Python comme langage de programmation
• Découvrir les différents types de boucles en Python
• Explorer le concept de portée des variables dans les fonctions
• Expliquer les principes et les caractéristiques de la programmation orientée objet
• Se familiariser avec Jupyter Notebook et ses applications pratiques
• Mettre en œuvre efficacement les identificateurs, les indentations et les commentaires en Python
• Comprendre les types de données, les opérateurs et les fonctions de chaîne de caractères de Python
• Décrire les méthodes, les attributs et les modificateurs d'accès en Python

Cours 2 : Cours de certification SQL

Principaux objectifs d'apprentissage

• Développer une compréhension globale des bases de données et de leurs relations
• Acquérir une expertise dans diverses leçons SQL, y compris le filtrage, le tri, l'aliasing, les commandes d'agrégation, le regroupement, les instructions conditionnelles
• Apprendre à utiliser les outils de requête courants et à travailler avec les commandes SQL
• Maîtriser les transactions, la création de tables et les vues pour une gestion efficace des bases de données
• Explorer différentes fonctions SQL telles que les fonctions de chaîne, mathématiques, de date et d'heure et de correspondance de motifs
• Comprendre et exécuter des procédures stockées pour effectuer des opérations complexes
• Comprendre les fonctions de contrôle d'accès des utilisateurs pour assurer la sécurité de la base de données

Leçon 3 : Python pour la Data Science (IBM)

Principaux objectifs d'apprentissage

• Créer votre premier programme Python en utilisant des variables, des chaînes de caractères, des fonctions, des boucles et des conditions
• Comprendre et appliquer les concepts liés aux listes, aux ensembles, aux dictionnaires, aux conditions, aux branchements, aux objets et aux classes en Python
• Utiliser la bibliothèque pandas pour charger, manipuler et enregistrer des données, ainsi que pour lire et écrire des fichiers en Python

Leçon 4 : Data Science appliquée avec Python

Objectifs clés

• Explorer les processus de préparation des données, de construction de modèles et d'évaluation
• Appliquer de manière exhaustive les concepts de Python liés aux chaînes de caractères, aux fonctions Lambda et aux listes
• Développer une solide compréhension de NumPy et de ses applications, y compris les techniques d'indexation et de découpage de tableaux
• Appliquer les principes de l'algèbre linéaire dans l'analyse des données, y compris son application au calcul
• Acquérir une compréhension claire des concepts statistiques tels que l'asymétrie, la covariance et la corrélation
• Calculer les mesures de tendance centrale et de dispersion des données
• Décrire l'hypothèse nulle et l'hypothèse alternative dans le test d'hypothèse Examiner différentes
• Travailler avec les deux principales structures de données de pandas : Series et DataFrame.
• Préparer, formater, normaliser et standardiser les données à l'aide de techniques de regroupement de données
• Créer des visualisations efficaces à l'aide de Matplotlib, Seaborn, Plotly et Bokeh

Cours 5 - Apprentissage automatique à l'aide de Python

Principaux objectifs d'apprentissage

• Examiner différents types d'apprentissage automatique et comprendre leurs caractéristiques uniques
• Analyser le pipeline d'apprentissage automatique et acquérir une compréhension globale des opérations clés impliquées dans les opérations d'apprentissage automatique (MLOps)
• Explorer l'apprentissage supervisé et son large éventail d'applications
• Comprendre les concepts de surajustement et de sous-ajustement et apprendre des techniques pour les détecter et les prévenir
• Analyser différents modèles de régression et identifier leur adéquation à des scénarios spécifiques
• Énumérer différents types d'algorithmes de classification et comprendre leurs applications spécifiques
• Maîtriser différents types de méthodes d'apprentissage non supervisé et déterminer leur utilisation appropriée
• Acquérir une compréhension approfondie des différentes techniques de clustering dans le cadre de l'apprentissage non supervisé
• Examiner différentes techniques de modélisation d'ensemble, telles que le bagging, le boosting et le stacking
• Évaluer et comparer différents cadres d'apprentissage automatique, notamment TensorFlow et Keras
• Construire un moteur de recommandation à l'aide de PyTorch

Cours 6 - Formation de certification Tableau Desktop Specialist

Principaux objectifs d'apprentissage

• Acquérir une expertise dans diverses techniques de visualisation, telles que les cartes thermiques, les treemaps, les graphiques en cascade et les diagrammes de Pareto
• Travailler habilement avec des filtres, des paramètres et des ensembles pour manipuler efficacement les données
• Maîtriser l'utilisation de types de champs spéciaux et de champs générés par Tableau, ainsi que la création et l'utilisation de paramètres
• Apprendre à construire différents graphiques, tableaux de bord interactifs et interfaces narratives captivantes, et à partager efficacement les informations
• Maîtriser le mélange de données, la création d'extraits de données, ainsi que l'organisation et le formatage efficaces des données
• Comprendre l'importance des métadonnées et leur application dans Tableau
• Maîtriser divers calculs, notamment arithmétiques, logiques, tabulaires et de niveau de détail (LOD)

Cours 7 - Data Scientist Capstone

Objectifs clés d'apprentissage

• Traitement des données : Utilisation de diverses techniques pour transformer des données brutes en informations significatives
• Construction de modèles : Utilisation de techniques telles que la régression et les arbres de décision pour créer des modèles d'apprentissage automatique précis et intelligents, capables de faire des prédictions
• Python ou SAS : Développement de votre modèle et réalisation d'un exercice complet de construction de modèle, comprenant le fractionnement des données, les tests et la validation des données à l'aide du processus de validation croisée k-fold
• Ajustement du modèle : application de diverses techniques pour améliorer la précision du modèle et sélection du modèle champion le plus performant
• Tableau de bord et présentation des résultats : utilisation de Tableau pour créer un tableau de bord avec des informations pertinentes afin de présenter vos résultats finaux

Cours optionnels - Matériel bonus

1. Analyse commerciale avec Excel

Inscrivez-vous à ce cours pour acquérir des compétences pratiques en matière de prise de décision fondée sur les données en maîtrisant l'analyse des données et les statistiques. En tirant parti d'Excel, vous acquerrez l'expertise nécessaire pour effectuer des analyses de données sophistiquées, ce qui vous permettra de prendre des décisions commerciales éclairées en toute confiance.

Principaux objectifs d'apprentissage

• Comprendre l'importance de l'analyse commerciale et son rôle dans divers secteurs d'activité
• Apprendre à analyser efficacement des ensembles de données complexes à l'aide de tableaux croisés dynamiques et de segments
• Comprendre les principes fondamentaux des fonctions d'analyse et de la mise en forme conditionnelle d'Excel
• Résoudre des problèmes analytiques stochastiques et déterministes à l'aide des puissants outils d'Excel, notamment le Gestionnaire de scénarios, le Solveur et la Recherche de l'objectif.
• Appliquer des outils et des concepts statistiques tels que les moyennes mobiles, les tests d'hypothèse, l'ANOVA et la régression aux ensembles de données à l'aide d'Excel.
• Représenter efficacement vos résultats à l'aide de graphiques et de tableaux de bord.
• Découvrir les derniers outils et technologies d'analyse de Microsoft.

2. Programmation R pour la Data Science

La programmation R est un outil essentiel pour l'analyse de données et est indispensable pour les futurs professionnels de la Data Science. Ce cours vous apprend à écrire du code R, à explorer les structures de données de R et à créer des fonctions personnalisées. À la fin du cours, vous serez bien préparé pour vous lancer dans votre premier projet d'analyse de données.

Principaux objectifs d'apprentissage

• Découvrir les concepts fondamentaux tels que les mathématiques, les variables, les chaînes de caractères, les vecteurs, les facteurs et les opérations vectorielles dans R.
• Acquérir des connaissances essentielles sur les tableaux et les matrices, les listes et les trames de données
• Explorer les conditions et les boucles, les fonctions en R, les objets, les classes et le débogage
• Maîtriser l'art de lire et de manipuler avec précision les fichiers texte, CSV et Excel
• Apprendre à enregistrer et à écrire des objets de données en R
• Comprendre et travailler efficacement avec les chaînes de caractères et les dates en R

3. Formation de certification Microsoft Power BI

Microsoft Power BI offre des outils robustes pour analyser les données et extraire des informations commerciales précieuses grâce à des tableaux de bord interactifs. Cette formation complète sur Power BI vous permet d'exploiter pleinement son potentiel, de relever les défis commerciaux et d'améliorer efficacement les opérations. Tout au long de la formation, vous apprendrez à développer des tableaux de bord à partir de rapports publiés de manière experte, à utiliser Quick Insights pour découvrir rapidement des modèles précieux et à adopter des approches pratiques pour diverses tâches effectuées dans Power BI, de la collecte de données à l'analyse approfondie. De plus, le cours fournit des techniques de dépannage utiles pour résoudre les différents problèmes pouvant survenir lors de l'utilisation de Power BI.

Principaux objectifs d'apprentissage

• Créer des tableaux de bord dynamiques à partir de rapports publiés, en améliorant la visualisation des données et l'interactivité
• Générer rapidement des visuels et des tableaux de bord avec des aperçus rapides pour obtenir des informations précieuses à partir de vos données
• Utiliser le langage naturel dans la fonction de questions-réponses pour générer des visuels permettant d'obtenir des informations exploitables
• Créer et gérer des alertes de données pour rester informé des changements importants dans vos données
• Apprendre les meilleures pratiques en matière de mise en page des rapports et de visualisation des données afin de maximiser l'impact de vos rapports
• Intégrer des formes dans vos rapports pour concevoir et mettre en valeur les éléments clés afin de créer des récits
• Intégrer des visuels personnalisés dans vos rapports et tableaux de bord
• Réaliser un projet complet d'analyse et de visualisation de données Power BI du début à la fin

4. Les bases de l'IA générative, de l'ingénierie des requêtes et de ChatGPT

Dans ce cours, les participants étudieront de manière approfondie les modèles d'IA générative, en particulier ChatGPT. Le programme couvre les principes essentiels de l'IA générative, de l'ingénierie des prompts, de l'IA explicable, de l'IA conversationnelle, de ChatGPT et d'autres grands modèles de langage.

QUESTIONS ET RÉPONSES

Combien de temps faut-il pour suivre le Bootcamp ?

En raison de la combinaison de l'eLearning et du bootcamp en ligne en classe, le programme dure normalement 11 mois (5 à 10 heures par semaine).

Cependant, vous pouvez le faire plus rapidement sur demande. N'hésitez pas à nous contacter pour trouver la meilleure solution !

Certaines personnes peuvent suivre le programme assez rapidement (environ 3 mois), d'autres ont besoin de plus de temps. Remarque : certains autres programmes de master sont plus longs. Il s'agit d'une estimation.

Vous aurez 365 jours d'accès aux vidéos e-learning et aux enregistrements des cours du programme.

Quel est le format du Bootcamp ?