Introduction Data Science
Plongez dans l'analyse de données, le machine learning avec Python et Pandas.
Présentation complète
Formation d'introduction à la data science sur 4 semaines. Vous partez de zéro (ou presque) et progressez jusqu'à la mise en production d'un modèle de machine learning supervisé. Chaque semaine combine cours, labs guidés et un projet personnel encadré par le formateur.
La data science n'est plus réservée aux géants de la tech. Aujourd'hui, une PME qui exploite ses données — ventes, stocks, comportements clients — prend un avantage concurrentiel décisif. Cette formation de 4 semaines est conçue pour des profils techniques (dev, sysadmin, analyste) qui veulent ajouter la data science à leur arsenal, sans prérequis en mathématiques avancées.
La première semaine pose les bases : Python pour la data (NumPy, Pandas), nettoyage et préparation de données réelles, analyse exploratoire (EDA) avec visualisations (Matplotlib, Seaborn). La deuxième semaine introduit le machine learning supervisé : régression linéaire, arbres de décision, random forests, validation croisée et métriques de performance (accuracy, précision, rappel, F1-score).
La troisième semaine élargit le spectre : clustering (K-means, DBSCAN) pour la segmentation client, séries temporelles pour la prévision, et introduction au NLP pour l'analyse de texte. La dernière semaine est dédiée à la mise en production : packaging d'un modèle, création d'une API de prédiction avec FastAPI, déploiement sur une plateforme cloud, et monitoring des performances en production. Vous terminez par un projet personnel supervisé : de l'acquisition des données à l'API de prédiction.
Compétences visées
- Manipuler des données avec Pandas et NumPy
- Créer des visualisations impactantes (Matplotlib, Seaborn, Plotly)
- Préparer un dataset (nettoyage, encodage, feature engineering)
- Entraîner et évaluer un modèle de classification et de régression
- Comprendre les bases du machine learning supervisé et non supervisé
- Présenter ses résultats à des non-techniques
Prérequis
- Bases en Python (boucles, fonctions, librairies)
- Notions élémentaires de statistiques (moyenne, médiane, distribution)
- Curiosité pour les données et leur exploitation
Programme
- 01Semaine 1 — Python data : Pandas, NumPy, notebooks Jupyter
- 02Semaine 2 — Visualisation et storytelling data
- 03Semaine 3 — Statistiques, préparation de données, feature engineering
- 04Semaine 4 — Machine learning supervisé, évaluation, mise en production
Réserver ma place ?
Réservez votre place en quelques clics. Notre équipe confirme la session et vous accompagne dans les formalités.
Réserver ma place