- Cours pratique
- FSE
- Informatique
Formation Data Scientist : Les fondamentaux de la Data Science
- Durée
- 3 jours
- Niveau
- Fondamental
- Modalités
- Présentiel / Distanciel
Description de la formation Data Scientist
Le métier de Data Scientist est apparu ces dernières années pour faire face à la multiplication des données, à la diversité de leurs formes et de leurs sources : le Big Data. Le rôle du Data Scientist : rendre les données exploitables, les traiter pour leur donner du sens et ainsi permettre à la direction générale d'adapter la stratégie de l'entreprise. C'est donc un acteur-clé aux compétences multiples.
Cette formation Data Scientist Fondamentaux se concentre sur l'aspect technique de ce métier. Vous découvrirez les méthodes et les outils du Data Scientist et partagerez les retours d'expériences des formateurs. Des exercices pratiques et la participation à une compétition vous permettront d'expérimenter vos nouvelles connaissances.
Objectifs pédagogiques
Plus concrètement, à l'issue de cette formation Data Scientist Fondamentaux vous aurez acquis les connaissances et compétences nécessaires pour :
- Découvrir le métier de Data Scientist et les grandes familles de problèmes
- Savoir modéliser un problème de Data Science
- Créer vos premières variables
- Constituer votre boîte à outils de Data Scientist
- Participer à une première compétition.
Objectifs opérationnels
Savoir appréhender Data Scientist.
Programme
Contenu du cours, module par module
17 modules
- Qu’est-ce-que le Big Data ?
- L’écosystème technologique du Big Data
- Le vocabulaire d’un problème de Data Science
- De l’analyse statistique au machine learning
- Overview des possibilités du machine learning
- Input / ouput d’un problème de machine learning
Travaux Pratiques « OCR» :
- Analyse supervisée
- Analyse non supervisée
- Classification / régression
- Quelques rappels : fonction hypothèse, fonction convexe, optimisation
- La construction de la fonction de coût
- Méthode de minimisation : la descente de gradient
- Frontière de décision
- La construction d’une fonction de coût convexe pour la classification
- Introduction aux outils
- Introduction à Python, Pandas et Scikit-learn
Cas pratique n°1 : « Prédire les survivants du Titanic »
Première manipulation en Python
- Cross-validation
- Les métriques d’évaluation : precision, recall, ROC, MAPE, etc
- Overfitting ou sur-apprentissage
- Biais vs variance
- La régularisation : régression Ridge et Lasso
- Les types de données : catégorielles, continues, ordonnées, temporelles
- Détection des outliers statistiques, des valeurs aberrantes
- Stratégie pour les valeurs manquantes
Travaux pratiques
- Stratégies pour les variables non continues
- Détecter et créer des variables discriminantes
Cas pratique n°2 : « Prédire les survivants du Titanic »
Réalisation d’un premier modèle
Soumission sur Kaggle
- La visualisation pour comprendre les données : histogramme, scatter plot, etc
- La visualisation pour comprendre les algorithmes : train / test loss, feature importance, etc
- Le modèle de base : l’arbre de décision, ses avantages et ses limites
- Présentation des différentes stratégies ensemblistes : bagging, boosting, etc
Travaux Pratiques "Retour sur le Titanic" :
- Les grandes classes d’algorithmes non supervisées : clustering, PCA, etc
Travaux Pratiques « Détection d’anomalies dans les prises de paris» :
- Synthèse des points abordés en journées 1 et 2
- Approfondissement des sujets sélectionnés avec l’intervenant
- Le dernier jour est entièrement consacré à des mises en pratique
- Le formateur sélectionnera une compétition en cours sur Kaggle ou datascience.net qui sera démarrée en jour 3 par l’ensemble des participants
Travaux pratiques
Formation avec apports théoriques, échanges sur les contextes des participants et retours d’expérience pratique du formateur, complétés de travaux pratiques et de mises en situation.
Les participants vont participer à une compétition en cours sur Kaggle ou Datascience.net qui sera démarrée en jour 3 par l’ensemble des participants
Programme mis à jour le 24/02/2026
Public concerné
Ce stage s'adresse aux Analystes, Statisticiens, Architectes, Développeurs.
Prérequis
Pour suivre ce cours dans les meilleures conditions possibles, il vous faut avoir certaines connaissances de base en programmation ou scripting, ainsi que quelques souvenirs de statistiques qui peuvent être un plus.
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
4,5/5
2 avis
« Mon avis sur le contenu du stage : "Formation très riche" Mon avis sur le formateur : "L'animateur a su vulgariser les aspects plus complexes comme les statistiques, le CNN pour les rendre simples et compréhensibles. Bon rythme de formation " Ce que j'ai le plus apprécié : "Travaux pratiques, QCM, challenge, slides pertinentes : résumé python, schémas récapitulatifs (ex : dataviz, arbre de décision pour la construction d'un modèle, etc..), illustrations/exemples, support en français " »
SN « Mon avis sur le contenu du stage : "Peut être trop technique pour certaine personne du monde "product" mais parfait pour des profiles technico-fonctionnelles" Ce que j'ai le plus apprécié : "Schéma d'Analyse statistique (dernière journée)" Ce que j'ai le moins apprécié : "Manipulation des structures de données dans R" »
LIMA MathieuDEEZER SA
Les avis figurant ci-dessus sont issus des fiches d’évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Formations liées
- L'essentiel de la modélisation statistiqueRéf. MSLE2 joursIntermédiaireProchaine session : 29 oct.1 590 €
- Logiciel R - Les fondamentaux de l'analyse statistique avec RRéf. ARPM2 joursIntermédiaireProchaine session : 29 oct.1 590 €
- Alteryx - Analyse AvancéeRéf. ALAA1 jourIntermédiaireProchaine session : 14 déc.950 €
- Comprendre les statistiques pour le Big Data ou la Business IntelligenceRéf. ACST3 joursFondamentalProchaine session : 16 nov.2 090 €