Data Scientist

Objectifs

1/ COLLECTE ET STOCKAGE DES DONNÉES
- Constitution d'un inventaire des données de l'organisation.
- Définition d'une stratégie de collecte et de stockage.
- Industrialisation et automatisation de la collecte et du stockage.
2/ PRÉPARATION ET TRAITEMENT DES DONNÉES
- Centralisation des définitions des données de l'organisation.
- Mise en place d'un processus de transformation automatisée des données.
- Supervision du processus de transformation et des risques associés.
3/ MODELISATION ML AVANCEE ET DEEP LEARNING
- Préparation et entrainement de modèles de machine learning avancés.
- Modélisation de séries temporelles et l'application de la théorie des graphes à l'apprentissage automatique
- Préparation et entraînement de différentes familles de modèles de réseaux de neurones
4/ MISE À DISPOSITION ET ACCESSIBILITÉ
- Déploiement et mise à disposition de modèles entraînés à des utilisateurs finaux.
- Déploiement et mise à disposition des données et modèles aux autres équipes techniques.
- Communication et accompagnement des équipes métier.

Programme de la formation

1. REMISE A NIVEAU SUR LES PROJETS DATA
- Exploration et analyse des données avec Python et Pandas.
- Utilisation de l'algèbre linéaire, des statistiques et des probabilités.
- Prédictions en Machine Learning avec Scikit-learn.
2. MODELISATION AVANCEE, DEEP LEARNING ET APPLICATION A DES PROJETS CONCRETS
- Modélisation ensembliste
- Modélisation de séries temporelles
- Entraînement de réseaux de neurones avec Tensorflow et Keras.
- Reconnaissance d'image avec des réseaux convolutifs.
- Traitement de texte grâce aux techniques de NLP et aux modèles RNN.
- Découverte de la théorie des graphes et de ses usages.
- Développement d'une application.

Validation et sanction

-

Type de formation

Non certifiante

Sortie

Information non communiquée