Data Analyst

Objectifs

01 - Automatiser la collecte et le traitement des données (Data Engineering)
02 -Analyser et synthétiser les données préalablement à l'utilisation d'algorithmes d'IA
03 - Appliquer des techniques d'analyse IA via des algorithmes d'apprentissage
automatiques (Machine Learning)
04 - Mener des projets IA et Big Data en équipe en intégrant les contraintes légales et des considérations éthiques

Programme de la formation

Positionnement et définition des objectifs - Découvrir les objectifs pédagogiques du parcours
Définir son projet pro et ses engagements nécessaires pour l'atteindre, réutilisé à chaque entretien individuel
Bilan initial du niveau des apprenants par une première mise en situation évaluée - 14

hLa prise de poste - Mettre en place son environnement de formation et de travail : les outils et le poste de travail du data engineer.
Lancement des routines pédagogiques de veille et d'analyse réflexive.
Signature de la charte d'engagement et du règlement général. - 14

hIntroduction aux méthodes agiles - Découvrir les principes fondamentaux d'une organisation agile.
Évaluer la pertinence d'une approche agile dans la gestion de la production de l'application.
Sélectionner la méthode agile adaptée.
Animer les rituels agiles. - 35

hModule de sensibilisation aux IA génératives - Expérimenter les outils d'IA générative.
Prendre conscience des gains de productivité mais aussi des limites de leur utilisation.
Se projeter sur des utilisations possibles dans le cadre de la formation ou du métier visé. - 4

hFaire évoluer un tableau de bord de suivi des opérations - Répliquer la collecte de données
Ajuster une analyse exploratoire
Configurer un outil BI
Adapter un tableau de bord
Langages de nettoyage des données : Python, SQL
Outils BI : Tableau, Power BI, superset, QlickView, Looker Studio - 56

hMettre en place une solution BI complète à partir d'un nouveau besoin - Préparer les données : normalisation, valeurs manquantes
Les classes de modèles d'apprentissage automatique : classification, régression, clustering
Librairies machine learning : scikit learn - 70

hRGPD - Appliquer les obligations réglementaires liées au RGPD dans le cadre du pilotage de la cybersécurité.
Lister les bonnes pratiques de validation de la protection des données aux différentes étapes d'un projet. - 3

hLaïcité, citoyenneté, valeurs de la république - S'approprier les principes fondateurs de la République :
Histoire et principes fondateurs de la République
Droits de l'Homme
Éléments d'histoire de la laïcité en France
Sens et enjeux de la laïcité - 4

hIntervenir sur les flux de collecte et de transformation de données - Faire évoluer un processus de collecte de données
Accompagner les

Validation et sanction

-

Type de formation

Non certifiante

Sortie

Sans niveau spécifique