Maîtrisez votre capital, vos données et l’intelligence artificielle

DATA

Data Analysis & Data Science

Formation data en ligne : statistiques descriptives et inférentielles, SQL avancé, modélisation, Python et pandas, visualisation, Power BI et DAX, machine learning, deep learning et data engineering.

70 heures · 16 modules · 64 leçons · débutant à avancé

497 € HT

04

Les trois ensemble transforment une intuition en décision documentée.

1. Contexte macroéconomique et réglementaire — indicateurs, banques centrales, politiques monétaires, MiFID, contrôle prudentiel.
2. Panorama des métiers de la finance — sell-side, buy-side, asset management, hedge funds, private equity, family offices, FinTech et DeFi.
3. Analyse, valorisation et méthodes quantitatives — analyse fondamentale, DCF, ratios, analyse technique, dérivés, options, futures, VaR et stress testing.
4. Gestion de patrimoine, immobilier, assurance et fiscalité — allocation multi-actifs, SCPI, SIIC, planification successorale, stratégies de sortie.
5. Trading, cryptomonnaies et diversification avancée — blockchain, matières premières, métaux précieux, ETF, gestion passive, core-satellite.
6. Soft skills et finance comportementale — biais cognitifs, psychologie du trader, gestion du stress, relation client, stratégie de carrière.
7. Investir en harmonie avec ses valeurs — éthique, investissement responsable et principes issus des religions monothéistes.
8. Gestion financière personnelle — bilan patrimonial, budget, dépenses cachées, optimisation fiscale, épargne retraite.

1. Fondements de l’IA et de l’IA générative — 3 h · machine learning, deep learning, tokens, fenêtre de contexte, hallucinations.
2. Prompt engineering et conception de tâches — 4 h · rôle, contexte, contraintes, formats de sortie, prompt chaining, tests itératifs.
3. ChatGPT, Claude, Gemini, Copilot et Perplexity — 4 h · forces et limites, choix de l’outil, projets, mémoire, documents longs.
4. Recherche, sources et vérification — 3 h · sources primaires, citations, détection des affirmations non étayées.
5. Documents, emails, rapports et présentations — 3 h · comptes rendus, procédures, synthèses, guide de style.
6. Images, audio, voix et vidéo — 3 h · génération et édition, transcription, voix synthétique, droits d’auteur.
7. IA appliquée aux données — 3 h · Excel, CSV, extraction, graphiques, contrôles de cohérence.
8. Développement et no-code assistés par IA — 3 h · génération de code, débogage, WordPress, sécurité du code produit.
9. Bases de connaissances, assistants personnalisés et RAG — 4 h · chunking, embeddings, recherche vectorielle, évaluation.
10. Agents IA, outils, fonctions et MCP — 4 h · tool calling, planification, mémoire, Model Context Protocol, permissions.
11. Automatisation : n8n, Make, Zapier, API et webhooks — 5 h · déclencheurs, APIs REST, CRM, Google Sheets, gestion des erreurs.
12. Confidentialité, sécurité, RGPD et gouvernance — 3 h · données personnelles, sous-traitance, politique d’usage, traçabilité.
13. Cas d’usage, coûts et retour sur investissement — 2 h · cartographie des processus, coût des modèles, décision build/buy.
14. Projet final — 4 h · un système complet : agent, base de connaissances, workflow, documentation, tests et analyse de risques.

Plus 3 projets intermédiaires : chaîne documentaire, assistant sur votre corpus, workflow automatisé.

1. Fondements de la data et environnement — 4 h · métiers, qualité, Jupyter, VS Code, Git, environnements Python.
2. Mathématiques, probabilités et statistiques descriptives — 5 h · distributions, moyenne, variance, covariance, corrélation.
3. Statistiques inférentielles et expérimentation — 5 h · intervalles de confiance, tests d’hypothèses, valeur p, puissance, A/B testing.
4. Excel avancé et Power Query — 4 h · tableaux structurés, TCD, nettoyage, automatisation de rapports.
5. SQL fondamental et avancé — 6 h · jointures, sous-requêtes, CTE, vues, fonctions de fenêtre, optimisation.
6. Modélisation de données — 4 h · MCD, MLD, normalisation, schéma en étoile, faits et dimensions.
7. Python, NumPy et pandas — 6 h · structures, DataFrames, agrégations, jointures, dates.
8. Nettoyage, exploration et visualisation — 5 h · valeurs manquantes, outliers, encodage, EDA, storytelling.
9. Power BI, DAX et Business Intelligence — 5 h · modèle relationnel, mesures, CALCULATE, KPI, dashboards.
10. Machine learning supervisé — 5 h · régressions, arbres, random forests, gradient boosting, KNN, SVM, scikit-learn.
11. Évaluation, feature engineering et pipelines — 4 h · validation croisée, overfitting, ROC-AUC, RMSE, pipelines.
12. Apprentissage non supervisé et séries temporelles — 3 h · clustering, K-means, PCA, anomalies, saisonnalité, prévision.
13. Deep learning, NLP et IA générative — 4 h · réseaux de neurones, TensorFlow ou PyTorch, embeddings, transformers, LLM.
14. Data engineering, ETL, API, warehouse et cloud — 4 h · pipelines, JSON, data lake, orchestration.
15. MLOps, gouvernance, éthique et sécurité — 2 h · reproductibilité, déploiement, monitoring, drift, biais, RGPD.
16. Projet final appliqué — 4 h · un cas complet, de la collecte au dashboard et à la présentation.

Plus 4 mini-projets : analyse SQL, pipeline Python, tableau de bord Power BI, modèle prédictif évalué.

Cas pratiques et projets

Chaque module se termine par un exercice appliqué. Les projets produisent des livrables que vous conservez et réutilisez.

Reconversion et profils data

Personnes en reconversion, Data Analysts, Business Analysts, BI Analysts, et tout professionnel qui manipule des données au quotidien.