Description
Apprendre le raisonnement, pas seulement les outils
La plupart des parcours en data enseignent des outils sans enseigner le raisonnement. On apprend la syntaxe de pandas sans savoir quelle question poser aux données ; on produit un modèle dont on ne sait pas s’il est bon ; on construit un dashboard que personne n’utilise. Cette formation prend le problème dans l’autre sens.
En 70 heures réparties sur 16 modules, elle suit le cycle de vie réel de la donnée : comprendre le besoin, collecter, nettoyer, explorer, modéliser, évaluer, visualiser, communiquer, puis industrialiser. Les statistiques y occupent deux modules complets, parce qu’elles font la différence entre un analyste qui décrit et un analyste qui conclut. Le machine learning n’arrive qu’au module 10, une fois les fondations solides.
Format de la formation
Les 16 modules et 64 leçons sont accessibles au format écrit structuré sur la plateforme Tutor LMS : chaque leçon présente ses objectifs, ses notions clés et sa mise en pratique, et chaque module se termine par un exercice appliqué. Les supports vidéo, les notebooks, les scripts SQL, les jeux de données et les modèles Power BI ne sont pas fournis à ce stade : les exercices et projets s’appuient sur des données que vous choisissez dans votre propre domaine. L’accès aux mises à jour du contenu est compris.
Le programme en 16 modules
- Fondements de la data et environnement de travail — 4 h
- Mathématiques, probabilités et statistiques descriptives — 5 h
- Statistiques inférentielles et expérimentation — 5 h
- Excel avancé et Power Query — 4 h
- SQL fondamental et avancé — 6 h
- Modélisation de données — 4 h
- Python, NumPy et pandas — 6 h
- Nettoyage, exploration et visualisation — 5 h
- Power BI, DAX et Business Intelligence — 5 h
- Machine learning supervisé — 5 h
- Évaluation, feature engineering et pipelines — 4 h
- Apprentissage non supervisé et séries temporelles — 3 h
- Deep learning, NLP et IA générative — 4 h
- Data engineering, ETL, API, warehouse et cloud — 4 h
- MLOps, gouvernance, éthique et sécurité — 2 h
- Projet final appliqué — 4 h
Les projets
- Mini-projet 1 — analyse SQL complète d’une base multi-tables, avec contrôles de cohérence et fonctions de fenêtre.
- Mini-projet 2 — pipeline reproductible de préparation de données en Python, avec dictionnaire de données.
- Mini-projet 3 — tableau de bord décisionnel Power BI sur un modèle en étoile, avec mesures DAX.
- Mini-projet 4 — modèle prédictif évalué de bout en bout, sans fuite de données, avec fiche modèle.
- Projet final — un cas complet, de la collecte à la présentation, conçu pour constituer une pièce de portfolio.
À qui s’adresse cette formation
Personnes en reconversion, Data Analysts, Business Analysts et BI Analysts souhaitant consolider leurs bases, profils finance et investissement, entrepreneurs et professionnels manipulant des données, étudiants, et toute personne souhaitant comprendre concrètement ce qu’est la Data Science. Aucun prérequis en programmation : Python est introduit depuis sa syntaxe de base au module 7.
Précisions
Cette formation enseigne des compétences techniques et méthodologiques. Elle ne constitue pas une certification professionnelle reconnue et ne garantit ni emploi, ni salaire, ni résultat commercial. Les modules 13 et 14 sont une introduction à leurs sujets — deep learning, NLP, data engineering et cloud — et non un traitement exhaustif. Les logiciels et services tiers cités peuvent nécessiter une licence ou un abonnement souscrit directement auprès de l’éditeur, non inclus dans le prix.
Prix affiché hors TVA. La TVA applicable est calculée au moment de la commande selon le pays de facturation.
Avis
Il n’y a pas encore d’avis.