Comprendre les bases de la data science
- Comprendre les métiers de la data.
- Comprendre les domaines de la data science.
Comprendre l’écosystème en data science avec python
- Connaître les outils et logiciels open source pour les différentes phases du projet (développement, mise en production)
- Connaître les principales librairies pour la data science avec python.
- Déterminer un environnement de développement pour les projets Data.
Savoir analyser et visualiser les données avec python
- Importer, inspecter, nettoyer et préparer les données avec les librairies python :
- Numpy, SciPy, Pandas, missingno
- Visualiser les données avec les librairies python :
- Desktop : Maplotlib, Seaborn, Plotnine
- Web : Plotly, Bokeh, pygal, Altair
- Géographique : geoplotlib (Pyglet), folium
- Big data : Vaex, datashader
Comprendre les bases des algorithmes de machine learning
- Introduire le machine learning :
- Processus de données : de la collecte au déploiement.
- Modèle de Machine Learning.
- Différents types d’apprentissage.
- Préparer les données pour un modèle de machine learning.
- Utiliser un algorithme de régression.
- Utiliser un algorithme de classification.
Réaliser un projet en data science
- Réaliser un mini-projet pour consolider toutes les connaissances acquises.
Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
