• Tout public

• Concevoir un processus de collecte de données en évaluant et choisissant des outils adaptés pour faciliter l''accessibilité, la sécurité et l''intégrité des données centralisées dans le respect de la réglementation en vigueur (RGPD).
• Créer un système automatisé de collecte de données en intégrant des solutions ETL (comme Fivetran ou Stitch) et/ou en développant des scripts informatiques en Python ou SQL pour une agrégation rapide et exacte des données correspondant aux besoins métier.
• Développer des stratégies de nettoyage de données, en analysant le contexte spécifique des données pour assurer un traitement approprié et sécurisé des données qui réponde aux besoins métier de l’entreprise.
• Extraire des données en développant des scripts personnalisés (par exemple en Python ou SQL) pour récupérer des informations précises et pertinentes depuis une ou plusieurs bases de données.
• Mener des analyses exploratoires en calculant des techniques statistiques descriptives (comme la moyenne ou l’analyse des fréquences) pour comprendre la distribution des données et écarter les valeurs anormales.
• Identifier et interpréter des tendances en utilisant des langages de programmation (par exemple Python) et/ou des outils métiers adaptés (par exemple un tableur) pour comprendre finement le contexte et la nature des données analysées.
• Sélectionner l’algorithme d’apprentissage le plus adapté en comparant les performances et les caractéristiques des différentes familles d’algorithmes afin d''apporter une réponse pertinente à la problématique métier rencontrée.
• Préparer et transformer des données en utilisant des techniques de prétraitement (preprocessing) pour les adapter aux spécificités du modèle d''apprentissage automatique choisi.
• Entraîner un modèle d''apprentissage automatique en optimisant une loss function (fonction de coût) à partir des données d’entraînement afin de permettre à l’algorithme d’effectuer le moins d’erreurs possibles selon des indicateurs de succès clairement définis.
• Identifier les évolutions clés en IA et Big Data en analysant des sources d''information spécialisées pour rester à la pointe des dernières innovations et alimenter les stratégies de projet.
• Élaborer et évaluer la problématique métier en utilisant des approches analytiques, pour créer un cahier des charges qui reflète précisément les besoins et les objectifs du projet data.
• Évaluer les risques inhérents au projet IA et Big Data concernant l’impact éthique, le respect du RGPD ou encore la conformité aux normes environnementales, en proposant des méthodes d’audit pour garantir une conformité globale du projet.
• Planifier et coordonner les ressources humaines et matérielles de manière efficace, en structurant un calendrier des activités qui garantit le respect des délais et des budgets du projet data.

La progression pédagogique se fait sur 9 semaines à temps plein (5 jours par semaine, 7h/jour, de 9h à 12h et de 14h à 18h).

Non communiquée

Durée en centre : 315 heures
400 heures

Formacode (Domaines de formation) :

• 31025 Data analytics
• 31028 Intelligence artificielle
• 31035 Data visualization
• 31026 Data science
• 31052 Data Warehouse

Rome (Métiers) :

• M1403 Études et prospectives socio-économiques
• M1805 Études et développement informatique

NSF (Spécialités de formation) :

• 114 Mathématiques
• 125 Linguistique
• 326 Informatique, traitement de l'information, réseaux de transmission des données

Modalités pédagogiques
20% théorique 80% pratique - 1h30 de cours, travail ensuite par binome et par groupe, encadrements par professeurs - conduite de projet

Accès handicapés
Accès PMR