Diplôme d'études supérieures en Data & Intelligence Artificielle

Devenez Data Scientist

Dans l'ère numérique actuelle où les données sont une ressource précieuse, le rôle du Data Scientist est devenu crucial. 

En tant que Data Scientist, vous permettrez à l’entreprise d’exploiter efficacement ses données pour prendre des décisions éclairées, identifier des tendances et des opportunités, et améliorer ses performances.

Vous serez chargé de collecter, nettoyer et analyser des ensembles de données complexes afin d'extraire des informations précieuses. Grâce à vos compétences en programmation, en statistiques et en Machine Learning, vous serez capable de créer des modèles prédictifs et des algorithmes avancés pour résoudre des problèmes à partir d’un besoin métier.

Les missions du Data Scientist

• Collecter et nettoyer les données
• Explorer et analyser les données
• Concevoir des modèles prédictifs
• Déployer et monitorer les modèles
• Communiquer des résultats

Objectifs de la formation

A l’issue de la formation, les diplômés auront :

• Maîtrise de plusieurs langages : Python, SQL, HTML, CSS, PHP 
• Maîtrise de différentes technologies : Bash, Git, API, Django, Hadoop, Spark, Cloud, MLFlow, Docker, Airflow 
• Maîtrise des différents modèles de Machine Learning et Deep Learning en théorie et en pratique, pour l'analyse prédictive et la prise de décisions 
• Développement WEB 
• Gestion des données massives pour optimiser le traitement et l'analyse des ensembles de données volumineux 
• Mise en production d’algorithmes pour automatiser les processus et améliorer l’efficacité
  

Prérequis

Le programme

• Maîtriser les opérations fondamentales en SQL et Python
  
• Manipuler les données et mettre en place un environnement Python
• Utiliser un logiciel de version de code
• Réaliser la collecte des données via une API

• Effectuer des analyses statistiques
  
• Préparation des données
• Effectuer des représentations graphiques avec une librairie
• Représenter des données grâce à des graphiques afin de justifier les analyses réalisées

• Réaliser une application web afin de présenter son travail d'analyse d'exploration à un public
• Utiliser le Storytelling pour faire parler ses données

• Définir la stratégie d'élaboration d'un modèle d'apprentissage et mettre en œuvre un pipeline d'entraînement 
• Créer les variables pertinentes d'un modèle d'apprentissage
• Sélectionner, entraîner et évaluer des modèles d'apprentissage

• Prétraiter des données non structurées de type texte ou image
• Entraîner des réseaux de neurones
• Elaborer un système de recommandations

• Réaliser des calculs distribués sur des données massives 
• Modéliser des données dans un environnement Big Data et en utilisant les outils du Cloud
• Savoir mettre en production les algorithmes de ML
• Suivre la performance d'un modèle en production et en assurer la maintenance

Session d'examen (1 semaine).

Perspectives financières