Filière Data/IA - TechData Académie

📚 Catalogue Complet des Formations Data/IA

🎓 Formation 1 : Introduction à la Data Science

Élément	Détails
📆 Durée	2 jours – 14 heures
🌍 Lieu	À distance (visioconférence Zoom + plateforme d'accompagnement)
👥 Public & Participants	20 places maximum. Public : Débutants, analystes, chefs de projet, ingénieurs ou chercheurs.
💶 Prix	599.99 € HT
🎯 Objectifs pédagogiques	Comprendre les fondements et les enjeux de la Data Science Prendre en main l'écosystème Python (Anaconda, Jupyter Notebook) Manipuler et analyser des jeux de données avec Pandas Visualiser des données et produire des graphiques utiles] Appliquer les bases du Machine Learning sur un mini-projet
📚 Programme détaillé	Jour 1 : Panorama Data Science, Environnement (Anaconda/Jupyter), Bases Python, Manipulation avec Pandas et Analyse exploratoire. Jour 2 : Statistiques appliquées (corrélations), Introduction au Machine Learning (régression, k-means) et Mini-projet final.
💻 Prérequis & Matériel	Prérequis : Bases en programmation (Python de préférence), goût pour les chiffres. Matériel : Ordinateur avec webcam/micro et installation d'Anaconda/Jupyter.
✅ Méthode & Supports	Alternance cours/exercices, mini-projet final. Supports fournis : Notebooks Python, datasets et ressources complémentaires.

🎓 Formation 2 : Python pour l'analyse de données

Élément	Détails
📆 Durée	4 jours – 28 heures
🌍 Lieu	À distance (Zoom + supports partagés)
👥 Public & Participants	15 places maximum. Niveau : Initiation Intermédiaire → Avancé
💶 Prix	999.99 € HT
🎯 Objectifs pédagogiques	Maîtriser les fondamentaux de Python et la POO Manipuler et visualiser des données avec NumPy, Pandas et Matplotlib Gérer des bases de données SQL et des serveurs web S'initier au Machine Learning et à la programmation asynchrone
📚 Programme détaillé	Jour 1 - Fondamentaux de Python : Historique, syntaxe, types de données, structures de contrôle, fonctions, POO et gestion des fichiers. Jour 2 - Manipulation et Visualisation : Utilisation de NumPy, Pandas, Matplotlib et gestion des exceptions. Jour 3 - Bases de données et Machine Learning : SQL, serveurs web, introduction à TensorFlow/Keras. Jour 4 - Optimisation et évaluations : Programmation asynchrone et réalisation de projets pratiques.
💻 Matériel requis	Ordinateur avec webcam et micro, Python (Anaconda), Jupyter
✅ Accompagnement	Formateur en direct + messagerie post-formation
📚 Supports	Notebooks Python, datasets et tutoriels fournis.

🎓 Formation 3 : Plateforme d'Orchestration des Clusters Applicatifs avec Kubernetes

Élément	Détails
📆 Durée	2 jours – 14 heures
🌍 Format	En ligne ou présentiel
👥 Public	DevOps, Cloud Engineers, Développeurs
💶 Prix	699.99 € HT
🎯 Objectifs pédagogiques	Comprendre l'architecture interne de Kubernetes Déterminer les services fournis par la plateforme Déployer une application distribuée dans Kubernetes Comprendre et analyser une application déployée
📚 Contenu détaillé	Jour 1 - Introduction et prise en main (7h) Introduction à l'orchestration (CNCF, cas d'usage) Architecture Kubernetes : Master, Worker, API Server, etcd, Scheduler Installation Minikube et configuration kubectl TP1 : Déploiement d'une première application NGINX Jour 2 - Déploiement et supervision avancée (7h) ConfigMaps et Secrets (configurations sensibles) Persistent Volumes et PVC (stockage) Horizontal Pod Autoscaling (HPA) Ingress Controllers (gestion du trafic) Supervision : kubectl logs, Prometheus, Grafana, troubleshooting TP2 : Déploiement stack microservices complète (Frontend + Backend + DB) Évaluation finale (QCM + TP)
💻 Prérequis	Bases en virtualisation et réseaux, Docker, systèmes Linux, architectures distribuées
🛠️ Outils utilisés	Kubernetes, Minikube, kubectl, Play with Kubernetes, Lens/K9s, Prometheus, Grafana
✅ Évaluation	QCM final (30%) + TP complet (50%) + Participation (20%)
📄 Ressources fournies	Support PDF, Manifests YAML, Cheat sheet kubectl et Documentation

🎓 Formation 4 : Traitement Distribué des Données

Élément	Détails
📆 Durée	2 jours – 14 heures
🌍 Format	En ligne ou présentiel
👥 Public	Data Engineers, Data Scientists niveau avancé
💶 Prix	699.99 € HT
🎯 Objectifs pédagogiques	Expliquer les principes de la programmation distribuée Prendre en main Apache Spark (PySpark) Implémenter le traitement distribué des données Optimiser les performances des pipelines distribués
📚 Contenu détaillé	Jour 1 - Principes et bases (7h) Introduction au traitement distribué (MapReduce, Hadoop, Spark) Architecture Spark : Driver, Executors, RDD, DAG Installation et prise en main PySpark (Google Colab) TP1 : Traitement distribué sur dataset réel Jour 2 - Pipelines et optimisation (7h) Spark SQL et Spark Streaming Optimisation : partitionnement, cache, broadcast Mini-projet : Pipeline ETL complet end-to-end Introduction à Apache Airflow (orchestration) Évaluation finale (QCM + Projet)
💻 Prérequis	Python (Pandas, NumPy), SQL, bases du data processing
🛠️ Outils utilisés	Python, Apache Spark (PySpark), Dask, Google Colab, Apache Airflow
✅ Évaluation	QCM (20%) + Mini-projet pipeline (60%) + Participation (20%)
📄 Ressources fournies	Support PDF complet, Jupyter Notebooks, Cheat sheet PySpark, Datasets, Code GitHub

🎓 Formation 5 : Traitement et Analyse de Données Textuelles avec NLP, RAG, LLM & Base de Données

⏱️ 2 jours 💻 En ligne 👥 12 places max 💶 Prix: 990 € HT

Concevez un pipeline complet RAG (Retrieval Augmented Generation) avec LLM et PostgreSQL.

🎯 Objectifs pédagogiques :

Comprendre et concevoir une architecture RAG complète
Implémenter un pipeline NLP et LLM exploitable
Utiliser PostgreSQL comme base de données centrale
Stocker et interroger des embeddings via pgvector
Construire un assistant IA basé sur des données métier

📚 Programme détaillé :

Jour 1 – Fondations RAG, NLP & LLM :

Rappels essentiels en NLP (tokenisation, embeddings, similarité)
Fonctionnement des LLM
Limites des LLM sans données internes
Introduction au RAG et architecture
Vectorisation des documents et recherche sémantique

Jour 2 – Base de données & intégration PostgreSQL :

Rôle des bases de données dans une architecture IA
Modélisation des données pour un système RAG
PostgreSQL : tables, index, performances
Introduction à pgvector
Stockage des embeddings et métadonnées
Requêtes de similarité vectorielle
Pipeline complet : BDD → recherche → LLM → réponse

💻 Atelier pratique :

Création d’un mini assistant RAG
Ingestion de documents en base PostgreSQL
Recherche sémantique avec embeddings
Génération de réponses contextualisées via LLM

🛠️ Technologies utilisées :

Python
PostgreSQL + pgvector
LLM
Frameworks RAG )

👥 Public cible :

Data Analysts
Data Scientists
Développeurs Python
Ingénieurs Data

💻 Prérequis :

Notions de base en Python
Connaissances SQL (SELECT, JOIN)
Aucune expertise avancée en IA requise

🎓 Formation 6 : Statistiques appliquées à la Data Science

⏱️ 2 jours 💻 En ligne 👥 15 places max 💶 Prix: 599.99 € HT

Statistiques descriptives et inférentielles, tests d'hypothèses, régression, applications en Data Science.

🎓 Formation 7 : Machine Learning Fondamental

⏱️ 4 jours 💻 En ligne 👥 12-15 places max 💶 Prix: 1199.99 € HT

Apprentissage automatique : algorithmes supervisés et non supervisés, évaluation de modèles, cas pratiques.

🎓 Formation 8 : Data Visualization

⏱️ 2 jours 💻 En ligne 👥 18 places max 💶 Prix: 599.99 € HT

Techniques de visualisation de données, création de dashboards interactifs, storytelling avec les données.

🎓 Formation 9 : Big Data - Fondamentaux

⏱️ 4 jours 💻 En ligne 👥 10 places max 💶 Prix: 1399.99 € HT

Introduction aux technologies Big Data, écosystème Hadoop, traitement de données massives.

🎓 Formation 10 : Développement Full Stack (ML Stack)

⏱️ 4 jours 💻 En ligne 👥 12 places max 💶 Prix: 1199.99 € HT

Développement d'applications ML de bout en bout : APIs, déploiement de modèles, interfaces utilisateur.

🎓 Formation 11 : Deep Learning Introduction

⏱️ 4 jours 💻 En ligne 👥 10 places max 💶 Prix: 1399.99 € HT

Réseaux de neurones, architectures CNN et RNN, frameworks (TensorFlow, PyTorch), applications pratiques.

🎓 Formation 12 : Python pour développeurs