En 10 jours de formation, vous apprenez à analyser des données réelles, à concevoir un rapport exploitable et à présenter vos insights — avec un portfolio GitHub que vous pouvez montrer en entretien.
👥 Public : Débutants, analystes, chefs de projet, ingénieurs ou chercheurs.
🎯 Objectifs : Comprendre les fondements de la Data Science, maîtriser Python (Anaconda, Jupyter), manipuler des données avec Pandas, visualiser et appliquer les bases du Machine Learning.
📚 Programme :
| Jour | Contenu |
|---|---|
| Jour 1 | Panorama Data Science, Environnement (Anaconda/Jupyter), Bases Python, Pandas et Analyse exploratoire |
| Jour 2 | Statistiques appliquées (corrélations), Introduction ML (régression, k-means), Mini-projet final |
💻 Prérequis : Bases en programmation (Python de préférence), goût pour les chiffres. Matériel : Ordinateur avec webcam/micro, Anaconda/Jupyter.
✅ Méthode : Alternance cours/exercices, mini-projet final. Supports : Notebooks Python, datasets et ressources complémentaires.
Niveau : Initiation Intermédiaire → Avancé
🎯 Objectifs : Maîtriser Python et la POO, manipuler et visualiser des données avec NumPy, Pandas et Matplotlib, gérer des bases de données SQL, s'initier au Machine Learning et à la programmation asynchrone.
📚 Programme :
| Jour | Contenu |
|---|---|
| Jour 1 | Fondamentaux Python (historique, syntaxe, types, structures, fonctions, POO, gestion fichiers) |
| Jour 2 | NumPy, Pandas, Matplotlib, gestion exceptions |
| Jour 3 | SQL, serveurs web, TensorFlow/Keras |
| Jour 4 | Programmation asynchrone, projets pratiques |
💻 Matériel : Ordinateur avec webcam/micro, Python (Anaconda), Jupyter.
✅ Accompagnement : Formateur en direct + messagerie post-formation. Supports : Notebooks Python, datasets, tutoriels.
📊 Description : Statistiques descriptives et inférentielles, tests d'hypothèses, régression, applications en Data Science.
🎯 Objectifs : Maîtriser les concepts fondamentaux des statistiques pour l'analyse de données, savoir interpréter et valider des résultats, appliquer des tests statistiques aux cas concrets.
📊 Description : Techniques de visualisation de données, création de dashboards interactifs, storytelling avec les données.
🎯 Objectifs : Savoir créer des visualisations percutantes, maîtriser Matplotlib, Seaborn et Plotly, concevoir des dashboards interactifs pour le partage d'insights métier.