Résultats pour « Data science »

 

R pour la Data science
R s’impose comme un des langages outils pour la Data science. sa rigueur et sa capacité à s’intégrer à des infrastructures techniques robustes en font un choix de prédilection pour les big data. Les objectifs sont de se familiariser avec les environnements de développement en R, acquérir les bases de la programmation en R pour traiter, visualiser et modéliser les données.


Python pour la Data science
Python s’impose comme un des langages outils pour la Data science. Sa rigueur et sa capacité à s’intégrer à des infrastructures techniques robustes en font un choix de prédilection pour les big data. Les objectifs sont de se familiariser avec les environnements de développement en Python, acquérir les bases de la programmation en Python pour traiter, visualiser et modéliser les données.


Spark pour la Data science
Maîtriser les principes de traitement de Spark et son architecture Développer des traitements distribués avec Spark Connaître les techniques de modélisation distribuées de Spark et construire des pipeline d’apprentissage et de prédiction Découvrir le traitement des données en flux avec Spark Streaming Connaître les modes d’industrialisation des traitements Spark


Python Expert / Python pour la Data science et le machine learning
Permettre à l’utilisateur maîtrisant l’informatique décisionnelle sous Python de de se perfectionner sur une thématique spécifique.


Panorama du Big Data
Avoir une vision des différents aspects des Big Data.


Modélisation et initiation au machine learning
Comprendre et maîtriser les méthodes de régression à mettre en oeuvre en fonction du type de la variable à expliquer et du nombre de variable. Connaitre les méthodes de base du machine learning.


Panorama des méthodes de Data mining
Comprendre la démarche du Data Mining et quand elle peut s'appliquer ou non. Connaître le fonctionnement et les résultats à attendre des principales techniques statistiques employées (scoring, typologies).


Visualisation et cartographie pour le web
Restituer l’information contenue dans les données ou dans les résultats des analyses effectuées de façon claire et didactique. Dessiner les données sur des cartes.


Bitcoin, Ethereum, cryptomonnaies : les fondamentaux des actifs digitaux
Maîtriser l'écosystème des actifs digitaux, du Bitcoin aux ICOs Comprendre les grands principes de fonctionnement des actifs digitaux Avoir une vision claire du marché des actifs digitaux et de ses développements en cours Démystification des actifs digitaux et de la blockchain


Analyse des réseaux
Visualiser des données sous forme de réseau / graphe. Décrire les propriétés importantes d'un graphe. Être capable de réaliser de la classification et des recommandations de produits.


Blockchain : enjeux pour la finance
Comprendre les grands principes sur lesquels reposent les protocoles blockchain Acquérir une culture générale sur l'écosystème blockchain Maîtriser les enjeux des protocoles blockchain pour le monde financier Étudier les stratégies blockchain des grands groupes et anticiper les développements futurs


Management du risque informatique et libertés dans l’univers de la relation client et du marketing
L’objectif est de présenter les fondamentaux de la loi informatique et libertés et de sensibiliser les stagiaires à l’ensemble des obligations du responsable de traitement mais également sur les risques encourus.


Techniques de scoring
Savoir construire un score pour la prédiction d'un phénomène binaire, depuis la phase d'échantillonnage jusqu'aux restitutions finales.


Méthodes avancées de Data Mining
Faire le lien entre les méthodes de Data Mining usuelles et les méthodes issues de la recherche récente en apprentissage statistique, comme les méthodes à noyaux (SVM et SVR entre autres) et les méthodes d'agrégation (boosting, bagging, forêts aléatoires). Savoir mettre en œuvre ces méthodes sur des cas pratiques et juger de leur pertinence en fonction de l'objectif recherché.


La conduite de projet en géomarketing
Connaître les prérequis et les étapes pour développer des compétences géomarketing. Connaître les différents moyens et solutions applicatives à mettre en œuvre en fonction des objectifs de l'organisation/projet.


Mise en œuvre d'un projet d’études locales et géomarketing
Réaliser une étude géomarketing, calculer des indicateurs spatiaux et les représenter de façon lisible pour une communication claire.


Les données structurées sur le web
Comprendre le fonctionnement du web dans une optique d'extraction de données.


Web-Scraping : Méthodes d'extraction de données sur le web
Acquérir les notions théoriques et pratiques nécessaires à la mise en œuvre des techniques d'acquisition automatisées de données sur le web.


Sécurisation des données
Acquérir une vision globale des problèmes de sécurité des données en général et des contextes big data en particulier. Comprendre l'étendue de la menace, les enjeux et les risques associés. Disposer des bases nécessaires pour mettre en place une architecture de sécurité et comprendre les techniques de protection des données dans un contexte big data.


Mettre en œuvre et utiliser les outils informatiques des Big Data
Connaître les évolutions technologiques qui révolutionnent l’architecture technique. Savoir quels sont les contraintes techniques, les performances, les caractéristiques d’une architecture en grille hautement performante et positionner un système Big Data dans le plan d’urbanisme.


Visualisation des données
Restituer l’information contenue dans les données ou dans les résultats des analyses effectuées de façon claire et didactique. Naviguer dans les données afin de trouver des pistes d’analyses.


Machine learning
Comprendre ce qu'est le Machine Learning, la nature des problèmes qu'il permet de résoudre. Apprendre à mettre en œuvre les principaux algorithmes sur des données réelles, à analyser leurs résultats, et comparer leurs performances.


Réduction de dimension et classification non supervisée (Clustering)
Cette formation permet de comprendre et savoir mettre en œuvre des techniques statistiques permettant de regrouper des individus en classes homogènes, ce que l’on nomme communément classification non supervisée ou clustering.


Enjeux juridiques du Big Data
Acquérir les connaissances juridiques nécessaires à la mise en place, l’utilisation, la conception de « solutions BIG DATA » au regard des impératifs la loi n°78-17 dite « Informatique et libertés » du 6 janvier 1978 modifiée, du Règlement Européen pour la Protection des données du 27 avril 2017 et du droit de la propriété intellectuelle.


La veille Internet efficace
Identifier les enjeux et les exigences de la veille documentaire et informationnelle. Acquérir une méthodologie opérationnelle de mise en place d’un plan de surveillance individuel. Mettre en place une veille internet efficace avec des outils gratuits ou à petits budgets et gagner du temps sur l’étape de la collecte d’information pour l’investir dans l’analyse de l’information utile.


Statistique textuelle pour le Text Mining
Mettre en œuvre les méthodes de la statistique textuelle sur des corpus de nature différente (questions ouvertes, entretiens, mots associés, articles de presse, pages Web, etc.) à l’aide de logiciels spécifiques (IraMuTeQ, SpadT, R.TeMiS) Interpréter, présenter et valoriser les résultats.


Mettre en place des algorithmes de recommandation
Connaître les différentes méthodes permettant d'effectuer des recommandations de contenus (produits marketing, …) à un ensemble de clients ou d'utilisateurs Être capable d'évaluer la performance d'un algorithme avant son déploiement.


Introduction aux enjeux du Big Data en assurance
Comprendre et analyser les enjeux, les méthodes et les conséquences opérationnelles de l’utilisation du Big Data en actuariat.


Actuariat et Big Data : quels enjeux juridiques ?
Acquérir les connaissances juridiques nécessaires à la mise en place, l’utilisation, la conception de « solutions BIG DATA » dans la sphère de l’actuariat au regard des impératifs la loi n°78-17 dite « Informatique et libertés » du 6 janvier 1978 modifiée et du droit de la propriété intellectuelle.


Les DRH à l’épreuve de la DATA
Acquérir les connaissances juridiques nécessaires à l’instauration et à la mise en place d’outils de gouvernance pour assurer la conformité des traitements de données RH, la protection du patrimoine informationnel de l’Entreprise et la mise en conformité des dispositifs de contrôle et de cyber surveillance.


La cryptographie pour sécuriser ses données
Acquérir une vision globale des technologies de chiffrement et de leurs applications et mises en œuvre Comprendre les utilisations et bénéfices en fonction des technologies Connaître les vulnérabilités et points de faiblesse des différentes méthodes de chiffrement Disposer des bases nécessaires pour choisir la meilleure méthode dans un contexte donné


Les fondamentaux du Deep learning
Découvrir le deep learning et ses applications, dont le transfer learning Mettre en œuvre les principaux environnements de deep learning Utiliser les ressources du cloud computing pour entraîner les réseaux


Enjeux juridiques des cyber menaces
Acquérir un socle de connaissances permettant d’anticiper et de gérer les attaques informatiques que ces attaques soient d’origine interne ou externe.


Comprendre les enjeux de la transformation numérique des entreprises
Décortiquer, sous un angle concret, les transformations numériques de l’économie et des entreprises. Eclairer, à travers quelques tendances technologiques majeures, par exemple l’Internet des Objets (IoT) ou le « BigData », les changements induits par le digital sur les principales fonctions de l’entreprise. Se donner les moyens de comprendre comment réussir professionnellement, dans un contexte mondialisé où la place du digital ne cesse de s’agrandir.


Python Expert / Python pour le text mining
Permettre à l’utilisateur maîtrisant l’informatique décisionnelle sous Python de de se perfectionner sur une thématique spécifique.


Python Expert / Développement d’interfaces graphiques et dataviz avancée
Permettre à l’utilisateur maîtrisant l’informatique décisionnelle sous Python de de se perfectionner sur une thématique spécifique.


Python Intermédiaire
Acquérir les outils et techniques permettant d’effectuer des traitements sur les données, plus rapidement et plus efficacement. Connaître les principaux packages d’analyse statistique.