AcadémIA Pro
Se connecterDémarrer
AcadémIA Pro · Support de cours

Bootcamp Data Scientist

Code F313 · Durée : 400 h à votre rythme : environ 3 h par semaine, un module toutes les deux semaines · 8 chapitres, 80 modules

Apprenez à analyser des données et à construire des modèles fiables : Python, statistiques, machine learning et deep learning, jusqu'à un projet complet. Chaque semaine, un exercice est repris avec votre formateur en classe virtuelle. À la fin, vous recevez votre certificat AcadémIA Pro.

Le manuel de la formation : environ 484 pages — 300 pages de cours (3 à 4 pages par séance de 2 heures, environ 6 pages par module), les exercices corrigés et le QCM de chaque module, et l’examen final.

Chapitre 1 — Bloc 1 : outils et Python

Module 1.1 — Le métier et ses livrables≈ 6 p. · exercices · QCM
Module 1.2 — Notebooks reproductibles et environnements≈ 6 p. · exercices · QCM
Module 1.3 — Git pour la data science≈ 6 p. · exercices · QCM
Module 1.4 — Python : structures et fonctions≈ 6 p. · exercices · QCM
Module 1.5 — Python : classes et bonnes pratiques≈ 6 p. · exercices · QCM
Module 1.6 — NumPy : opérations vectorisées≈ 6 p. · exercices · QCM
Module 1.7 — Algèbre linéaire utile : vecteurs et matrices≈ 6 p. · exercices · QCM
Module 1.8 — Synthèse de pratique du chapitre 1≈ 6 p. · exercices · QCM

Chapitre 2 — Bloc 2 : données et SQL

Module 2.1 — Pandas : sélectionner et agréger≈ 6 p. · exercices · QCM
Module 2.2 — Pandas : fusionner et remodeler≈ 6 p. · exercices · QCM
Module 2.3 — SQL : requêtes et jointures≈ 6 p. · exercices · QCM
Module 2.4 — SQL : fenêtres et expressions de table≈ 6 p. · exercices · QCM
Module 2.5 — Relier Python et SQL≈ 6 p. · exercices · QCM
Module 2.6 — Analyse exploratoire : profiler un jeu de données≈ 6 p. · exercices · QCM
Module 2.7 — Graphiques avec Matplotlib et Seaborn≈ 6 p. · exercices · QCM
Module 2.8 — Valeurs manquantes et aberrantes≈ 6 p. · exercices · QCM
Module 2.9 — Spark : quand et comment≈ 6 p. · exercices · QCM
Module 2.10 — PySpark : traiter un gros fichier≈ 6 p. · exercices · QCM
Module 2.11 — Synthèse de pratique du chapitre 2≈ 6 p. · exercices · QCM

Chapitre 3 — Bloc 3 : statistiques

Module 3.1 — Distributions et échantillons≈ 6 p. · exercices · QCM
Module 3.2 — Intervalles de confiance≈ 6 p. · exercices · QCM
Module 3.3 — Tests d'hypothèses≈ 6 p. · exercices · QCM
Module 3.4 — Corrélation, causalité et pièges≈ 6 p. · exercices · QCM
Module 3.5 — Concevoir et lire un test A/B≈ 6 p. · exercices · QCM
Module 3.6 — Synthèse de pratique du chapitre 3≈ 6 p. · exercices · QCM

Chapitre 4 — Bloc 4 : apprentissage supervisé

Module 4.1 — Gradient et fonction de coût, à la main≈ 6 p. · exercices · QCM
Module 4.2 — Pipelines scikit-learn≈ 6 p. · exercices · QCM
Module 4.3 — Régression linéaire, ridge et lasso≈ 6 p. · exercices · QCM
Module 4.4 — Régression logistique≈ 6 p. · exercices · QCM
Module 4.5 — k plus proches voisins et SVM≈ 6 p. · exercices · QCM
Module 4.6 — Arbres de décision≈ 6 p. · exercices · QCM
Module 4.7 — Forêts aléatoires≈ 6 p. · exercices · QCM
Module 4.8 — Gradient boosting avec XGBoost≈ 6 p. · exercices · QCM
Module 4.9 — Métriques, courbe ROC et validation croisée≈ 6 p. · exercices · QCM
Module 4.10 — Classes déséquilibrées≈ 6 p. · exercices · QCM
Module 4.11 — Optimiser avec Optuna≈ 6 p. · exercices · QCM
Module 4.12 — Comparer plusieurs modèles sans se tromper≈ 6 p. · exercices · QCM
Module 4.13 — Calibrer des probabilités≈ 6 p. · exercices · QCM
Module 4.14 — Ingénierie des variables et fuites de données≈ 6 p. · exercices · QCM
Module 4.15 — Synthèse de pratique du chapitre 4≈ 6 p. · exercices · QCM

Chapitre 5 — Bloc 5 : non supervisé et séries

Module 5.1 — K-means et DBSCAN : segmenter≈ 6 p. · exercices · QCM
Module 5.2 — Réduction de dimension : ACP, t-SNE et UMAP≈ 6 p. · exercices · QCM
Module 5.3 — Détecter des anomalies≈ 6 p. · exercices · QCM
Module 5.4 — Valider une prévision dans le temps≈ 6 p. · exercices · QCM
Module 5.5 — Séries temporelles : tendance et saisonnalité≈ 6 p. · exercices · QCM
Module 5.6 — ARIMA et SARIMA≈ 6 p. · exercices · QCM
Module 5.7 — Prévoir avec des réseaux récurrents≈ 6 p. · exercices · QCM
Module 5.8 — Système de recommandation≈ 6 p. · exercices · QCM
Module 5.9 — Synthèse de pratique du chapitre 5≈ 6 p. · exercices · QCM

Chapitre 6 — Bloc 6 : deep learning et texte

Module 6.1 — Réseaux denses : rétropropagation et optimiseurs≈ 6 p. · exercices · QCM
Module 6.2 — Régularisation : dropout et normalisation≈ 6 p. · exercices · QCM
Module 6.3 — Réseaux convolutifs pour l'image≈ 6 p. · exercices · QCM
Module 6.4 — Transfert d'apprentissage≈ 6 p. · exercices · QCM
Module 6.5 — Texte : TF-IDF et embeddings≈ 6 p. · exercices · QCM
Module 6.6 — Transformers pré-entraînés : classer et extraire≈ 6 p. · exercices · QCM
Module 6.7 — Vision : détecter des objets≈ 6 p. · exercices · QCM
Module 6.8 — Modèles de langage dans une analyse : usage et limites≈ 6 p. · exercices · QCM
Module 6.9 — Synthèse de pratique du chapitre 6≈ 6 p. · exercices · QCM

Chapitre 7 — Bloc 7 : expliquer et déployer

Module 7.1 — Expliquer un modèle : valeurs de Shapley et dépendance partielle≈ 6 p. · exercices · QCM
Module 7.2 — Équité et règlement européen sur l'IA≈ 6 p. · exercices · QCM
Module 7.3 — Suivre ses expériences avec MLflow≈ 6 p. · exercices · QCM
Module 7.4 — Versionner ses données≈ 6 p. · exercices · QCM
Module 7.5 — Servir un modèle avec FastAPI≈ 6 p. · exercices · QCM
Module 7.6 — Conteneuriser et automatiser≈ 6 p. · exercices · QCM
Module 7.7 — Surveiller la dérive et réentraîner≈ 6 p. · exercices · QCM
Module 7.8 — AutoML : ce que ça fait, et ses limites≈ 6 p. · exercices · QCM
Module 7.9 — Documenter un modèle : fiche et limites≈ 6 p. · exercices · QCM
Module 7.10 — Synthèse de pratique du chapitre 7≈ 6 p. · exercices · QCM

Chapitre 8 — Bloc 8 : cas réels et communication

Module 8.1 — Cas fintech : détecter une fraude≈ 6 p. · exercices · QCM
Module 8.2 — Cas santé : réadmissions et données sensibles≈ 6 p. · exercices · QCM
Module 8.3 — Cas commerce : avis clients et recommandations≈ 6 p. · exercices · QCM
Module 8.4 — Raconter un résultat à des non-spécialistes≈ 6 p. · exercices · QCM
Module 8.5 — Tableau de bord avec Streamlit≈ 6 p. · exercices · QCM
Module 8.6 — Écrire un rapport d'analyse lisible≈ 6 p. · exercices · QCM
Module 8.7 — Projet : cadrer le problème métier≈ 6 p. · exercices · QCM
Module 8.8 — Projet : préparer et modéliser≈ 6 p. · exercices · QCM
Module 8.9 — Projet : déployer et surveiller≈ 6 p. · exercices · QCM
Module 8.10 — Projet : rapport et présentation orale≈ 6 p. · exercices · QCM
Module 8.11 — Synthèse de pratique du chapitre 8≈ 6 p. · exercices · QCM
Module 8.12 — La pratique de toute la formation, l'examen final et l'exemple de pratique choisi par le stagiaire≈ 6 p. · exercices · QCM

Évaluations et certification

• Chaque module : exercices pratiques corrigés et QCM de validation de 10 questions.
• Examen final : 160 questions portant sur l’ensemble des modules.
• À l’issue : attestation de fin de formation et Certification AcadémIA Pro.