Bootcamp Data Scientist
Domaine : IA. Niveau : Avancé. Durée : 400 heures. 40 modules répartis en 2 chapitres. Tarif : 4200 euros. Formation à distance avec modules, exercices corrigés, questionnaires et manuel. Attestation de fin de formation délivrée à l’issue du parcours.
Programme détaillé
Chapitre 1 — Étape 1 - Fondements de la Data Science et du Machine Learning
- 1.1 Histoire et écosystème de la data science : de Bayes et Fisher à l'ère du machine learning
- 1.2 Environnement de travail professionnel : Python, Git, environnements virtuels et notebooks reproductibles
- 1.3 Structures de données Python avancées, programmation orientée objet et bonnes pratiques de code
- 1.4 NumPy et algèbre linéaire appliquée : vecteurs, matrices, décompositions et opérations vectorisées
- 1.5 Pandas pour la manipulation de données tabulaires : indexation, agrégation, fusion et reshaping
- 1.6 Statistiques descriptives et inférentielles : distributions, tests d'hypothèses, intervalles de confiance
- 1.7 Analyse exploratoire des données (EDA) : détection d'anomalies, outliers et profiling avec Matplotlib et Seaborn
- 1.8 Gestion des données manquantes, déséquilibrées et bruitées : stratégies d'imputation et de pondération
- 1.9 Pipelines de prétraitement réutilisables avec Scikit-learn : transformateurs, encodeurs et ColumnTransformer
- 1.10 Fondements mathématiques du machine learning : gradient, fonction de coût, descente de gradient et optimisation
- 1.11 Machine learning supervisé — régression : régression linéaire, ridge, lasso et élasticnet
- 1.12 Machine learning supervisé — classification : régression logistique, k-NN, SVM et arbres de décision
- 1.13 Méthodes d'ensemble : Random Forest, Gradient Boosting, AdaBoost et XGBoost — principes et comparaison
- 1.14 Évaluation rigoureuse des modèles : métriques adaptées, validation croisée, courbe ROC et courbe d'apprentissage
- 1.15 Machine learning non supervisé : K-Means, DBSCAN, clustering hiérarchique et applications à la segmentation
- 1.16 Réduction de dimensionnalité : PCA, t-SNE et UMAP pour la visualisation et la compression de l'information
- 1.17 Optimisation des hyperparamètres : recherche par grille, aléatoire et optimisation bayésienne avec Optuna
- 1.18 Posture professionnelle du data scientist : rigueur expérimentale, communication des résultats et travail en équipe pluridisciplinaire
- 1.19 Éthique, biais algorithmiques et responsabilités professionnelles : fairness, transparence et cadre réglementaire de l'IA
- 1.20 Synthèse de l'étape 1 : évaluation intégrée sur un projet de bout en bout couvrant EDA, modélisation supervisée et non supervisée, et présentation des résultats
Chapitre 2 — Étape 2 - Maîtrise Avancée, Déploiement et Pratique Professionnelle
- 2.1 Fondements mathématiques du deep learning : rétropropagation, fonctions d'activation et optimiseurs Adam, RMSProp et SGD avec momentum
- 2.2 Réseaux de neurones denses et convolutifs avec TensorFlow et Keras : construction, entraînement, régularisation par dropout et batch normalization
- 2.3 Vision par ordinateur : architectures CNN, transfer learning et fine-tuning sur ResNet, EfficientNet et MobileNet pour la classification et la détection d'objets
- 2.4 Traitement du langage naturel classique et moderne : tokenisation, TF-IDF, Word2Vec, GloVe et embeddings contextuels
- 2.5 Architectures Transformer, attention multi-têtes et utilisation de modèles pré-entraînés de type BERT et ses dérivés pour la classification, l'extraction d'entités et la génération de résumés
- 2.6 Séries temporelles : modélisation statistique ARIMA et SARIMA, puis approches deep learning avec LSTM, GRU et réseaux récurrents pour la prévision de données réelles
- 2.7 Étude de cas sectorielle — Fintech : détection de fraude par apprentissage supervisé déséquilibré, SMOTE, calibration des probabilités et interprétation SHAP des décisions du modèle
- 2.8 Étude de cas sectorielle — Santé et médical : prédiction de réadmission hospitalière, gestion des données sensibles, fairness algorithmique et méthodes d'explicabilité locale avec LIME
- 2.9 Étude de cas sectorielle — E-commerce et NLP : système de recommandation hybride, analyse de sentiments sur avis clients et classification multi-étiquettes de catalogues produits
- 2.10 Ingestion et traitement de données à grande échelle : architecture big data, traitement distribué avec Apache Spark et PySpark, optimisation des requêtes et connexion aux entrepôts de données
- 2.11 SQL avancé pour la data science : fenêtres analytiques, CTE récursives, optimisation de requêtes et interfaçage Python-SQL avec SQLAlchemy sur des bases relationnelles et columnar stores
- 2.12 Explicabilité globale et locale des modèles : valeurs de Shapley, graphiques de dépendance partielle PDP, ICE plots et cadre réglementaire européen sur l'IA appliqué aux systèmes décisionnels
- 2.13 MLOps — Versioning, traçabilité et reproductibilité : suivi des expériences avec MLflow, DVC pour le versioning des données et des modèles, et gestion du cycle de vie des artefacts
- 2.14 MLOps — Conteneurisation et déploiement : packaging de modèles avec Docker, exposition via FastAPI, orchestration avec Kubernetes et intégration continue dans un pipeline CI/CD
- 2.15 Surveillance et maintien des modèles en production : détection du data drift et du concept drift, monitoring des performances avec Evidently et stratégies de réentraînement automatisé
- 2.16 Optimisation avancée et AutoML : Neural Architecture Search, optimisation bayésienne multi-objectif avec Optuna, et exploration des frameworks AutoML tels que TPOT et Auto-sklearn
- 2.17 Communication des résultats data science : storytelling analytique, construction de tableaux de bord interactifs avec Plotly et Streamlit, et présentation à des interlocuteurs non techniques
- 2.18 Projet intégré encadré — Partie 1 : cadrage du problème métier, collecte et préparation des données, modélisation et sélection du meilleur pipeline sur un cas d'usage inédit
- 2.19 Projet intégré encadré — Partie 2 : déploiement du modèle en production, mise en place du monitoring, documentation technique et présentation orale des résultats devant un jury professionnel
- 2.20 Synthèse de l'étape 2 : évaluation intégrée couvrant deep learning, NLP, MLOps, explicabilité et déploiement — soutenance du projet de bout en bout et bilan de compétences acquises