Notre formation : Data Science & Machine Learning de A à Z

Dans ce module, vous apprendrez à explorer et visualiser vos données. En Data Science cette étape est vraiment crucial et importante. Ne pas être capable de « jouer » avec les données et les comprendre ne vous permettra pas de construire un bon modèle de Data Science et de IA.

Vous maîtriserez des librairies comme Matplotlib, Seaborn, Bokeh et Plotly vous permettant de commencer vos premières analyses.

Dans ce module, vous apprendrez à collecter la donnée peu importe sa source.

Vous aurez la chance de collecter les données du Web en utilisant les techniques de scraping. Vous utiliserez Scrapy ou Beautiful Soup (BS4).
D’autres sources des données disponibles et techniques d’extraction des données vous seront également présentés.

Ce module est une présentation étape par étape des concepts de l’apprentissage automatique et se concentre sur tous les concepts théoriques et pratiques.

Vous commençerez ces modules par le Machine Learning supervisé. Son but ? Réaliser des prédictions sur un phénomène donné. Ensuite, vous aborderez les concepts de Machine Learning non-supervisé et de l’apprentissage par renforcement. Tous les algorithmes principaux et les plus utilisés vous seront présentés..

Dans cette section, nous couvrons principalement les applications utilisant le package Scikit-learn (Sklearn) et la construction de pipelines de Machine Learning. Vous apprendrez à utiliser mais surtout à évaluer les modèles les plus performants en fonction des problématiques que devez résoudre.
Avec tous ces algorithmes de Machine Learning pratiqués, vous pourrez d’autant mieux appréhender le prochaine module sur le Deep learning !

Grâce à la disponibilité d’une énorme quantité de données et à la puissance de calcul, un algorithme de Machine Learning relativement ancien, le Neural networks, s’avère être un modèle très puissant pour prédire.

Dans ce module, vous comprendrez pourquoi les algorithmes de Deep Learning sont puissantes et sont devenus plus utilisés ces dernières années. Vous connaitrez également les origines de ces algorithmes.

Vous reverrez les notions théoriques derrière ces méthodes notamment avec le concept Gradient Descent.
Vous allez étudier également les différents types de Neural Networks. Entre autres, les réseaux de neurones convolutionnels (CNN) et les réseaux de neurones récurrents (RNN).

Maintenant que nous savons construire les algorithmes de Machine Learning et de Deep Learning, c’est le moment de pratiquer cela avec des projets réels !

C’est le moment pour vous de démarrer les vraies choses. Vous travaillerez avec votre instructeur sur un projet du début jusqu’à la fin. Ce projet mettra en pratique la plupart des algorithmes que vous avez appris.

Ces projets sont basés sur des cas réels
d’entreprises et des problématiques que vous serez
amené à traiter dans votre carrière Data.
Vous aurez ensuite des projets de fin de formation que
vous le ferez vous-même. Vous choisirez votre sujet et travaillerez en binôme. Vous aurez une semaine pour finaliser ce projet de transmettre à votre instructeur.

Nous vous aiderons lors de module a bien faire votre marketing ou votre Personal Branding. Que vous soyez en reconversion ou évolution professionnelle, à la recherche de missions Freelance, que vous montiez votre projet, ce module vous sera

extrêmement utile. Vous pourrez profiter des conseils de nos coaches qui pourront vous guider sur vos CVs, votre LinkedIn et la façon dont vous vous présentez sur vos réseaux professionnels. Ce module vous permettra ainsi de faire la différence aux entretiens.
Après ces 8 modules techniques et votre portfolio en main, vous rejoindrez officiellement la CVthèque de AI Sciences, partagée à tous nos partenaires recruteurs.