- Cours pratique
- FSE
- Informatique
Formation Data Science : Industrialiser un projet de Data Science
Les bonnes pratiques de développement pour la Data Science

- Durée
- 2 jours
- Niveau
- Intermédiaire
- Modalités
- Présentiel / Distanciel
Description de la formation Industrialisation Data Science
L'industrialisation d'un projet de Data Science se heurte souvent à de nombreux obstacles. Qu'ils soient budgétaires, organisationnels ou techniques, ces blocages témoignent de la difficulté à dépasser le stade des POCs (Proof of Concept). Cela est particulièrement vrai dans le domaine technique, où les freins au niveau du code et de la chaîne de traitement des données peuvent être légion. Il est donc nécessaire que le data scientist en fonction puisse mettre en œuvre toutes les méthodes lui permettant de récupérer, nettoyer, explorer, et modéliser ses données, avant le déploiement et la mise en production.
Cette formation Data Science vous fournit les meilleures pratiques pour faire passer votre projet du stade de la recherche à celui de l'exploitation. Grâce à ces bonnes pratiques de développement, vos applications de data science seront ainsi en mesure d'apporter de la valeur en entreprise.

Objectifs pédagogiques
Objectifs pédagogiques :
À l'issue de cette formation Data Science, vous aurez acquis les connaissances et compétences nécessaires pour :
- Savoir emmener votre modèle de data science en production
- Apprendre à gérer les nouvelles contraintes
- Minimiser le coût de transfert de l’exploration à la production
- Découvrir les concepts de Software Craftsmanship (clean code) appliqués à la Data Science
Objectifs opérationnels
Objectifs opérationnels :
Savoir industrialiser un projet de Data Science en respectant les bonnes pratiques de développement.
Programme
Contenu du cours, module par module
8 modules
- Rôle du data scientist
- Convictions
- Jupyter Notebook
- PyCharm
- Environnement anaconda
- Nettoyer son notebook
- Noms des variables
- Utilisation de fichiers de configuration
- Programmation fonctionnelle
- Immutabilité
- Créer des fonctions
Mise en pratique
- Découverte du TDD
- Initiation à unittest :
- Les classes de test
- Écrire son premier test
- Les méthode setup et teardown
- Intégration à setuptools
Mise en pratique
- Découverte de Sphinx
- Découverte de sphinx-quickstart
Mise en pratique
- Introduction à git
- Gérer les versions de code
- Utilisation des tags
- Stratégies de versionning
- Gérer des datasets et des modèles
- Définition du packaging
- Introduction à setuptools
- Installer son code en local
- Gestion des dépendances
- Règles simples de démarrage
Mise en pratique
- Synthèse des points abordés
- Partage sur la formation
- Questions/Réponses additionnelles
Travaux pratiques
Les cas pratiques représentent 80% du temps de cette formation. Les participants partent d'un code d'exploration préparé par le formateur et vont progressivement l'amener en production, étape par étape, en démontrant que la transition doit se faire de la manière la plus fluide possible.
Programme mis à jour le 19/02/2026
Public concerné
Ce cours Data Science s'adresse aux analystes, statisticiens et développeurs.

Prérequis
Pour suivre cette formation Data Science, il est nécessaire de posséder des connaissances de base de la Data Science (modèles, biais, variances...), des connaissances des librairies de manipulation de données en Python (pandas, numpy...) ainsi qu'une connaissance de la ligne de commande linux (bash par exemple).
Les personnes souhaitant se former sur le métier de Data Scientist sont invités à suivre la formation Data Scientist : Les fondamentaux de la Data Science (OFDS).
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
Formations liées
- Maîtriser l'industrialisation d'un projet de Data ScienceRéf. MIDS5 joursIntermédiaireProchaine session : 12 nov.3 825 €
- Big Data - Python pour l'analyse de données (cours dédié aux actions collectives Atlas)Réf. OAPO3 joursIntermédiaireProchaine session : 4 nov.2 090 €
- Data Science : Industrialisation avancée d'un projet de Data ScienceRéf. IDSA3 joursAvancéProchaine session : 18 nov.2 500 €
- Data Science : Natural Language Processing (NLP) et Speech RecognitionRéf. DNLP3 joursIntermédiaireProchaine session : 30 déc.2 500 €