Formation Cursus Data Scientist Connaître, maîtriser et restituer les enjeux du Big Data

Le métier de Data Scientist est apparu ces dernières années pour faire face à la multiplication des données, à la diversité de leurs formes et de leurs sources : le Big Data. Le rôle du Data Scientist : rendre les données exploitables, les traiter pour leur donner du sens et ainsi permettre à la direction générale d'adapter la stratégie de l'entreprise.

À la croisée du statisticien, du développeur et de l'expert métier, le Data Scientist doit être capable d'appréhender les évolutions majeures des nouvelles technologies d'analyse en y intégrant une nouvelle conception des dimensions. Ce n'est qu'ainsi que son objectif final d'aide à la décision sera atteint.

Pour l'entreprise, les enjeux sont multiples : devancer les besoins des clients, anticiper les risques financiers, modifier en temps réel une politique de prix, anticiper et éviter des maladies ou une panne...

Ce cursus Data Scientist vous forme directement à cette fonction en vous donnant toutes les clés pour appréhender, manipuler et restituer les données que vous aurez à analyser dans le cadre d'un projet Big Data.

Ce cursus regroupe plusieurs cours. Les dates affichées correspondent à celles du premier module de formation.

Objectifs opérationnels :

Pouvoir endosser la fonction de Data Scientist : rendre les données exploitables, et leur donner du sens.
Savoir présenter et commenter les données : permettre à l'entreprise d'adapter sa stratégie grâce aux analyses effectuées.

Objectifs pédagogiques :

À l'issue de ce cursus Data Scientist, vous serez à même de maîtriser tous les tenants et aboutissants du Big Data grâce à l'assimilation des connaissances et compétences suivantes :

• Comprendre le vocabulaire des statisticiens et savoir effectuer des calculs récurrents
• Savoir situer la frontière entre statistiques et probabilités
• Savoir choisir le bon outil pour représenter vos études statistiques, et bien communiquer dessus
• Connaître les acteurs du Big Data et leur niveau d'interdépendance
• Connaître les spécificités d'une infrastructure Big Data : stockage de données, analyse, visualisation...
• Manipuler des données, des objets et programmer avec R
• Maîtriser les fonctionnalités plus avancées de R : packages, structrures de données, Rmarkdown, purr...
• Comprendre les différences entre apprentissage automatique supervisé, non supervisé et meta-apprentissage
• Maîtriser l’utilisation d’algorithmes d'auto-apprentissage adaptés à une solution d'analyse, et appliquer ces techniques à des projets Big Data
• Gérer, collecter, analyser et visualiser vos données
• Mettre en récit vos analyses pour les promouvoir en interne ou en externe

Public :

De manière générale, ce cursus Data Scientist s'adresse à toute personne amenée à évoluer vers une fonction de Data Scientist. Ce poste recoupe des profils variés : analystes, statisticiens, spécialistes BI...

Prérequis :

Pour suivre ce cursus Data Scientist, il est nécessaire de posséder des connaissances de base en statistiques (régression linéaire, échantillonnage) ainsi que des connaissances de base en programmation (variables, boucles, etc.).

Des connaissances de base en SQL et dans l'utilisation de Tableau Software sont également essentielles pour aborder sereinement le volet "Visualisation des données" de ce cursus.

I - Comprendre les statistiques pour le Big Data ou la Business Intelligence (3 jours)

Le vocabulaire de base

Calcul fondamental en statistique descriptive

Probabilités

Tests et intervalles de confiance

Visualisation des données

L’évolution des statistiques pour le Big Data

II - Big Data : Enjeux, concepts, architectures et outils (3 jours)

Contexte et opportunités du Big Data

Sécurité éthique et enjeux juridiques du Big Data

Open data

Les projets Big Data en entreprise

Architecture et infrastructure Big Data

L’analyse des données et la visualisation

Le développement d’applications Big Data

La visualisation des données (Dataviz)

Démonstration d’un environnement distribué Hadoop

Cas d’usage et success-stories

III - Logiciel R : Prise en main (2 jours)

Présentation du logiciel R

Première prise en main du logiciel R

Les Objets

Les Fonctions et programmation R

Génération, gestion et visualisation des données

Analyses statistiques

Bilan

IV - Logiciel R : Perfectionnement et bonnes pratiques (3 jours)

Organiser son travail sous R

Manipuler facilement ses données avec le package dplyr

Exercices

Manipulation des variables catégorielles avec le package forecats

Exercices

Manipuler les chaînes de caractères avec le package stringr

Exercices

Manipuler des données de date : utilisation du package lubridate

Exercices

Assemblage de tables

Exercices

Réaliser des représentations graphiques performantes avec le package ggplot2

Générer dynamiquement son rapport d’analyse avec R Markdown

Introduction à la programmation fonctionnelle avec le package purrr

Exercices

V - Machine Learning : Introduction par la pratique (3 jours)

Introduction au monde du Big Data et de la Data Science

Un premier exemple de modélisation : la détection de Spams

Les différents types d'application du Machine Learning

Prise en main des outils

Mise en pratique sur un problème de classification

Mise en pratique sur un problème de régression

La validation des modèles : 1ère partie

Une approche non-supervisée : le clustering

Nettoyage des données : 1ère partie

Exploration et visualisation des donnéesLa validation des modèles : 2e partie

Le processus de création d'un modèle

Les méthodes ensemblistes

Le nettoyage des données : 2e partie

Le Feature Engineering

Ouverture sur le Deep Learning

VI - Big Data : Les techniques d'Analyse et de Visualisation (4 jours)

Comprendre les spécificités du Big Data

Les concepts fondamentaux et technologies associées du Big Data (stockage, recherche, visualisation)

Gestion des données structurées ou non

La collecte et exploration des données

L’analyse des données

La visualisation des données (Dataviz)

VII - Data Storytelling : Racontez l'histoire de vos données (1 jour)

Concepts clés de la mise en récit des données

Exercice

Analyse d’une présentation, création d’indicateurs de mesure de l’histoire

Exercice pratique

Rédaction d’un pitch et d’un schéma narratif

Mise en pratique 

Exercice pratique

Prise en main de l'outil de Data Storytelling de Tableau Software, en équipe

Exercice pratique

Exercice individuel de construction et de présentation d'une histoire entre les participants

Ce cursus Data Scientist comporte de nombreux travaux pratiques favorisant l'assimilation des connaissances.

Les calculs et études de cas servent de fil conducteur aux multiples démonstrations. Ces derniers sont réalisés sur Excel ou en Python pour ceux qui le souhaitent.

Le logiciel R est également très souvent utilisé. Il est accompagné par Hive pour la gestion et l'exploration des données, par Pig ou Spark pour l'ETL et le traitement des données, et par Elastick Stack pour l'analyse et la visualisation des logs.