Bachelor Data Analyst

Présentation

Face à la profusion des données numériques produites, les entreprises de tous les secteurs d’activité cherchent désormais à exploiter les données à leur disposition pour mieux ajuster leur stratégie et leur développement.

Il devient donc indispensable, pour les entreprises et les cabinets d’audit et de conseil de recruter et de former des profils adaptés pour profiter pleinement de la valeur ajoutée du Big Data (ou métiers de la donnée).

Le Bachelor Data Analyst est une formation qui répond aux attentes de ces nouveaux métiers du Big Data.

Les objectifs de la formation

• Maîtrise des fondamentaux d’un environnement cloud
• Créer une base de données dans un environnement cloud
• Exploiter les solutions cloud d’analyse de données pour faciliter la prise de décision
• Utiliser un outils d’IA pour aider à la prise de décision
• Gérer un projet informatique de science de la donnée

Contenu pédagogique

• Programmation (SQL, Python, C),
• Outils Data Science
• Business Intelligence
• Cloud & NoSQL
• Machine Learning & Deep Learning,
• Modélisation et branches de l’IA
• Découverte des outils data générique
• Business & IA (gestion de projet, Droit et éthique …)
• Mathématiques
• Projet de fin d’étude

Compétences acquises

• Maîtrise des langages SQL, Python, et C
• Connaissance des différents modèles de service Cloud et des principaux fournisseurs
• Comprendre les concepts et les principes d’architecture cloud
• Savoir utiliser les techniques et les outils de migration vers le cloud ainsi que les méthodes pour minimiser les risques
• Avoir des compétences en matière de sécurité et de conformité dans un environnement cloud
• Analyser le besoin du client en vérifiant la faisabilité technique de son projet
• Etre capable de proposer des solutions techniques adaptées aux besoins du client
• Compléter, refondre et corriger les données obtenues à l’aide d’outils de programmation ou de tableur
• Alimenter les tables d’une base de données à l’aide de données nettoyées et préparées afin de les optimiser
• Connaissance des techniques et des outils de scrapping de données sur différentes sources
• Réaliser des visualisations à l’aide d’outils, de langage de programmation où de logiciels à partir de différent type de données afin de faciliter la compréhension des données
• Comprendre les concepts de base de l’IA et savoir comment elle peut être utilisée pour aider à la prise de décision
• Sélectionner les outils d’IA adaptés pour répondre aux besoins de l’entreprise
• Concevoir et implanter des modèles de Machine Learning et Deep Learning
• Utiliser des techniques de NLP pour extraire des informations à partir de données textuelles

Les taux du parcours

• Taux de réussite : 100%
• Taux de satisfaction (enseignements et administratif) : 97,5%
• Taux d’insertion professionnelle : 100%
• Taux de retour enquête de satisfaction : 75%