Mastère Data Engineer

Pourquoi un Mastère Data Engineer ?

Le Mastère Data Engineer permet la maîtrise des outils les plus avancés en matière d’intelligence artificielle, Machine Learning et analyse de données pour une application dans différents secteurs d’activité.

La formation permettra à nos Data Engineer de préconiser et mettre en place les ressources techniques nécessaires à la performance de l’analyse des données et de l’IA.

Les objectifs de la formation

• Maitrise 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
• Conception de modèle de Machine Learning et Deep Learning

Contenu pédagogique

1ère année

• Programmation Python et R
• Mathématiques
• Data Science avec Python
• DevOps
• Data Warehousing
• Machine Learning & Deep Learning
• SAS
• Cloud
• Data Viz
• Business & IA (Gestion de projet, RGPD, Ethique de la data, Agilité…)

2ème année

• Programmation Java et Scala
• MySQL, Postgre SQL
• Docker
• Terraform
• Architecture des systèmes de données
• Gestion des données dans le cloud
• Concepts de l’entrepôt de données
• Processus ETL
• Kafka pour le streaming de données
• Utilisation d’Apache Hadoop et Apache Spark
• Agilité et Soft skills

Compétences acquises

• Maitrise des langages SQL, Python, C, Java et Scala
• 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
• Etre capable d’utiliser des outils de gestion et de surveillance des ressources cloud
• Avoir des compétences en matière d’optimisation des coûts liés au cloud
• Analyser le besoin du client en vérifiant la faisabilité technique de son projet
• Être 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
• Compréhension des principes d’architecture et des bonnes pratiques pour le stockage et l’analyse de données sur le cloud
• 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
• Maitrise des outils de Data Engineering et de calcul distribué comme Spark
• 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
• Appliquer des techniques de vision par ordinateur pour l’analyse des images
• Intégrer des modèles d’IA dans l’application métier pour aider à la prise de décision

Les taux du parcours :

• Taux de réussite : 100%
• Taux de satisfaction (enseignements et administratif) : 100 %
• Taux d’insertion professionnelle : 100%
• Taux de retour enquête de satisfaction : 66,7%