PARCOURS PYTHON NIVEAU 2 - Data science avancée

Dans le cadre de nos parcours de formation professionnelle, nous vous proposons d'acquérir les compétences nécessaires pour devenir un expert en python pour la data.

Ce parcours avancé est centré sur l'utilisation de python pour la data science. Il aborde aussi bien les aspects développement que data science. Ce parcours est accessible aux bons connaisseurs de python en data ou aux participants au parcours python pour la data de niveau 1.

Prochaines sessions

Plus de

heures de formation

Des promotions de

participants maximum

Sur une période de

semaines

Avec

projets sur donnés réelles

Les objectifs pédagogiques

Mettre en oeuvre un pipeline de traitement avancé en python
Construire un outil de traitement de données textuelles grâce au traitement automatique du langage
Construire des modèles de deep learning pour répondre à des problématiques spécifiques (vision par ordinateur, traitement de données temporelles...)
Mettre en production un algorithme de deep learning

Les forces du parcours

Vous recherchez une formation vous permettant de faire valoir votre connaissance de python en data science.
Vous recherchez une formation combinant des échanges entre apprenants et avec le formateur et des moments de travail en autonomie
Vous voulez des formateurs experts ayant une réelle expérience de la data science en entreprise
Vous préférez les petits groupes pour un suivi plus sur mesure
Vous planifiez un jour par semaine de formation pendant 7 semaines

Et au bout du parcours ?

Un examen et un projet
Une certification validée par Stat4decision
Un badge pour partager votre réussite sur les réseaux sociaux professionnels

Ce parcours combine des sessions théoriques, pratiques, des projets et des exercices tutorés

Le déroulement du parcours python niveau 2 - data science avancée

Les principes de l’analyse textuelle

Qu'est-ce que le traitement du langage naturel (NLP) ?
A quelles questions répond le NLP ?

Les outils de python pour le NLP

Le travail sur les chaînes de caractères avec python
- string
- expressions régulières
- transformation vectorisées dans des DataFrame
Les API pour récupérer des données textuelles
- Réseaux sociaux
- Web scrapping
- Open Data

Le NLP avec nltk et spaCy

Les packages nltk et spaCy : leurs principes et leurs différences
Applications avancées de nltk et spaCy pour du traitement du langage

Vers le text mining : combiner nltk et des algorithmes de machine learning

Identification de thématiques à partir de textes (topic modeling)
L’utilisation de nltk et du machine learning avec scikit-learn pour l’analyse des sentiments

A quel problème répond le Deep Learning ?
Quel est le cadre théorique ?
- Les réseaux de neurones
- Le perceptron multicouches
- Présentation des autres types de réseaux
Quelle infrastructure et quels outils ?
- La complexité des modèles
- L'utilisation du GPU
- Les environnements Deep Learning et leurs API Python
  - TensorFlow
  - Keras
  - PyTorch
- Et le passage en production ?
Un premier réseau de neurones avec Keras
Les réseaux de neurones à convolutions (CNN)
- Principes
- Traitement d'une base d'image
- Mise en œuvre avec Keras, TensorFlow et PyTorch

Comment sélectionner mon réseau ?
Le Transfer Learning
La génération de features
Les réseaux de neurones récurrents (RNN)
- Principes
- Mise en œuvre pour le traitement de données textuelles
Passage en production d'un algorithme de Deep Learning
- La persistance du modèle
- Création d'une API avec TensorFlow
Construire un réseau de neurones from scratch avec des classes en python

Rendez-vous supplémentaire en présence du jury pour la remise des diplômes et des badges.

Durée totale : 7 jours (50h.)

Profil des stagiaires

data scientists utilisateurs de python pour le traitement des données,
utilisateurs de python pour la data désireux d'étendre ses compétences

Prérequis

avoir suivi le parcours python pour la data ou avoir un niveau équivalent

Accessibilité

Nous mettons tout en œuvre pour rendre nos formations accessibles à tous. Vous êtes en situation de handicap et désirez participer à ce parcours, contactez-nous à l'aide du formulaire en bas de page.

Les aspects techniques

Vous avez accès à un serveur vous permettant de coder en python sans aucune installation
La salle de classe virtuelle est organisée de manière ludique et adapté au travail en groupes
Il vous suffit d’un navigateur (Chrome ou Firefox)

Les + stat4decision

Un intranet disponible durant et après la formation avec tous les supports et des informations supplémentaires
Un espace de travail personnel pour coder pendant et après la formation (accessibilité garantie durant 1 an)
Une salle de classe virtuelle interactive durant les 7 jours du parcours