Nous avons conçu des programmes sur-mesure pour vous transmettre les meilleures pratiques du moment en data science.
Chaque cursus se déroule en 10 semaines et comprend plusieurs projets data.
Découvrez le langage de référence en data science, utilisé par les leaders de l'industrie, et maîtrisez les fondamentaux: types et structures de données, control flow, fonctions et classes.
Ecrivez vos premiers scripts, travaillez en ligne de commande et versionnez sous git.
Manipulez des fichiers CSV et JSON et apprenez de suite à exploiter vos données avec les librairies NumPy et Pandas.
2
Data Collection & Engineering
Découvrez les meilleures stratégies pour récupérer la donnée partout où elle se trouve.
Programmez des scrappers avec BeautifulSoup, connectez-vous à des API REST et GraphQL, gérez vos bases de données avec SQL, PostgreSQL et SLQAlchemy.
Parallélisez le traitement de grands volumes de données avec PySpark.
3
Data Analysis & Visualization
Travaillez sur Jupyter Notebook pour programmer plus efficacement et vous concentrer sur l'analyse des données.
Maîtrisez les librairies Matplotlib et Seaborn pour élaborer les représentations graphiques les plus pertinentes.
Apprenez à conduire méthodiquement une analyse exploratoire de données et automatisez le processus avec Dataiku.
4
Machine Learning
Entrez dans le monde de l'apprentissage machine avec Scikit-Learn, la référence made in France (cocorico) !
Apprenez à structurer correctement vos projets ML et à mettre en place des pipelines.
Atteignez le sommet de l'art en algorithmes prédictifs avec les librairies XGBoost et LightGBM.
5
Natural Language Processing
Posez les bases de l'analyse de texte : tokenisation, n-gram, LSA, lemmatisation, etc.
Familiarisez-vous avec les libraires de traitement du langage naturel NLTK et spaCy, et initiez-vous au topic modeling avec Gensim.
Pratiquez l'analyse d'entités et de sentiments avec l'API REST AutoML Natural Langage.
6
Deep Learning Introduction
Programmez un perceptron pour vous familiariser avec le fonctionnement d'un réseau de neurones.
Connectez-vous à des APIs existantes telles que Google Cloud Vision et Dialogflow.
Entraînez vos premiers réseaux de neurones convolutionnels avec Tensorflow, le célèbre framework de Google.
1
Neural Network Basics
Posez des fondations mathématiques solides en statistiques, algèbre linéaire et calcul matriciel.
Révisez les incontournables du machine learning: régularisation, optimisation des hyperparamètres, cross-validation, softmax, etc.
Plongez-vous dans les théories cognitives et implémentez votre premier réseau de neurones : le perceptron.
2
Deep Learning Fundamentals
Découvrez le multi-layer perceptron et construisez vos premiers réseaux neuronaux à plusieurs couches.
Pénétrez au coeur des algorithmes d'apprentissage profond pour en comprendre le fonctionnement et les concepts-clés: backpropagation, fonctions d'activation, dropout, etc.
Familiarisez-vous avec Tensorflow, l'une des plus célèbres librairies de deep learning.
3
Big Data Engineering
Déployez vos modèles en créant vos propres APIs REST et connectez-vous à des APIs existantes telles que Google Cloud Vision ou Dialogflow.
Familiarisez-vous aux environnements Big Data, aux clusters Hadoop et aux requêtes SQL & No-SQL.
Conteneurisez votre code avec Docker et effectuez vos calculs sur des serveurs GPU dans le cloud avec AWS ou Google Cloud.
4
Convolutional Neural Networks
Maîtrisez le fonctionnement des algorithmes de traitement d'image, de détection d'objets et de reconnaissance faciale.
Utilisez les CNN publiés par les plus grandes entreprises technologiques et entraînez-les sur vos propres données.
Construisez des architectures complexes en quelques lignes de code grâce aux librairies Keras et PyTorch.
5
Recurrent Neural Networks
Entraînez vos premiers modèles RNNs pour résoudre des problèmes de traitement du langage naturel (NLP).
Améliorez vos performances en gérant les dépendances à long-terme grâce à des réseaux LSTM et GRU.
Fabriquez de vrais chatbots intelligents qui traitent le language en s'appuyant sur des réseaux de neurones !
6
Reinforcement Learning
Développez et évaluez vos algorithmes de reinforcement learning avec le framework garage.
Explorez les différentes techniques d'apprentissage par renforcement: Monte Carlo, Q-Learning, Policy Gradients, Deep Q-Network (DQN).
Programmez des agents auto-apprenants et déployez-les dans des environnements virtuels grâce à Gym d'Open AI.