Data Scientist, 12 jours (réf. KDS)

PROGRAMME DE FORMATION » Présentation de la gouvernance des données Rôle stratégique des données pour l'entreprise. Etat des lieux sur la qualité des données. Définition des notions "Donnée" et "Information". Evaluer la qualité des données des entreprises. Réconciliation des données. Contrôle de qualité et bonnes pratiques. Cycle de vie des données : archivage de base de données. Confidentialité des données. Présentation des offres de MDM. Travaux pratiques Arriver à un consensus sur la qualité des données. Lien qualité des données et solvabilité II. » L'essentiel des modèles statistiques Fondamentaux de la statistique descriptive. Démarche et modélisation d'une analyse statistique. Paramètres de position et de dispersion. Analyses prédictives : mise en place d'un modèle de régression linéaire. Tests et intervalle de confiance. Valider la précision d'une estimation. Panorama des outils (R, SAS...). Travaux pratiques Etude d'une population et dimensionnement d'un échantillon. Modélisation statistique d'un phénomène. Calcul de paramètres de position et de dispersion sur différents échantillonnages. » Data Mining, extraction de connaissances à partir de données brutes Définition et finalité du Data Mining (DM). Les méthodes prédictives et descriptives. Les arbres de décisions. Les réseaux de neurones. La méthode descriptive du clustering. Exemples d'application du DM : le scoring, le géomarketing. Méthodologie de projet. Les outils du marché. Travaux pratiques Présentation d'applications du clustering. Mise en oeuvre de la méthode de scoring. Cas pratique d'utilisation de géomarketing. » Big Data, analyse des données massives Origines et définition du Big Data : la BI face à la croissance et à la diversité des données. Les technologies du Big Data. Gérer les données structurées et non structurées. Les méthodes d'analyse des données pour le Big Data. Data visualisation et cas d'usage concrets. Travaux pratiques Installation d'une plateforme Big Data. Talend For Big Data, implémentation de flux de données. Mise en place d'analyses avec le logiciel R.