La formation la plus complète pour lancer votre carrière dans la data, enseignée par les experts Artefact !

par Artefact


Directement organisée par un acteur-phare du secteur, cette formation data est unique en son genre.

Votre réussite professionnelle est garantie par un encadrement de pointe par leurs experts en data science, data engineering et MLOps.

Vous êtes formé sur des cas concrets rencontrés sur le terrain par leurs professionnels data et bénéficiez des meilleures pratiques du marché.


📅 10 semaines (temps plein) / 20 semaines (temps partiel) - 400 heures

  • Soit à temps plein du lundi au vendredi (9h-18h)
  • Soit à temps partiel les mardis et jeudis (19h-22h) et les samedis (9h-17h)


📚 Classe virtuelle ou en présentiel ou hybride

Vous habitez loin ? Suivez la formation à distance — à temps plein ou temps partiel ! Vous participez aux classes virtuelles via Zoom et Slack avec le même accompagnement qu’en présentiel.

💶 4 500€


Pour en savoir + sur le programme ou échanger avec l'organisme de formation c'est par ici 

⬇️

Je suis intéressé.e !



Utilisez votre CPF pour financer cette formation

Cet Organisme de Formation est certifié Qualiopi, vous pouvez également faire financer ce programme par votre entreprise ou par pôle-emploi.

Contactez-nous si vous avez besoin d'aide.

Obtenir de l'aide  Lire le kit de survie !


Vous pouvez également nous contacter au 06 30 90 99 06.

Pour qui est fait ce programme

  • Les programmeurs débutants qui cherchent à se lancer dans une carrière en data science

  • Les personnes qui n'ont jamais codé mais qui veulent se mettre à plein temps dans la data science

  • Les passionnés d'IA et la data, qui ont compris que la maîtrise de ces outils va devenir une compétence incontournable dans les années à venir

Lorsqu’ils ne lancent pas un projet entrepreneurial, les alumni deviennent :

  • Data Scientist : intégrés dans les équipes data, ils conçoivent les modèles et algorithmes pour collecter, stocker, traiter et restituer les données. Salaire moyen d’entrée : 45 000€/an

  • Data Analyst : ils font parler les données des entreprises, à l’aide d’outils d’analyse et de visualisation, dans un objectif de soutien à la décision. Salaire moyen d’entrée : 43 000€/an

  • Data Engineer : ils s’occupent de la mise en production des modèles développés par les data scientists, et créent des architectures de gestion de volumes massifs de donnée. Salaire moyen d’entrée : 50 000 €/an

  • Freelance : ils travaillent à leur propre compte pour différents clients sur des missions de court ou de moyen terme en data science, data analyse ou data engineering. Tarif journalier moyen pour un junior : 400€/jour

L'organisme de formation

Artefact

Artefact est une société internationale de services autour de la data, spécialisée dans le conseil en transformation data et en data marketing, dont la mission est de transformer la donnée en impact business en délivrant des résultats tangibles sur l'ensemble de la chaîne de valeur des entreprises.

L’approche unique d’Artefact, à l’intersection du conseil, du marketing et de la science approfondie de la data, permet à leurs clients d'atteindre leurs objectifs business de façon dédiée et efficace.

Artefact est organisme de formation depuis 2016, certifié CRKBO et Datadocké en France.
Voir l'organisme de formation

Curriculum du programme

Prep. Work (40 heures).


Pour démarrer dans les meilleures conditions, il est nécessaire de s’échauffer. Leurs étudiants doivent réaliser un travail préparatoire en ligne avant le début de la formation. Ce travail met l’accent sur l’apprentissage des bases en Python et quelques concepts mathématiques utiles. Les notions seront revues pendant la formation et d’autant mieux assimilées que vous y réfléchissez en amont.


Module 1 : Fondamentaux (20h de travail préparatoire + 1 semaine de bootcamp).

Apprenez à programmer en Python, à travailler en ligne de commande, à versionner votre code sous git et à collaborer avec GitHub.

  • > Travail préparatoire

    Le programme du bootcamp est extrêmement intense. Le travail préparatoire vous permet de débuter dans de bonnes conditions :
    - Introduction au langage Python
    - Rappels mathématiques : statistiques, vecteurs, matrices

  • > Environnement logiciel

    - Systèmes UNIX
    - Travail en ligne de commande
    - Versionning avec Git et GitHub
    - Shell scripting

  • > Programmation Python

    Maîtrisez le langage de référence en data :
    - Types et structures de données
    - Control flow (boucles et conditions)
    - Fonctions
    - Programmation orientée objet
    - Gestion de fichiers (CSV, JSON, XML)


Module 2. Data Management (1 semaine).

Découvrez les meilleures stratégies de récupération et d’ingestion de données, et stockez-les dans des bases de données SQL et NoSQL.

  • > Récupération de données

    - Utilisation d’API REST
    - Scraping de pages web (BeautifulSoup, Selenium, Scrapy)

  • > Stockage en base de données

    - Bases de données relationnelles avec SQL et SQLAlchemy
    - Bases de données non-relationnelles avec MongoDB et PyMongo

  • > Projet

    Ingestion de données par scraping (offres d’emplois) et stockage en base de données.


Module 3. Analyse de données (1,5 semaine).

Analysez efficacement vos données et concevez des visualisations à fort impact en déployant des dashboards interactifs.

  • > Manipulation et analyse de données

    - Manipulation de données avec les librairies NumPy et Pandas
    - Outils d’analyse statistique
    - Exploratory Data Analysis

  • > Data visualization

    - Visualisation de données avec Matplotlib et Seaborn
    - Visualisations géographiques avec Folium
    - Visualisations interactives avec Bokeh et Altair

  • > Projet

    Déploiement d’un dashboard interactif de monitoring d’une pandémie :
    - Implémenter la détection d'anomalies par distribution gaussienne avec sklearn
    - Création de dashboards avec Dash-Plotly
    - Intégration dans une application
    - Déploiement cloud sur Heroku


Module 4. Machine Learning (1,5 semaine).

Prenez en main les modèles supervisés /non-supervisés et leurs nombreuses applications puis conduisez vos projets de machine learning de A à Z en autonomie.

  • > Machine Learning supervisé

    Prenez en main les différentes familles de modèles et utilisez-les pour résoudre des cas concret d’entreprises.

  • > Machine Learning non-supervisé

    - Réduction de dimensionnalité
    - Clustering
    - Clustering hiérarchique
    - Apprentissage par association
    - Détection d’anomalies
    - Graph Learning

  • > Projet

    - Déploiement d’une application de recommandation de films
    - Prédiction du churn (taux d’attrition) d’une base client
    - Prédiction des prix immobiliers de biens AirBnB
    - Segmentation d’une base clients
    - Détection de fraudes à la carte de crédit


Module 5. Machine Learning en production (1 semaine).

Allez au-delà des phases de prototypage en apprenant à écrire du code de production et à déployer vos modèles de machine learning.

  • > Data in production

    - Pipelines ETL
    - Data Warehousing
    - Data streaming
    - Infrastructure as code
    - Tests automatisés

  • > DataOps

    - Data versionning
    - Application packaging
    - Intégration continue avec CircleCI
    - Cycle de vie avec MLflow

  • > Projet

    Packaging et déploiement d’un modèle de machine learning entraîné sur des données viticoles.


Module 6. Natural Language Processing (1 semaine).

Utilisez la puissance de NLTK et SpaCy pour traiter les données textuelles non-structurées pour les utiliser dans des modèles de machine learning.

  • > Traiter les données textuelles

    Utilisez la puissance de NLTK et SpaCy pour traiter les données textuelles non-structurées pour les utiliser dans des modèles de machine learning :
    - Preprocessing de texte
    - Bag of Words et TF-IDF
    - Similarités de texte
    - Topic modelling
    - Analyse de sentiments
    - Reconnaissance d’entités nommées (NER)
    - Vectorisation de texte (word embeddings)

  • > Projet

    Projet sur des use cases réels :
    - Déploiement d’un chatbot sur Facebook Messenger
    - Analyse de sentiments sur un corpus de tweets
    - Détection automatique de trolls sur un forum


Module 7. Data Engineering (1 semaine).

Prenez en main le cloud computing et utilisez des architectures de calcul distribuées pour gérer vos données en contexte Big Data.

  • > Déploiement d’applications

    - Apprenez à créer et utiliser des conteneurs logiciels pour vos applications avec Docker.
    - Orchestrez vos conteneurs sur des clusters de serveurs avec Kubernetes et automatisez le déploiement avec Kubeflow.
    - Travaillez avec les solutions cloud de Google Cloud Platform, Amazon Web Services ou Microsoft Azure.

  • > Calcul distribué / Big Data

    Apprenez à travailler avec des architectures de calcul distribué pour le traitement de volumes massifs de données.
    - Hadoop : MapReduce, HDFS
    - Spark
    - SparkML (MLib)
    - Introduction à Scala

  • > Projet

    Prédiction du succès d’une campagne de crowdfunding avec SparkML.


Module 8. Deep Learning (2 semaines).

Construisez des réseaux de neurones profonds pour réaliser des tâches spécialisées de vision par ordinateur, de compréhension du langage ou de génération de médias.

  • > Multi Layer Perceptron

    Apprenez à construire un réseau de neurones profond, en commençant par l’architecture la plus simple : le perceptron
    - Perceptron multi-couches (MLP)
    - Optimisation des hyperparamètres et régularisation
    - Propagation forward et backward

  • > Computer Vision

    Apprenez les techniques de traitement d’images par ordinateur
    - Réseaux de neurones convolutifs (CNN)
    - Détection d’objets dans des images ou vidéos
    - Détection de visage et reconnaissance faciale

  • > Natural Language Understanding

    Maîtrisez les réseaux de neurones récurrents et les transformers pour une meilleure compréhension du langage naturel par la machine.
    - Réseaux de neurones récurrents (RNN)
    - GRU et LSTM
    - Mécanismes d’attention et Transformers

  • > Réseaux génératifs

    Apprenez à générer des images ou du texte automatiquement en utilisant des réseaux génératifs de pointe.
    - Réseaux Antagonistes Génératifs (GAN)
    - AutoEncoders variationnels (VAE)

  • > Déploiement d’applications


    Projet sur des use cases réels :
    - Détection du regard
    - Classifieur automatique de photos
    - Génération de musiques
    - Prédiction de cours de bourse
    - Reconnaissance d’émotions


Projet Final.

Mettez en pratique tout le savoir-faire acquis dans un projet final, à réaliser seul ou en groupe. Ce projet est débuté pendant la formation et réalisé au fil de l’eau. A la fin des dix semaines de formation, vous disposez de deux semaines en autonomie pour le finaliser et tirer profit des derniers cours. Vous pouvez travailler sur ce projet à distance ou dans les locaux d'Artefact, et leurs enseignants restent disponibles pour vous aider. Un demo day privé de restitution est organisé devant l’ensemble de la promotion et des anciens.


Qu'en pensent les alumni ?

Louison

Lead Data Scientist - OCTO Technology

Pendant la formation, j’ai soigneusement documenté et publié mes projets sur un repo GitHub public. Ensuite, j’ai pu facilement m’en servir pour prouver mes compétences en entretien d’embauche !

Agnès

Head of data - Phenix

Après la formation, j’ai rejoint PHENIX pour y monter une équipe data. Comme j’étais la première dans la boîte à travailler sur ces sujets, j’ai eu les mains totalement libres pour recruter et développer les sujets qui me semblaient intéressants !

Mélanie

Datascientist - Ubisoft

Agrégée et anciennement prof de français, Mélanie a décidé de se reconvertir. Pendant le bootcamp, elle s’est passionnée pour le NLP et travaille désormais sur ce sujet chez Ubisoft.

Marine

Data & Process Manager - Blablacar

Marine travaille aujourd’hui dans la branche bus de BlaBlaCar. Grâce au bootcamp, l’intégration de la data dans les process de production n’a aucun secret pour elle !

Amokrane

Datascientist - Air France

Issu d’un parcours universitaire en imagerie médicale, Amokrane a choisi de quitter le monde de la recherche pour celui de l’entreprise. La formation Artefact school of data lui a permis de décrocher son premier poste chez NOVAGEN. »

Classe virtuelle ou en présentiel ou hybride

Un apprentissage en ligne avec une classe motivée

Une journée type :

9H-10H30 — COURS PRATIQUE : Après un bon café, vous démarrez par un cours portant sur le thème du jour. Pas de slides ni de grandes explications théoriques : les cours sont totalement orientés pratique, le prof écrit son code directement avec vous.

10H30-17H — CHALLENGES ENCADRÉS : A vous de jouer ! Pour chaque journée, ils ont conçu une série d’exercices de difficulté croissante. Vous travaillez directement sur votre machine et en binôme afin de vous familiariser avec le peer programming. Les profs et assistants sont là pour vous aider et répondre à vos questions.

17H-18H — LIVE PROGRAMMING : Retour en format classe avec le prof pour travailler ensemble sur les exercices qui ont posé des difficultés ou explorer de nouvelles techniques.



Une plateforme pédagogique dédiée:

DES CONTENUS ACTUALISÉS EN PERMANENCE : A chaque session, ils renouvellent 15 à 20% des contenus pour intégrer les dernières technologies data et les demandes des entreprises sur le marché du travail.

ACCÈS À VIE : Tous les alumni ont accès à vie à leur plateforme et à tous les nouveaux contenus développés après leur participation à la formation.

FAQ

  • Quelles sont les conditions d’accès à la formation ?

    Il faut être majeur au début de la formation, c’est la seule condition qu'Artefact a dû fixer. Evidemment, il est possible de s'inscrire à 17 ans à partir du moment où l'anniversaire de vos 18 ans a lieu avant le début de la formation.

  • Y a-t-il un travail à effectuer avant le début du bootcamp ?

    Oui, Artefact demande d’effectuer un travail débutant en Python avant d’intégrer le bootcamp. Cette étape est obligatoire, elle leur permet de s'assurer, et de vous assurer, que le code ne vous est pas rédhibitoire et que vous pourrez tirer tous les bénéfices de la formation. Vous aurez besoin d’environ 20 heures pour compléter ce travail. Après votre inscription, vous recevez un travail préparatoire complémentaire à effectuer, afin de commencer le bootcamp dans les meilleures conditions.

  • Je n’ai jamais programmé, puis-je quand même suivre le bootcamp ?

    Bien sûr. Le cursus est conçu pour vous enseigner de A à Z toutes les compétences de programmation nécessaires pour exceller dans les métiers de la data.

  • Faut-il avoir la “bosse des maths” pour suivre la formation ?

    Cela peut être un plus, mais le contraire n’est pas rédhibitoire. Les connaissances mathématiques nécessaires pour prospérer dans les métiers de la data sont assimilables par une grande majorité des personnes, qu’elles soient issues d’une formation scientifique ou non. Le cursus a été spécialement élaboré pour être accessible au plus grand nombre : Artefact croit fermement aux bienfaits de la pluralité des compétences et des profils dans un domaine aussi important que celui de l’intelligence artificielle. Si vous avez fait des mathématiques au niveau lycée, cela suffira largement et Artefact se charge de vous apprendre directement par le code les quelques briques complémentaires qui pourront être utiles. C’est promis, il n’y aura aucun cours de maths comme à l’école !

  • Est-ce que je peux apprendre la même chose sur internet ?

    Oui, c’est tout-à-fait possible. Aujourd’hui, toutes les informations nécessaires sont disponibles en ligne pour se former dans n’importe quel domaine. D’ailleurs, la plupart des étudiants ont d’abord essayé de se former par eux-mêmes avant de changer d’avis, soit par perte de motivation à force de travailler seuls chez eux, soit parce qu’ils avaient l’impression de ne pas entrer assez vite dans le vif du sujet. Le problème d’Internet aujourd’hui, c’est précisément que l’on y trouve trop de choses. En lisant les forums, en parcourant les MOOCs, on peut vite se sentir perdu devant la masse d’informations. Quels langages et quels outils apprendre en premier ? Quel cours suivre ? Comment faire le tri entre ce qui est absolument incontournable et ce qui peut être mis de côté pour plus tard ? Le but est précisément de vous épargner tout ce stress. Artefact a élaboré une pédagogie qui vous aide à monter en puissance et à découvrir au fur et à mesure les technologies indispensables pour vous lancer en data. Vous mesurerez quotidiennement les progrès accomplis, garderez une motivation constante et atteindrez vos objectifs.

  • Serai-je data scientist à l’issue de la formation ?

    Nous n’allons pas vous mentir : comme tout métier, la data requiert des années de pratique et d’expérience afin d’en avoir une solide maîtrise. Vous ne serez donc pas data scientist après 10 semaines de formation, mais vous serez un data scientist en devenir. Car vous aurez franchi avec brio l’étape la plus difficile : celle du démarrage. La formation vise à vous donner des fondations solides en data/IA, qui vous permettront ensuite de continuer à vous perfectionner, soit par vous même soit au contact d’une équipe chevronnée. Comme nos anciens, vous pourrez en effet prétendre intégrer des équipes en tant que junior et vous aurez acquis de très bons réflexes pour progresser rapidement.

  • Est-ce que je serai en mesure de lancer mon propre projet d’ia après le bootcamp ?

    Absolument ! A la fin du bootcamp, vous serez devenu autonome pour lancer un projet data/IA. Bien sûr, selon sa complexité, il pourra nécessiter que vous creusiez certains aspects. Mais Artefact vous aura appris à vous orienter facilement vers les bonnes technologies et vous pourrez toujours compter sur la communauté d’alumni pour vous accompagner !

  • Est-il facile de trouver un emploi à la sortie ?

    Les métiers de la data et de l’IA sont des métiers en tension. Pour autant, la capacité des alumni à trouver un emploi à la sortie dépend avant tout de leur motivation et du travail qu’ils ont fourni pendant la formation. Sur ce point, il faut êter honnête : il n’est pas possible de garantir à 100% un emploi à la fin du bootcamp. Car il ne suffit pas d’avoir appris quelques compétences techniques, il faut aussi savoir mettre en valeur ces compétences et être proactif dans sa recherche d’emploi. Artefact vous propose pour cela un accompagnement dédié qui vous aidera dans vos démarches.

  • Quel accompagnement proposez-vous pour trouver un emploi ?

    Une fois que vous avez achevé la formation, Artefact met tout en oeuvre pour vous aider dans vos démarches de recherche d’emploi en data science.
    > Ils diffusent quotidiennement les offres qui leurs sont proposées par des recruteurs et facilitent la mise en relation.
    > Ils vous aident à présenter votre CV pour mettre en valeur les compétences qui pourraient faciliter votre recrutement.
    > Ils proposent des simulations d’entretien d’embauche et de tests techniques avec des data scientists, afin de vous préparer aux différentes questions techniques et personnelles qui pourront vous être posées.
    > Des événements (workshops, masterclasses) sont également organisés tout au long de l’année et constituent autant d’occasion de networker et rencontrer des intervenants qui travaillent dans des entreprises à succès.
    > Enfin, la communauté d’alumni constitue autant de relais et de points de contacts qui peuvent vous recommander, proposer des offres de job ou répondre à vos questions.