Bootcamp Full Stack Data Science
Prix : 4 500€
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
📚 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€
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.
Vous pouvez également nous contacter au 06 30 90 99 06.
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
Artefact
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.
Apprenez à programmer en Python, à travailler en ligne de commande, à versionner votre code sous git et à collaborer avec GitHub.
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
- Systèmes UNIX
- Travail en ligne de commande
- Versionning avec Git et GitHub
- Shell scripting
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)
Découvrez les meilleures stratégies de récupération et d’ingestion de données, et stockez-les dans des bases de données SQL et NoSQL.
- Utilisation d’API REST
- Scraping de pages web (BeautifulSoup, Selenium, Scrapy)
- Bases de données relationnelles avec SQL et SQLAlchemy
- Bases de données non-relationnelles avec MongoDB et PyMongo
Ingestion de données par scraping (offres d’emplois) et stockage en base de données.
Analysez efficacement vos données et concevez des visualisations à fort impact en déployant des dashboards interactifs.
- Manipulation de données avec les librairies NumPy et Pandas
- Outils d’analyse statistique
- Exploratory Data Analysis
- Visualisation de données avec Matplotlib et Seaborn
- Visualisations géographiques avec Folium
- Visualisations interactives avec Bokeh et Altair
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
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.
Prenez en main les différentes familles de modèles et utilisez-les pour résoudre des cas concret d’entreprises.
- Réduction de dimensionnalité
- Clustering
- Clustering hiérarchique
- Apprentissage par association
- Détection d’anomalies
- Graph Learning
- 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
Allez au-delà des phases de prototypage en apprenant à écrire du code de production et à déployer vos modèles de machine learning.
- Pipelines ETL
- Data Warehousing
- Data streaming
- Infrastructure as code
- Tests automatisés
- Data versionning
- Application packaging
- Intégration continue avec CircleCI
- Cycle de vie avec MLflow
Packaging et déploiement d’un modèle de machine learning entraîné sur des données viticoles.
Utilisez la puissance de NLTK et SpaCy pour traiter les données textuelles non-structurées pour les utiliser dans des modèles de machine learning.
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 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
Prenez en main le cloud computing et utilisez des architectures de calcul distribuées pour gérer vos données en contexte Big Data.
- 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.
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
Prédiction du succès d’une campagne de crowdfunding avec SparkML.
Construisez des réseaux de neurones profonds pour réaliser des tâches spécialisées de vision par ordinateur, de compréhension du langage ou de génération de médias.
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
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
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
Apprenez à générer des images ou du texte automatiquement en utilisant des réseaux génératifs de pointe.
- Réseaux Antagonistes Génératifs (GAN)
- AutoEncoders variationnels (VAE)
Projet sur des use cases réels :
- Détection du regard
- Classifieur automatique de photos
- Génération de musiques
- Prédiction de cours de bourse
- Reconnaissance d’émotions
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.
Un apprentissage en ligne avec une classe motivée
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.
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.
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.
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 !
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.
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.
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 !
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.
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.