Data analytics avancee : de la transformation a la visualisation des donnees - RNCP38616BC02, BC03, BC04, BC06
LE WAGON
Objectifs de la formation
La formation vise l'acquisition des blocs de competences BC02, BC03, BC04 et BC06 :
RNCP38616BC02
Extraire des donnees via des scripts personnalises (Python, SQL) pour recuperer des informations precises depuis une ou plusieurs bases de donnees.
Mener des analyses exploratoires en appliquant des techniques statistiques descriptives (moyenne, analyse des frequences) pour comprendre la distribution des donnees et ecarter les valeurs anormales.
Identifier et interpreter des tendances avec des langages de programmation (Python) et/ou des outils metiers (tableurs) pour comprendre le contexte et la nature des donnees analysees.
RNCP38616BC03
Selectionner l'algorithme d'apprentissage optimal en comparant les performances et caracteristiques des differentes familles d'algorithmes pour repondre a la problematique metier.
Preparer et transformer les donnees par des techniques de preprocessing pour les adapter au modele d'apprentissage automatique choisi.
Entrainer un modele d'apprentissage automatique en optimisant une loss function a partir des donnees d'entrainement pour minimiser les erreurs selon des indicateurs de succes definis.
RNCP38616BC04
Identifier les evolutions cles en IA et Big Data via des sources specialisees pour rester a la pointe des innovations et alimenter les strategies de projet.
Elaborer et evaluer la problematique metier par des approches analytiques pour creer un cahier des charges refletant precisement les besoins et objectifs du projet data.
Evaluer les risques du projet IA et Big Data (impact ethique, RGPD, normes environnementales) en proposant des methodes d'audit garantissant la conformite globale.
Planifier et coordonner les ressources humaines et materielles en structurant un calendrier garantissant le respect des delais et budgets du projet data.
Piloter une equipe multidisciplinaire avec des mecanismes d'evaluation et de feedback continus, assurant une progression fluide et coordonnee.
Presenter les resultats de projets IA et Big Data en adaptant le contenu aux parties prenantes, y compris les personnes en situation de handicap, selon les directives WCAG pour garantir une comprehension claire et inclusive.
RNCP38616BC06
Identifier les indicateurs cles en interrogeant les besoins metier pour structurer les tableaux de bords necessaires aux decisions strategiques.
Choisir des visualisations pertinentes considerant la nature massive des donnees et le profil des usagers, y compris les personnes en situation de handicap (directives WCAG), pour faciliter la comprehension des informations obtenues.
Creer des tableaux de bord avec des outils de BI (PowerBI, Looker Studio) pour rendre accessibles et interactives les analyses predictives aux membres de l'entreprise.
Programme
La formation couvre integralement les competences des blocs RNCP38616BC02, BC03, BC04 et BC06 a travers 7 modules progressifs (320h), dispenses en presentiel sur campus :
MODULE 1 - Data Transformation (48h)
SQL avance : transformations, agregations, jointures, sous-requetes, fonctions de fenetrage, SQL avance. Structuration et optimisation des bases de donnees pour l'analyse metier.
BC02
MODULE 2 - Data Collection (56h)
Pipelines de donnees, ELT avec Fivetran, consommation d'API, tracking (GTM), automatisation (Zapier), gouvernance des donnees, versioning (Git), transformation avec dbt (couches de donnees, data warehousing).
BC02, BC04
MODULE 3 - Dashboarding (56h)
Visualisation et dashboarding avec Looker Studio (niveaux 1 a 3) et Power BI (niveaux 1 a 3). Techniques de reverse ETL et activation des donnees. Session de consolidation Data Transform/Collect/Dashboard.
BC06
MODULE 4 - Python (40h)
Bases de Python pour l'automatisation et l'acces aux donnees, analyse et visualisation (pandas, matplotlib). Tests statistiques. Outils de collaboration avec les equipes data.
BC02, BC03
MODULE 5 - Machine Learning (32h)
Preparation des donnees avec Python, modeles de regression, classification, series temporelles. Analyses predictives en contexte data analyst.
BC03
MODULE 6 - CSR - Responsabilite numerique (8h)
Enjeux societaux et environnementaux de la data, impact du numerique, pratiques responsables, reglementations et responsabilites du metier.
BC04
MODULE 7 - Projet final (80h)
Projet de data analysis complet en equipe : collecte, transformation, analyse, visualisation et presentation. Ressources complementaires : Airflow, GA4, n8n, Tableau, Census. Dress Rehearsal et Demo Day (soutenance devant jury).
BC02, BC03, BC04, BC06
EVALUATIONS ET JALONS PEDAGOGIQUES
- Exercices pratiques apres chaque unite (evaluations formatives)
- Mises en situation professionnelles simulees
- Quiz et evaluations formatives regulieres
- Demonstrations intermediaires (semaines 6/7)
- Soutenance finale (Demo Day, semaine 8)
METHODES ET OUTILS
Presentiel sur campus : alternance cours et autonomie encadree, plateforme Kitt, travail en binome, presentations orales.
Résultats attendus
Session d'information
Une session dédiée à la certification est organisée pendant la formation. Elle inclut :
Le déroulement de l'examen
Les dates et inscriptions
Slides et replay sont partagés rapidement avec les apprenants.
Évaluations en ligne
Les évaluations se font entièrement à distance.
Dates et liens d'inscription communiqués durant la formation.
Convocation officielle envoyée par mail après inscription.
RNCP38616BC02
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra effectuer une analyse de donnees en recuperant ces donnees puis en calculant des statistiques descriptives pour en tirer des conclusions.
RNCP38616BC03
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra realiser un algorithme d'apprentissage automatique et evaluer les performances de son modele.
RNCP38616BC04
Etude d'un cas pratique, production d'une presentation repondant a une problematique metier. Le candidat devra analyser une problematique metier, identifier des innovations technologiques pertinentes, justifier ses choix techniques, proposer un plan de gestion de projet (ressources, planification, modalites de suivi et de coordination) et une analyse des risques inherents a la realisation de ce projet.
RNCP38616BC06
Un cas pratique d'etude d'un jeu de donnees sur une problematique metier sera donne au candidat. Ce dernier devra identifier les indicateurs cles a calculer afin de realiser un tableau de bord. A partir de ce tableau de bord, le candidat donnera ses conclusions et ses recommandations.
Les evaluations des competences de ces 5 blocs sont realisees grace a un cas pratique. Le candidat recoit un jeu de donnees associe a une problematique metier. Il doit, pour :
- le bloc 2, Analyser et synthetiser prealablement les donnees : effectuer une analyse de donnees en recuperant ces donnees puis en calculant des statistiques descriptives pour en tirer des conclusions
- le bloc 3, Appliquer des techniques d'analyse IA via des algorithmes d'apprentissage automatiques (Machine Learning) : realiser un algorithme d'apprentissage automatique et evaluer les performances de son modele.
- le bloc 6, concevoir des tableaux de bords avances (Business Intelligence) - Option Data Analyse : identifier les indicateurs cles a calculer afin de realiser un tableau de bord et donner ses conclusions et ses recommandations.
Epreuves d'evaluation bloc 4
Pour le bloc 4, le candidat devra produire une presentation repondant a une problematique metier. Le candidat devra analyser une problematique metier, identifier des innovations technologiques pertinentes, justifier ses choix techniques, proposer un plan de gestion de projet (ressources, planification, modalites de suivi et de coordination) et une analyse des risques inherents a la realisation de ce projet.
Les points forts
90% de pratique en groupe sur des vrais sujets Tech
Un suivi en temps réel pour ne pas rester bloqué
Un accès à vie à la plateforme pédagogique du Wagon
Une communauté tech unique
La certification
Concepteur développeur en intelligence artificielle et analyse big data
- TypeTitre RNCP
- Niveau de sortieBAC+3 ou 4 : licence, master 1, maîtrise (NIVEAU 6)
- Spécialité (NSF)Informatique, traitement de l'information, réseaux de transmission
- DomaineAnalyse de données
- Métier viséChargé / Chargée d'études socio-économiques
RNCP 38616 RS -1 CertifInfo 116296 Organisme & lieu
- OrganismeLE WAGON
- Région