Data Scientist

Programme détaillé

Module 1 — Écosystème & bonnes pratiques

• Workflow data science, rôles (DS/DE/ML Engineer), éthique & RGPD.
• Environnement : notebooks, venv/conda, gestion de versions.
• Rappels Python utiles (structures, fonctions, modules).

Module 2 — Acquisition & préparation des données

• pandas : chargement (CSV/Parquet/Excel), merge, reshape, dates.
• Qualité : valeurs manquantes, outliers, catégorielles & encodage.
• SQL (aperçu) : SELECT, JOIN, agrégations, fenêtres.

Module 3 — Exploration & visualisation

• EDA : statistiques descriptives, corrélations, distributions.
• Visualisation : matplotlib/plotly, cartes, séries temporelles.
• Storytelling : choix des graphes, lisibilité, biais de perception.

Module 4 — Machine Learning supervisé

• Pipeline scikit-learn, séparation train/test, cross-validation.
• Régression (linéaire, régularisée), arbres & forêts aléatoires, boosting.
• Métriques : RMSE/MAE, accuracy, ROC-AUC, PR AUC, F1, calibration.
• Interprétabilité (feature importance, SHAP – notions).

Module 5 — Non supervisé & réduction de dimension

• Clustering (k-means, DBSCAN), détection d’anomalies.
• PCA/UMAP pour réduction et visualisation.
• Segmentation clients & use cases marketing/ops.

Module 6 — Séries temporelles & prévision (aperçu)

• Décomposition, stationnarité, features calendaires.
• Modèles de base (ARIMA, Prophet – aperçu).
• Métriques spécifiques (MAPE, sMAPE, MAE rolling).

Module 7 — Deep Learning (initiation)

• Concepts réseaux de neurones, sur-apprentissage & régularisation.
• Frameworks (TensorFlow/PyTorch – découverte).
• Cas simples : classification tabulaire ou image (démo guidée).

Module 8 — NLP (aperçu) & vectorisation

• Nettoyage texte, tokenisation, TF-IDF, embeddings (bases).
• Classification de texte & extraction de mots-clés.
• Évaluation spécifique (F1 pondéré, confusion multi-classe).

Module 9 — Industrialisation & MLOps (bases)

• Tracking d’expériences (MLflow), versions de data & modèles.
• Packaging, Docker (basique), reproductibilité.
• Surveillance en production : dérive, ré-entraînement, alertes.

Module 10 — Déploiement léger

• Exposition d’un modèle via API (FastAPI) ou app (Streamlit).
• Tests, logs et sécurité (notions), KPI métier post-déploiement.
• Communication des résultats : dashboard & rapport exécutif.