À propos du cours Certified Data Science Practitioner (CDSP)
Cette formation fournit aux professionnels des compétences pratiques et directement applicables pour transformer des données brutes en informations métier pertinentes tout au long du cycle de vie de la data science. Elle couvre l’ensemble du parcours, depuis le lancement d’un projet de data science jusqu’à l’extraction et la transformation des données, la construction de modèles prédictifs et leur déploiement dans des applications réelles.
Vous commencerez par apprendre à traiter les enjeux métier avec la data science et à gérer l’ensemble du processus ETL, avant de passer à l’analyse et à la visualisation des données afin de faire émerger des tendances significatives. La formation aborde ensuite la conception d’une approche de machine learning et la construction de modèles de classification, puis le développement de modèles de régression et de clustering, pour finir par la communication des résultats et le déploiement des modèles en production.
À l’issue de la formation, vous présenterez une solution de data science de bout en bout que vous aurez construite et évaluée, tout en vous préparant à l’examen de certification CertNexus® CDSP (DSP-110).
Résultats attendus
La formation est structurée autour de l’ensemble du cycle de vie de la data science — de la définition du problème au déploiement — afin que chaque compétence contribue à une solution fonctionnelle de bout en bout. À l’issue de la formation, vous serez capable de :
- Appliquer les principes de la data science pour identifier et traiter de véritables enjeux métier
- Exécuter des processus ETL afin de préparer et structurer les jeux de données
- Analyser et visualiser les données pour en extraire des informations et tendances pertinentes
- Concevoir et mettre en œuvre des stratégies de machine learning pour la modélisation prédictive
- Entraîner, tester et évaluer des modèles de classification, de régression et de clustering
- Intégrer et optimiser les modèles pour des applications de niveau production
- Communiquer efficacement les résultats analytiques à des publics techniques et non techniques
- Surveiller et maintenir la performance des modèles afin de garantir un impact métier durable
Méthode de formation
La formation débute par le traitement des enjeux métier au moyen de la data science et la gestion du processus ETL afin de préparer et structurer les données. Elle passe ensuite à l’analyse et à la visualisation des données pour mettre en évidence les tendances, avant d’aborder la conception d’une approche de machine learning et la construction de modèles de classification.
Vous développerez ensuite des modèles de régression et de clustering, en apprenant à entraîner, ajuster et évaluer chaque type de modèle. La formation s’achève par la finalisation d’un projet de data science — communication des résultats aux parties prenantes, démonstration des modèles dans une application web et mise en œuvre de pipelines de production. Tout au long du parcours, vous suivrez des présentations animées par le formateur, des exercices pratiques sur des jeux de données réels, des laboratoires de machine learning et un apprentissage par projet, jusqu’à la présentation de votre propre solution de data science de bout en bout.
