En utilisant ce site, vous acceptez que les cookies soient utilisés à des fins d'analyse et de pertinence     Oui, j'accepte  Non, je souhaite en savoir plus

Secteurs
Métiers

Notre catalogue

Téléchargez notre catalogue et retrouvez l'ensemble de nos formations

Télécharger
Nouveauté

Data Scientist

Comment exploiter le meilleur de vos données ?

Objectifs de la formation

  • Intégrer les différentes facettes du métier de Data Scientist
  • Résoudre les problèmes complexes d’analyse des données grâce au machine learning
  • Connaître la méthodologie à appliquer pour le bon déroulé d’un projet de Data Science et éviter les erreurs d’interprétations
  • Estimer la performance de sa solution avant de la déployer
  • Programme
  • Vos experts
  • Les + de la formation
  • Avis participants
1ère Journée
08:45 - 09:00

Petit déjeuner d’accueil

09:00 - 09:30

Introduction et tour de table

09:30 - 10:00

Qu’est-ce qu’un Data Scientist ?

  • Une fonction très recherchée qui nécessite des compétences variées
    • Les différences entre le Data Analyst, le Data Scientist et le Chief Digital Officer
    • Les différents rôles du Data Scientist
    • Rôle stratégique : au cœur de la transformation digitale de l’entreprise, être force de proposition
    • Faciliter la prise de décisions grâce à une analyse des données de l’entreprise : valider mathématiquement certaines décisions
    • Rôle technique : travailler avec les outils technologiques du Big Data
  • Les compétences clés : un profil ingénieur statisticien et informaticien ? Les qualités d’un bon Data Scientist
10:00 - 11:30

Le premier outil du Data Scientist : le machine learning

  • Les trois grandes familles du machine learning
  • Le paradoxe de Simpson ou pourquoi la data science ne se fait pas sans expertise business
11:30 - 12:30

De machine learning à Data Science

  • Comment résoudre un problème concret avec le machine learning ?
    • De Big Data à Smart Data
    • Data visualisation pour comprendre les données : histogramme, scatter plot, etc.
    • Évaluer empiriquement la performance de son modèle
    • Data visualisation pour comprendre les algorithmes
12:30 - 14:00

Déjeuner

14:00 - 16:00

Le phénomène Big Data

  • Business Intelligence data vs Big Data
  • Stockage en cloud vs “‘sur place”
  • Évaluer la qualité des données des entreprises
  • Confidentialité des données
  • Gérer les données structurées et non structurées
  • Exemples d’utilisation du Big Data au service du marketing
16:00 - 17:30

Workshop

    Mesurer l’impact d’une campagne TV sur le trafic et les conversions sur site. Nous verrons ensemble pas à pas la solution :
  • Les bonnes pratiques en amont de la mission
  • Visualisation pour comprendre les données
  • Mise en place de la solution
  • Interprétation des résultats
17:30 - 18:00

Fin de la journée

2ème Journée
08:45 - 09:00

Petit-déjeuner d'accueil

09:00 - 10:00

Le machine learning à la mode : le deep learning

  • Définition du deep learning
  • Exemples : application à la reconnaissance d’image et à l’analyse de sentiment
  • Quand utiliser ou ne pas utiliser le deep learning ?
10:00 - 12:30

Réussir une mission de Data Science

  • Faciliter le travail du Data Scientist
  • L’équipe Data Science
    • Place du Data Scientist dans l’entreprise ?
    • Quelles relations avec les fonctions conjointes ? (informaticiens, statisticiens, data analysts, data miners, marketers, webmarketers). Exemple de RACI
    • Une compétence à faire évoluer en interne ? Travailler avec un prestataire ? Recruter en externe ?
  • Les outils pour concevoir et gérer un projet big data
    • SQL/NoSQL
    • Python/R/Spark/Java
    • Calcul distribué, cloud computing, Hadoop, BigQuery, …
    • Tableau Software, d3.js
  • Volumétrie
    • Ai-je assez de données ?
    • Est-ce que je dois attendre d’en avoir plus pour commencer ?
    • Quelles données acquérir ?
  • La conclusion de l'étude : prise de décision
  • Après la mission ?
    • AB test et retour sur le paradoxe de Simpson
    • Problème du bandit manchot
  • Recommandations business
12:30 - 14:00

Déjeuner

14:00 - 16:30

Exemple de missions de Data Science

  • Clustering d’utilisateurs pour mieux cibler
  • Scoring d’engagement des utilisateurs, détection des potentiels churner
  • Optimisation de l’ordonnancement des produits dans une page liste réponse d’un site de e-commerce
  • Mesurer l’impact de mes campagnes media (offline/online)
  • La recommandation de produits (Netflix, Amazon, …)
16:30 - 17:45

Exercice pratique

Réalisation d’un algorithme de recommandation de vidéo pour une plateforme de VOD
17:45 - 18:00

Clôture / Questions - Réponses

Romain WARLOP

Data Scientist, Fifty-five, the data agency

Romain WARLOP
  • Une formation animée par un Data Scientist
  • Des exercices pratiques basés sur des cas réels vous expliquant pas à pas la démarche scientifique d’un projet de data science
  • Une forte interactivité pour répondre à vos questions, vos besoins
Aucun avis.
Inscription

Date :

 

Référence :

EC229

Tarif :

Lieu :

Tel : 01 71 25 00 23

Partager

Recommander

Responsable éditorial

Marion DEHAIS

Responsable éditorial

Tel: 01 85 58 38 37

Public concerné

  • DSI
  • Directeur de Production
  • Directeur de Projet Data Science
  • Ingénieur R&D
  • Data Scientist
  • Chief Technical Officer
  • Chief Data Officer
  • Data Protection Officer
  • Directeur Marketing

Le rendez-vous

Paris

 

Prochainement

Nouveauté

Mercredi 27 septembre 2017
Mercredi 8 novembre 2017

Votre veille digitale en 2h : 12h30 - 14h30

Jeudi 28 et Vendredi 29 septembre 2017
Jeudi 30 novembre 2017 et Vendredi 1 décembre 2017

Faciliter vos projets digitaux avec les approches Agiles

Nouveauté

Jeudi 28 septembre 2017
Mardi 5 décembre 2017

Quels sont les bénéfices, contraintes et difficultés d'implémentation des outils de gestion des données ?

Jeudi 28 et Vendredi 29 septembre 2017
Mercredi 6 et Jeudi 7 décembre 2017

Digitaliser l'expérience client