Cette formation s'adresse aux professionnels ayant déjà une expérience en analyse de données qui souhaitent franchir un cap qualitatif. Elle combine théorie et mise en pratique immédiate avec des outils industriels. Les participants apprendront à concevoir des pipelines de données complexes, à automatiser des analyses prédictives et à déployer des solutions scalables dans leur environnement organisationnel. Les cas concrets porteront sur des problématiques sectorielles variées pour garantir une transposition rapide des acquis.
Toute personne amenée à traiter de grands volumes de données complexes pour éclairer la stratégie d'entreprise
Expérience confirmée en manipulation de données (Python, SQL), connaissance des bases du machine learning et de la statistique descriptive
Conception de flux de données intégrant nettoyage, enrichissement et transformation. Étude des_patterns d'architecture modernes (lambda, kappa). Mise en œuvre avec Spark et Airflow pour l'industrialisation des processus. Focus sur la gestion des erreurs et la résilience des pipelines.
Méthodologies pour l'optimisation hyperparamétrique automatisée (Bayesian Optimization, Hyperopt). Intégration des contraintes métiers dans les modèles. Techniques de validation robuste et quantification des incertitudes. Exemples concrets avec scikit-learn et TensorFlow.
Modèles ARIMA et Prophet pour la prévision. Approches hybrides avec réseaux de neurones (LSTM, GRU). Détection d'anomalies par seuillage dynamique ou méthodes probabilistes. Application à la maintenance prédictive et à la gestion des stocks.
Bonnes pratiques pour le packaging des modèles (Docker, conda). Mise en production avec Kubernetes et MLflow. Surveillance des performances en temps réel (prometheus, grafana). Documentation et gestion des versions pour la traçabilité.
Mise en situation professionnelle avec analyse critique de livrables produits par les participants et correction collective
Formation certifiée Qualiopi, finançable OPCO.