Programme de la formation
INTRODUCTION
Stratégies d’entreprise
- Approches stratégiques : produits, distribution, clients
- Exemples de décisions fondées sur les données
- Changement de paradigme et compétences en Data Science
- Panorama des entreprises spécialisées dans le Big Data
- Assurance connectée : stratégies et exemples
- Réglementation autour des données personnelles
Collecte et nettoyage des données
- Importance d’acquisition des données
- Sources de données publiques et propriétaires : web, réseaux sociaux, objets connectés, etc…
- Utilisation des données publiques en entreprise
- Outils de collecte et de nettoyage
- Nature des données non-structurées, et leur manipulation
- Cas pratiques : web scraping
Analyse des données
- Différents types d’analyses et exemples
- Extraction de caractéristiques
- Algorithmes d’apprentissage automatique et validation
- Cas pratique : plusieurs cas d’applications de machine learning
- Text mining
Big data : passage à l’échelle
- Contexte actuel du Big Data et impact sur différents secteurs
- Besoin et nécessité des technologies Big Data
- Cas pratique : Big Data en assurance ?
- Types de bases de données
- Stockage parallélisés et distribués
Visualisation des données
- Principes de visualisation
- Outils de visualisation
- Cas pratique : visualisation avec « R »
- « R » et ses nombreux packages pour la Data Science
Une formation de notre expert Kezhan SHI, dont nous vous invitons à découvrir le blog.