FR 
EN 
Powered by ARTEFACT
Bootcamp
Data Science & IA
- +5000 Alumnis dans le monde
- 83% Taux insertion profesionnel à 6 mois
- +500 Entreprises partenaires
Nos 3 sessions à venir
|
Place restantes |
Format |
Durée |
Dates |
|
|---|---|---|---|---|
|
12
|
Hybride • Paris
|
10 semaines • Temps plein
|
20/01/2025 -> 28/03/2025
|
|
|
15
|
Hybride • Paris
|
10 semaines • Temps plein
|
24/03/2025 -> 30/05/2025
|
|
|
20
|
Hybride • Paris
|
10 semaines • Temps plein
|
26/05/2025 -> 01/08/2025
|
Bootcamp
A propos de vous
Data Science & IA
Cursus métier
place restantes
du au
Merci pour votre candidature.
Les prochaines étapes
Choisissez votre session
Découvrez en détail notre programme !
Maîtrisez les compétences fondamentales en Data Science
Collectez
Devenez un maître dans l’extraction des données de diverses sources pour résoudre des problèmes complexes (Bases de données, fichiers, API…).
Analysez
Déchiffrez l’histoire que racontent les données, utilisez des techniques pour découvrir des tendances et présentez vos résultats avec des tableaux de bord automatisés.
Modélisez
Prédisez l’avenir en créant des modèles prédictifs et en développant des algorithmes de machine learning et de deep learning pour résoudre des tâches complexes.
Automatisez
Mettez vos compétences en pratique en déployant vos modèles, automatisez vos processus, et optimisez vos performances pour garantir une efficacité à long terme.
Programme Bootcamp Data Science
Module 1
Python for Data Science
Module 2
Data Collection
Module 3
Data Analyse
Module 4
Supervised Machine Learning
Module 5
Unsupervised Machine Learning
Module 6
NLP
Module 7
Deep Learning
Module 8
ML Engineering
1 semaine
Maîtrisez le langage le plus populaire
➜ Principes de base de la programmation Python et environnement de travail
➜ Structuration des données en Python
➜ Statistiques pour la data science
➜ Programmation orientée objet
1 semaine
Manipulez différentes sources de données
➜ Introduction au web scraping et à l’utilisation d’API pour la collecte de données
➜ Travailler avec des formats de données structurés et non structurés (par exemple CSV, JSON, XML)
➜ Introduction aux concepts de SQL et des bases de données (ex. normalisation, indexation)
➜ Utiliser des bases de données SQL (par exemple, MySQL, PostgreSQL)
1 semaine
Visualisez et manipulez les données
➜ Sourcing des données à partir de fichiers, de web scraping ou d’API
➜ Manipuler les données avec Python, Pandas et Numpy
➜ Interroger/stocker des données avec SQL et Google Big Query
➜ Visualisation avec Jupyter Notebook, Matplotlib, Seaborn et Plotly
➜ Méthodologie EDA
2 semaines
Vos premiers modèles prédictifs
➜ Algorithmes d’apprentissage supervisé (classification, régression)
➜ Méthodes ensemblistes (random forest, boosting)
➜ Système de recommandations
➜ Dérouler un projet de machine learning (préparation des données, mesure de performance, optimisation des hyperparamètres, gestion du sur-apprentissage, validation croisée et régularisation)
1 semaine
Vos modèles prédictifs
➜ Algorithmes d’apprentissage non supervisé
➜ Modèles de clustering (DBSCAN,Kmeans)
➜ Modèle réduction de données (PCA, T-Sne)
➜ Détection automatisée d’anomalies statistiques
1 semaine
Appliquez les techniques de NLP
➜ Prétraitement des données textuelles (par ex. tokénisation, déformation, lemmatisation)
➜ Bags of words, similarités et vectorisation
➜ Applications NLP (classification de textes, analyse de sentiments, reconnaissance d’entités nommées)
1 semaine
Développez des réseaux de neurones
➜ Architectures de réseaux de neurones (perceptron multicouches, réseaux de neurones convolutifs, réseaux neuronaux récurrents)
➜ Applications de l’apprentissage profond (vision par ordinateur, traitement du langage naturel, génération)
➜ Techniques avancées d’apprentissage profond (apprentissage par transfert, apprentissage par renforcement, transformers)
1 semaine
Créez vos pipelines d’industrialisation
➜ Création et utilisation des conteneurs Docker pour vos applications
➜ Orchestrer le déploiement des conteneurs sur des clusters de serveurs avec Kubernetes et avec Kubeflow
➜ Déploiement dans le cloud de Google Cloud Platform, Amazon Web Services ou Microsoft Azure
➜ Construction des architectures de calcul distribué pour le traitement de volumes massifs de données (Hadoop, Spark)
➜ MLOps : versionning, packaging, tests, monitoring et cycle de vie
Compétences
✔ Concevoir de vrais programmes en Python sur votre ordinateur
✔ Gérer les types et structures de données, le flux d’un programme, les fonctions et la programmation orientée objet
✔ Manipuler et nettoyer des jeux de données
Compétences
✔ Comprendre les méthodes de collecte de données
✔ Être capable de travailler avec des formats de données structurés et non structurés
✔ Comprendre les concepts de SQL et des bases de données
Compétences
✔ Créer une base de données construite en scrapant des données
✔ Analyse avancée des performances
✔ Créer des tableaux de bord visuels connectés à des API
Compétences
✔ Connaître les différents algorithmes de machine learning et leurs cas d’usage
✔ Evaluer et optimiser la performance des modèles prédictifs
✔ Construire un pipeline d’apprentissage et assurer l’explicabilité des résultats
Compétences
✔ Entrainer un modèle à prévoir le churn des clients
✔ Modéliser et prédire des anomalies (fraudes bancaires, dysfonctionnement)
✔ Visualiser des ensembles de données à très hautes dimensions
Compétences
✔ Connaître les différentes techniques NLP et leurs applications
✔ Maitriser les bases pur comprendre le fonctionnement de solutions complexes comme ChatGPT
Compétences
✔ Comprendre les techniques de Deep Learning et leurs applications
✔ Entrainer et optimiser un modèle de Deep Learning
✔ Travailler sur des domaines de pointe en Computer Vision et traitement du langage
Compétences
✔ Déployer un projet data sur le Cloud
✔ Mettre en oeuvre des technologies big data
✔ Mettre en place des pratiques de développement continu et intégration continue
✔ Maitriser Kubernetes et Hugging Face pour mettre en production un modèle de Machine Learning
Journée type (temps plein)
Nos journées sont organisées pour faciliter votre apprentissage et votre progression.
| 09h30 |
10h30 |
13h |
14h |
17h30 |
18h30 |
CoursAprès un bon café, on démarre par un cours portant sur le thème du jour. Pas de slides ni de grandes explications théoriques : nos cours sont totalement orientés pratique et construits à partir de cas réels. |
ChallengesÀ vous de jouer ! Pour chaque journée, nous avons conçu une série d’exercices de difficulté croissante à partir de cas réels. Vous travaillez en binôme et nos experts sont là pour vous aider et répondre à vos questions. |
🍕 Déjeuner |
ProjetTout au long de la formation, vous travaillez sur un projet « fil rouge » que vous présenterez lors du demo day final. C’est l’occasion de vous changer les idées et de consolider vos acquis des journées précédentes. |
Live reviewRetour en format classe avec le prof pour travailler ensemble certains exercices ou explorer de nouvelles techniques et les meilleures solutions des experts Artefact. |
🍻 🎭 |
Choisissez votre formation selon votre niveau
Niveau débutant
Lancer votre carrière data!
Vous êtes débutants et vous souhaitez devenir data scientist. En suivant l’ensemble des modules ce métier n’aura plus de secret pour vous.
Durée de la formation 10 semaines
Niveau intermédiaire
Pour monter en compétence!
Vous avez déjà un petit niveau en data. Vous allez enrichir vos connaissances aux côtés des experts de la data d’Artefact en suivant les modules adaptés.
Durée de la formation 5 semaines
Niveau expert
Pour une maîtrise parfaite!
Vous avez déjà de solides compétences techniques dans la data. Vous allez parfaire votre expertise pour évoluer en choisissant les modules qui vous conviennent.
Durée de la formation 5 semaines
Formation encadrée par nos experts Artefact
Apprenez directement de nos experts data d’Artefact, qui sont au cœur de l’action chaque jour au sein des plus belles entreprises mondiales.
Ils sont bien plus que de simples formateurs, ce sont des acteurs de pointe dans le domaine de la data, prêts à vous transmettre leur savoir-faire et l’expertise Artefact.
Nos alumnis Data Scientist en poste
Nos étudiants en data science ont décroché des postes chez Artefact ou dans les plus belles entreprises.
96% trouvent un emploi dans les 6 mois et parfois même avant la fin de leur formation.
Spyridon Montesantos
Data Scientist chez Sanofi
“ Mon expérience à la School of Data a été remarquable. Leur approche de la data science et de l'IA m'a préparé aux défis réels. Pour lancer sa carrière dans la data, Artefact School of Data est un choix excellent, avec une formation de qualité et de nombreuses opportunités. ”
Henry Areiza
AI Project Manager chez Allies
“ 100% recommandé ! La School of Data offre un spectre complet de compétences nécessaires pour se lancer dans le monde des données et répondant aux exigences de l'industrie.. Leur soutien m'a permis de progresser rapidement et efficacement. ”
Anne Moceur
Directrice expérimentale chez Inrae
“ Une formation complète avec une équipe pédagogique exceptionnelle, tant pour l'enseignement que pour l'accompagnement avant et après la formation. Un système de tutorat unique aide à définir et réaliser un vrai projet professionnel. ”
Sylvain Laclias
Data Economist chez Crédit Agricole
“ Dix semaines d'immersion totale dans le monde des données, couvrant Python, les réseaux de neuronnes, les transformateurs et le data engineering. Une formation dense et intense, qui nous fait grandir et nous prépare professionnellement pour un emploi dans les données. Merci infiniment ! ”
Eva Artusi
Data Scientist chez Naval Group
“ Le format est efficace avec des contenus pédagogiques de qualité. Les maitrisent très bien leurs sujets. Ils sont à l'écoute et se mettent au niveau des élèves. L'encadrement des challenges et les live-programming m'ont permis de progresser rapidement pour atteindre une forte autonomie devant un nouveau projet. ”
Mélanie Lopez
Data Scientist chez Ubisoft
“ Ce cours était extrêmement bien structuré avec un mélange de cours magistraux et d'auto-exploration du travail de cours. J'ai apprécié le fait que l'on apprenne en relevant les défis sur des cas concrets, car je pense que c'est la meilleure façon d'apprendre. ”
Obtenez un titre RNPC 7
Data Science & IA
Vos possibilités de financement sont nombreuses et nous sommes là pour vous aider à trouver la plus adaptée à votre situation.
Comment financer votre formation ?
Il est possible d’obtenir un financement total ou partiel de votre formation.
Notre équipe est disponible pour vous aider à trouver la solution la plus adaptée à votre situation et monter votre dossier de financement.
Selon votre situation, vous pouvez bénéficier d’un financement CPF, POEI, CSP, Pôle emploi, Agefiph, OPCO, transition professionnelle, aide de la région ou encore autofinancer la formation en plusieurs fois.
Une inscription rapide en 4 étapes
Postulez en un clic
Laissez-nous simplement vos coordonnées et nous revenons vers vous très vite pour construire votre projet.
On échange
Choisissez un créneau pour l’entretien d’admission. C’est un moment d’échanges pour apprendre à mieux se connaître.
Choix du financement
Une fois votre candidature retenue, un membre de notre équipe vous aide à trouver le financement le plus adapté.
Intégrez le bootcamp
Félicitations, il ne vous reste plus qu’un travail préparatoire à faire à la maison et on démarre.
Prêt à propulser votre carrière dans la data?
Obtenez dès maintenant le programme de nos formations
Vous avez une question ?
Notre équipe Carrière vous accompagne
Profitez de l’expérience du service RH Artefact et de notre réseau d’entreprises partenaires pour décrocher votre futur CDI.
note moyenne
Alumnis dans le monde
Entreprises partenaires
FAQ
Vous avez d’autres questions sur Artefact School of Data ? Contactez-nous.
Quels sont les débouchés professionnels après une formation Data Science ?
Parmi les rôles les plus courants, on trouve :
Data Scientist : Ce rôle est le débouché direct pour ceux qui ont suivi une formation de Data Scientist. Ils travaillent dans divers secteurs, tels que la technologie, la finance, la santé et bien d’autres.
Spécialiste en Machine Learning : Ce rôle se concentre sur le développement et l’application de modèles de machine learning pour résoudre des problèmes spécifiques.
Data Engineer : Ils se concentrent sur l’optimisation des systèmes pour la collecte, le stockage et l’analyse des données.
Analyste en Business Intelligence : Ils utilisent les données pour aider les entreprises à prendre des décisions éclairées.
Chef de projet Data : Ce rôle de direction implique la gestion des équipes de données et la supervision des projets de données de l’entreprise.
Quelles compétences aurez-vous acquises à l’issue de la formation Data Scientist ?
La formation conduit à la validation du bloc de compétences de niveau 7 “Développer une solution d’intelligence artificielle”. L’obtention de ce bloc de compétences vous permettra ainsi de valider une partie de la certification RNCP36129 “Chef de projet en intelligence artificielle” du collège de Paris.
Cette certification est composée de 4 blocs de compétences :
Bloc 1 : Elaborer une solution d’intelligence artificielle grâce au Design Thinking
Bloc 2 : Piloter un projet d’intelligence artificielle
Bloc 3 : Développer une solution d’intelligence artificielle (Machine et Deep Learning)
Bloc 4 : Déployer une solution d’intelligence artificielle.
L’obtention de l’intégralité de la certification RNCP36129 repose ainsi sur la capitalisation des 4 blocs de compétences qui la composent.
Chaque bloc peut être acquis individuellement. Un bloc acquis l’est définitivement. Sa validation fait l’objet de la délivrance d’une attestation de réussite, signal fort sur le marché de l’emploi.
Quelles sont les missions d'un Data Scientist ?
Le Data Scientist collecte et prépare des données, utilise des algorithmes pour analyser et interpréter ces données, communique les résultats aux parties prenantes, guide les décisions stratégiques à l’aide de ces informations et cherche constamment à améliorer les méthodes d’analyse.
Qu'est-ce qu'un Data Scientist ?
Le data scientist a pour mission d’extraire le potentiel et de tirer des conclusions utilises depuis les bases de données d’une entreprise. Il doit notamment mettre en place des algorithmes pour répondre à une problématique entreprise qui peut être : la classification de données, la recommandation, la création de groupes, la détection d’anomalie, la reconnaissance d’image, de texte et audio, les procédés automatisés, la segmentation, l’optimisation et la prévision.