Formation Data-Analyst

  • Niveau : initiation
  • Durée : 10 jours
  • Dates : Nous contacter
  • Nombre de participant :  7 maximum
  • Prérequis : Apprécier les mathématiques est un plus
  • Financements : Pôle emploi / OPCO / La Région / FONGEFICE
  • Nous contacter au 06 29 78 66 25

OBJECTIFS :

·         Interroger des bases de données afin de récupérer les données pertinentes
·         Maîtriser les concepts mathématiques clés permettant l’analyse de données
·         Initiation au langage Python et aux modules du data
·         Explorer des données, tester des hypothèses statistiques et modéliser des phénomènes
·         Rédiger un rapport impactant permettant de présenter votre analyse
  1. S’initier aux éléments du langage Python nécessaires aux data analyst.

Savoir installer Jupyter Notebook. S’initier aux statistiques descriptives et

inférentielles.

 

  1. S’initier aux modules Numpy, Pandas, Matplolib, Seaborn et Scikit-learn,

bibliothèques phares du data permettant les calculs statistiques,

algébriques et la visualisation de données.

 

  1. Apprendre à repérer et rectifier les erreurs présentes dans les données

support autrement dit apprendre à nettoyer les données.

 

  1. S’initier à l’algèbre relationnelle avec le langage SQL. Manipuler de

l’information à l’aide de différentes opérations. Composer des requêtes

simples.

 

  1. Découvrir les mesures de tendance centrale. Comprendre les mesures de

dispersion. Appréhender les mesures de forme.

 

  1. Rechercher et analyser les corrélations entre deux variables. Comprendre

le modèle ANOVA. Effectuer le test du khi-2.

 

  1. Concevoir un plan de rapport statistique impactant. Représenter

graphiquement des données statistiques.

 

  1. Appréhender les espaces vectoriels euclidiens. Réaliser une réduction de

dimension. Interpréter une analyse en composantes principales.

 

  1. Utiliser un algorithme de clustering pour réaliser une catégorisation de

données. Réaliser une classification hiérarchique.

 

  1. Appliquer et interpréter une régression linéaire simple, une régression

linéaire multiple, une régression logistique et une analyse de la variance

pour effectuer des prédictions.

Je suis intéressé(e) :

Remplissez le formulaire

ci-dessous !