Python avancé
pour la data science.
7 journées pour passer de praticien à expert : Python avancé, traitement automatique du langage, deep learning et mise en production de vos modèles.
import spacy
import tensorflow as tf
from sklearn.pipeline import Pipeline
nlp = spacy.load("fr_core_news_sm")
model = tf.keras.Sequential([...])
model.fit(X_train, y_train)
Choisissez votre promotion
Un jour par semaine pour préserver votre rythme professionnel.
Objectifs pédagogiques
Six compétences avancées, validées en fin de parcours par un examen et un projet.
Python avancé
Programmation orientée objet, décorateurs, multithreading et bonnes pratiques de développement.
Pipeline ML avancé
Construire un pipeline complet de machine learning avec scikit-learn et du feature engineering.
NLP
Traiter du texte avec nltk et spaCy : text mining, topic modeling, analyse de sentiments.
Deep learning
Réseaux de neurones, CNN et RNN avec TensorFlow, Keras et PyTorch.
Vision & séquences
Appliquer le deep learning à l'image et aux données textuelles ou temporelles.
Mise en production
Persistance du modèle, création d'une API et industrialisation d'un algorithme de deep learning.
7 journées, du code avancé à la production
Les journées dédiées à l'IA (NLP et deep learning) sont signalées en jaune.
Rappels & Python avancé
Remettre à niveau l'environnement et pousser Python dans ses retranchements.
- JupyterLab, VSCode, bonnes pratiques (Git)
- Rappels de Python
- POO, décorateurs, multithreading
- Rappels numpy et pandas
- Pipeline ML avancé avec scikit-learn
Traitement automatique du langage (NLP)IA
Exploiter des données textuelles, du nettoyage au text mining.
- Principes de l'analyse textuelle
- Chaînes, expressions régulières, vectorisation
- API et web scraping de données textuelles
- nltk et spaCy
- Topic modeling, analyse de sentiments
Projet NLP & machine learning
Chaque participant choisit un projet et le met en œuvre sur la journée.
- Choix d'un cas d'usage textuel
- Mise en pratique en autonomie
- Coaching individuel ou en petits groupes
- Exercices récapitulatifs corrigés
Deep learning — jour 1IA
Comprendre les réseaux de neurones et construire vos premiers modèles.
- À quel problème répond le deep learning
- Réseaux de neurones, perceptron multicouches
- GPU, complexité, environnements
- TensorFlow, Keras, PyTorch
- Réseaux à convolutions (CNN) sur images
Deep learning — jour 2IA
Aller plus loin : transfer learning, séquences et passage en production.
- Sélection de réseau, transfer learning
- Génération de features
- Réseaux récurrents (RNN) pour le texte
- Persistance et API TensorFlow
- Un réseau from scratch en Python
Projet final — données non structurées
Un traitement complet de deep learning, de la donnée à la restitution.
- Choix d'un projet de data management
- Traitement complet et restitution
- Coaching individuel ou en petits groupes
Restitution, examen & certification
Présentez votre projet, validez vos acquis, recevez votre certification.
- Présentation des projets
- Revue de code et conseils
- Ouverture : big data
- Examen : exercices + QCM
- Remise des diplômes et des badges
Les forces de la formation
Formateurs experts
Des praticiens ayant une réelle expérience de la data science en entreprise.
Petits groupes
Des promotions réduites pour un suivi vraiment sur mesure.
Rythme respiré
1 jour par semaine pendant 7 semaines : échanges et travail en autonomie.
IA de pointe
NLP et deep learning avec les frameworks de référence du marché.
Zero install
JupyterHub fourni, accessible avec un simple navigateur.
Intranet 1 an
Supports et espace de travail personnel accessibles pendant 1 an après la formation.
Au bout du parcours,
une expertise qui se prouve.
Vous passez un examen et présentez votre projet final. Vous repartez avec une certification validée par Stat4decision et un badge à partager sur LinkedIn.
Ce que vous validez
- Examen écrit (exercices + QCM)
- Projet final présenté au jury
- Certification Stat4decision
- Badge numérique partageable
- Accès à l'environnement 1 an
FAQ
L'essentiel à savoir avant de vous inscrire.
Quels sont les prérequis ?
Avoir suivi le parcours Python pour la data (niveau 1) ou disposer d'un niveau équivalent : Python, numpy, pandas et machine learning.
Quel est le profil idéal ?
Data scientists utilisateurs de Python, ou utilisateurs de Python pour la data souhaitant étendre leurs compétences vers le NLP et le deep learning.
Quelle est la durée ?
7 journées, soit 50 heures, à raison d'un jour par semaine pendant 7 semaines. L'environnement reste accessible 1 an.
Quels frameworks sont abordés ?
nltk et spaCy pour le NLP ; TensorFlow, Keras et PyTorch pour le deep learning ; scikit-learn pour le machine learning.
La formation est-elle finançable ?
Oui. Stat4decision est certifié Qualiopi au titre des actions de formation. Prise en charge OPCO possible.
Intra-entreprise possible ?
Oui, jusqu'à 8 participants, avec un programme ajusté à votre contexte métier. Demandez un devis.
Prêt à passer expert ?
Deux formats au choix. On commence toujours par un échange.
Vous rejoignez une promotion mixte de maximum 8 participants.
- 7 journées · 50 heures
- 8 participants maximum
- Environnement de travail inclus
- Certification Stat4decision
- Supports accessibles 1 an
Le parcours organisé chez vous, programme ajusté à votre contexte.
- Programme personnalisable
- Cas d'usage sur vos données
- Dates au choix
- Certification Stat4decision
- Prise en charge OPCO possible