Formation Devenez Data Analyst certifié : Bootcamp intensif pour experts

01.Introduction à la Data Science & Rôles du Data Analyst

• —Définition Data Science, Big Data, IA
• —Rôles et responsabilités du Data Analyst
• —Écosystème des outils Data

02.Fondamentaux des Bases de Données Relationnelles (SQL)

• —Concepts clés SQL: tables, clés, relations
• —Premières requêtes SQL : SELECT, FROM, WHERE
• —Filtrage et tri de données (ORDER BY, LIMIT)

03.Manipulation de Données avec SQL Avancé

• —Jointures (INNER, LEFT, RIGHT, FULL JOIN)
• —Agrégations (GROUP BY, HAVING, COUNT, SUM, AVG)
• —Sous-requêtes et Union

04.Introduction à Python pour la Data Analyse

• —Environnement de développement Python (Jupyter, VS Code)
• —Types de données, variables, opérateurs
• —Structures de contrôle (boucles, conditions)

05.Traitement et Analyse de Données avec Pandas

• —Chargement et exploration de DataFrames
• —Sélection, filtrage et manipulation de colonnes
• —Gestion des valeurs manquantes et doublons

06.Nettoyage et Préparation des Données (Data Wrangling)

• —Transformation et agrégation de données avec Pandas
• —Traitement des chaînes de caractères et dates
• —Méthodes d'imputation et de normalisation

07.Statistiques Descriptives pour le Data Analyst

• —Mesures de tendance centrale et de dispersion
• —Distributions de données (normale, asymétrie)
• —Corrélation et causalité

08.Fondamentaux de la Visualisation de Données avec Matplotlib/Seaborn

• —Principes de bonne visualisation
• —Histogrammes, boîtes à moustaches, nuages de points
• —Graphiques de séries chronologiques, cartographie de chaleur

09.Visualisation Avancée et Storytelling avec Tableau/Power BI

10.Introduction au Machine Learning pour Data Analysts

• —Concepts clés (supervisé, non supervisé)
• —Algorithmes de régression linéaire et logistique
• —Évaluation simple de modèles (MAE, RMSE, R²)

11.Gestion de Projets Data & Méthodologies Agiles

• —Cycle de vie d'un projet Data
• —Méthodologies Scrum et Kanban appliquées à la Data
• —Communication et collaboration en équipe Data

12.Cas Pratique Global & Préparation Carrière

• —Projet Data de bout en bout (acquisition à visualisation)
• —Optimisation de code et bonnes pratiques
• —Conseils carrière, portfolio, et entretiens Data Analyst