Formation Devenez Data Analyst certifié : Bootcamp intensif pour experts

Programme de la formation
Devenez Data Analyst certifié : Bootcamp intensif pour experts

• 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

• 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)

• Manipulation de Données avec SQL Avancé

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

• Introduction à Python pour la Data Analyse

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

• Traitement et Analyse de Données avec Pandas

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

• 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

• Statistiques Descriptives pour le Data Analyst

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

• 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

• Visualisation Avancée et Storytelling avec Tableau/Power BI
• 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)

• 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

• 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