Formation Analyse de données et dataviz avec Python et Cognos Analytics

01.Introduction à la Data Science et à Cognos Analytics V11

• —Comprendre les fondements de la Data Science : données, analyse, objectifs
• —Présentation de Cognos Analytics V11 : interface, fonctionnalités clés
• —Rôle de Cognos dans l'écosystème décisionnel des entreprises
• —Installation et configuration de l'environnement de travail IBM Cognos Big Data & Analytics

02.Exploration et Préparation des Données dans Cognos

• —Connexion aux sources de données : bases de données, fichiers plats, datawarehouses
• —Nettoyage et transformation des données : gestion des valeurs manquantes, agrégation
• —Modélisation des données avec Cognos : création de packages, jointures
• —Importation et préparation de jeux de données réels avec Cognos

03.Visualisation de Données Basique avec Cognos Analytics

• —Choix des visualisations adaptées : graphiques, tableaux, cartes
• —Création de tableaux de bord interactifs simples
• —Personnalisation des visuels : couleurs, légendes, titres
• —Réalisation de votre premier tableau de bord interactif dans Cognos

04.Rapports Interactifs et Partage avec Cognos

• —Conception de rapports détaillés et dynamiques
• —Utilisation des invites et filtres pour l'interactivité
• —Planification et distribution de rapports automatisés
• —Partage de rapports sécurisés avec différentes audiences

05.Ateliers Pratiques Cognos - Rapports et Tableaux de Bord

• —Exercices guidés de création de tableaux de bord complexes
• —Mise en œuvre de rapports multidimensionnels
• —Optimisation des performances des rapports et visualisations
• —Cas pratique : création d'un rapport financier complet et interactif

06.Introduction à Python pour la Data Science

• —Bases de Python : variables, types de données, opérateurs
• —Structures de contrôle : boucles, conditions
• —Manipulation de données avec NumPy et Pandas
• —Installation de Python et des bibliothèques clés pour la Data Science

07.Analyse de Données avec Pandas et Matplotlib

08.Intégration Python et Cognos Analytics

• —Exécution de scripts Python depuis Cognos Analytics (Notebooks, blocs de code)
• —Importation de résultats d'analyse Python dans Cognos
• —Création de visualisations personnalisées avec des données traitées par Python
• —Démonstration de l'exécution d'un script Python intégré à un rapport Cognos

09.Machine Learning Introductif avec Scikit-learn

• —Concepts fondamentaux du Machine Learning : supervisé, non supervisé
• —Préparation des données pour le Machine Learning : encodage, scaling
• —Introduction aux algorithmes : régression linéaire, classification (bases)
• —Entraînement et évaluation d'un modèle simple de prédiction

10.Application du Machine Learning pour la Prédiction

• —Sélection de modèles de Machine Learning adaptés aux cas d'usage
• —Évaluation des performances des modèles : métriques clés
• —Interprétation des résultats et prise de décision
• —Cas pratique : prédiction de tendances de ventes ou de détection d'anomalies

11.Déploiement et Opérationnalisation des Modèles

12.Synthèse et Projets Avancés

• —Meilleures pratiques pour la Data Science avec Cognos et Python
• —Étude de cas réels et discussions sur les défis
• —Conseils pour l'optimisation des performances et la sécurité
• —Réalisation d'un projet de data science complet de bout en bout