Pré-requis
Aucun
Dates
Aucune
Être rappelé
1 jour
Présentiel
Distanciel
Français
Pré-requis
Aucun
Dates
Aucune
Ecosystème Big Data
avec Clément Sirvente
Être rappelé
1 jour
- Présentiel
- Distanciel
- Français
Objectifs
- L’objectif de la formation est de fournir une vue d’ensemble de l’écosystème Big data, les technologies et les acteurs, et de comprendre les différentes problématiques du secteur. Nous aborderons les points théoriques tout en gardant un aspect pratique avec des questions de compréhension et des exercices guidés. Il est nécessaire de venir avec son PC/Mac pour suivre le séminaire.
Programme
Introduction au Big data
Qu’est ce que le big data
- Pourquoi parle-t-on de big data
- Le big data dans la révolution numérique
- Une définition par les « 5V » de Gartner
Les type de données par l’exemple
- Les données structurées et non structurées
- Les différentes sources de données o Les bases de données « no sql »
L’informatique distribué
- Dalake : le stockage distribué
- Cloud stockage & calcul clusterisé
Les enjeux actuels du big data 2
- Tendances actuelles : cloud, cyber, self service
- Cartographie des technologies
Faire parler la data
- L’exploratory data analysis (EDA)
- Visualisation et data storytelling
Questionnaire de compréhension
Introduction à l’IA
Qu’est-ce que l’intelligence artificielle (IA) ?
- L’IA et la data science o L’IA et machine learning (ML)
- Le machine learning expliqué par l’exemple
Comment entraîne-t-on un modèle de ML
Les différents types de machine learning
- Supervisé, non supervisé, par renforcement
- La boite à outils du data scientist
Le processus du Machine Learning
Qu’est-ce que le machine learning supervisé ?
- Les modèles de régression
- Les modèles de classification avancés
Qu’est-ce que le machine learning non supervisé ?
- L’exemple du clustering “KMeans”
- Le text mining / natural language processing
Qu’est-ce que le deep learning / l’apprentissage profond ?
- Le deep learning vs le machine learning
- Les usages du deep learning
Les problématiques du maching learning
- Trouver les données
- Eviter le surapprentissage
Du machine learning predictif au prescritif
Questionnaire de compréhension
Construction d’un projet data
Les étapes et les acteurs d’un projet data :
- Les acteurs d’un projet data
- Le cycle de vie de la donnée
- Les métiers et les compétences dans la data
- Les étapes d’un projet data
- Le processus complet de création d’un modèle de machine learning
- La méthodologie de projet data
Du projet au succès :
- Contrôler les risques liés aux projets data
- Contrôler les biais des modèles
- Valider sa conformité RGPD
- Comment dépasser l’étape du POC
- Evaluer la maturité data et consolider
- L’importance d’une vision claire et d’un sponsor C-level
Atelier de design thinking data
Présentation de la méthodologie de design thinking
Atelier de design thinking express
- Définir le problème
- Trouver des idées et solutions
- Partager les idées
- Affiner la solution
La data pour le future de la finance
Le big data dans la finance de demain
- La data pour une finance « data driven »
- Le big data au service des équipes asset management
Analyse de cas d’usage du big data dans la finance et échange sur les enjeux actuels
- Analyse de risques, création de scorings
Compétences
- L’objectif est de développer votre capacité à prendre des décisions sur des projets orientés « Data ». Vous serez capables de communiquer avec des Data Scientist, Data Analyst et Data Engineer. Vous serez à même comprendre sous-jacent technologiques, les problématiques et les rôles à attribuer à chacun pour mener à bien les projets d’analyse de données massives.