Le Big Data désigne un ensemble de technologies à même de stocker et de donner accès en temps réel à de très gros volumes de données, potentiellement d'une grande variété, tout en optimisant le temps de traitement. Ce sont alors les techniques de Data Science (Machine Learning, Analyse de Données) qui vont nous permettre d'analyser ces données afin d'en extraire l'information utile à la prise de décision.
Nous vous invitons à découvrir notre offre de prestations en Big Data et sommes à votre écoute pour toute question.
FormationEtudes-Conseil
FNE-Formation 2022 - Pour celles et ceux d'entre vous travaillant pour une Entreprise impactée par la crise sanitaire, le dispositif du FNE-Formation vous permet une prise en charge jusqu'à 100% des coûts pédagogiques de votre parcours de formation (reconversion interne, certification, anticipation des mutations) en présentiel comme en distanciel.
Vous pourrez obtenir plus de renseignements dans ce document du Ministère du Travail, de l'Emploi et de l'Insertion ainsi qu'auprès de votre OPCO.
Formations Big Data
Toutes nos formations Big Data sont régulièrement programmées en interentreprises à Paris, Lyon et Toulouse et sur demande dans 6 autres grandes villes (Marseille, Bordeaux, Lille, Nantes, Nice et Strasbourg) ainsi qu'en classe virtuelle.Nos formations peuvent également être organisées dans votre Entreprise (intra-entreprise) partout en France et au-delà (Belgique, Suisse, Luxembourg, Monaco, ...) .
Notre offre
Nos prochains stages
Intitulé | Date début | Durée | Lieu |
---|---|---|---|
Introduction au Big Data | 27/06/2022 | 2 jours | Distance |
Text Mining | 05/09/2022 | 3 jours | Toulouse |
MLOps | 12/09/2022 | 4 jours | Toulouse |
Pandas Avancé | 19/09/2022 | 3 jours | Toulouse |
Introduction au Big Data | 22/09/2022 | 2 jours | Lyon |
Machine Learning | 26/09/2022 | 4 jours | Distance |
Big Data pour les managers / décideurs | 03/10/2022 | 2 jours | Lyon |
Text Mining | 03/10/2022 | 3 jours | Lyon |
Méthodes de prédiction automatique et leurs applications métiers | 05/10/2022 | 3 jours | Paris |
Introduction au Big Data | 10/10/2022 | 2 jours | Toulouse |
Formations à la une
Python pour la Data Science | 5 jours
Connaître et savoir utiliser les librairies incontournables de Python pour la data science : La Scipy Stack
Connaître et utiliser les principales librairies de visualisation de données et notamment orientées cartographie
Savoir manipuler des données volumineuses ne tenant pas en mémoire
Avoir une bonne compréhension de l'écosystème scientifique de Python, savoir trouver ses librairies et juger de leur qualité
Connaître et savoir utiliser les librairies incontournables de Python pour la data science : La Scipy Stack
Connaître et utiliser les principales librairies de visualisation de données et notamment orientées cartographie
Savoir manipuler des données volumineuses ne tenant pas en mémoire
Avoir une bonne compréhension de l'écosystème scientifique de Python, savoir trouver ses librairies et juger de leur qualité
Introduction au Big Data | 2 jours
Comprendre le concept du Big Data
Être capable d'identifier l’écosystème et comprendre les technologies associées
Savoir anticiper son intégration dans les activités informatiques de l’entreprise
Comprendre le concept du Big Data
Être capable d'identifier l’écosystème et comprendre les technologies associées
Savoir anticiper son intégration dans les activités informatiques de l’entreprise
MLOps | 4 jours
Connaître les différentes étapes de vie du modèle et de la donnée après le Proof Of Concept (POC)
Connaître les méthodes de réduction de dimensions d’un modèle pour le passage à l’échelle
Connaître les différentes plateformes de production
Savoir mettre en place des algorithmes d’explicabilité d’un modèle
Avoir des notions sur l’embarquabilité
Avoir des notions sur l’entrainement de larges modèles de façon distribuée
Connaître les différentes étapes de vie du modèle et de la donnée après le Proof Of Concept (POC)
Connaître les méthodes de réduction de dimensions d’un modèle pour le passage à l’échelle
Connaître les différentes plateformes de production
Savoir mettre en place des algorithmes d’explicabilité d’un modèle
Avoir des notions sur l’embarquabilité
Avoir des notions sur l’entrainement de larges modèles de façon distribuée