Découvrez le Mastère 2 – Parcours Data Analyst

A qui s’adresse ce parcours ?

Le Mastère 2 Data Analyst s’adresse aux étudiants de l’IA School ayant suivi le Mastère 1 in Artificial intelligence & Management, ou aux étudiants ayant un niveau intermédiaire en programmation Python, R, et en mathématiques et qui souhaitent devenir Data Analyst.

Quels sont les objectifs du Mastère 2 Data Analyst ?

  • Créer des tables et charger des données sur MySQL et MongoDB afin d’optimiser et dynamiser leur manipulation
  • Effectuer une analyse statistique sur différents formats de données afin de programmer un algorithme répondant à la problématique sous-jacente
  • Manipuler des données avec Python Pandas en vue d’optimiser les outils d’analyse de la performance en entreprise
  • Visualiser et cartographier des données sur tableau afin d’optimiser leur lecture
  • Effectuer du scrapping (extraction) de données avec Python afin d’optimiser les données mises à disposition
  • Explorer la librairie scikit-learn en Python afin de modéliser les données traitées
  • Évaluer l’impact de l’intelligence artificielle sur les performances en entreprise afin de proposer des solutions adaptées
  • Utiliser des outils de gestion de projet IT afin de les mettre en œuvre en entreprise

Quelles sont les compétences développées  ?

  • Interroger des bases de données NoSQL comme MongoDB
  • Optimiser les performances de ces bases de données
  • Réaliser un Dashboard des principaux KPI d’un jeu de données
  • Connecter un langage de programmation et une base de donnée

Quelles sont les conditions d’admission ?

  • L’étudiant devra avoir suivi une première année de Master en Intelligence & Management à l’université ou à l’IA School, ou être titulaire d’un Bac+4 (Niveau 6) en mathématiques, informatiques, statistiques ou ingénieur.
  • Il faudra également avoir validé l’ensemble des tests d’admissions pour intégrer l’IA School.

Mastère 2 – Data Analyst

  • Fondements mathématiques de la science de la donnée
  • Statistiques Test Statistiques (Khi 2, Anova etc…)
  • Loi de probabilité
  • Découverte des ETL (Tableau Sofware/ Power BI)
  • Initiation à GitHub, Gitlab
  • SQL Avancée
  • Base de données NoSQL avancée
  • Projet et certification MongoDB
  • Ecosystème Big Data (Hadoop, Hive)
  • Scrapping de données à l’aide de Beautiful Soup
  • Python Flask: Déployer des analyses sur serveur
  • Excel Avancé
  • Analyse de données en Python
  • R for data analysis
  • R shiny: Déployer des analyses sur serveur
  • Introduction à SAS
  • Modélisation de Série Temporelle
  • Projet Data Analyse
  • Conference english
  • Gestion de projet
  • Management du changement
  • Fusion/acquisition
  • Droits des contrats
  • Supplychain
  • Design thinking
  • Utilisation des blockchain