Formation Data Scientist
Formation professionnalisante dédiée à l’analyse, l’exploitation et la valorisation des données grâce aux méthodes statistiques, au Machine Learning et aux outils de Data Science.
Durée
5 semaines
Format
100% Distanciel
Niveau d'entrée
Bac +3
Langues
Français
Taux de réussite
Aperçu
Qu'est ce que la formation Data Scientist ?
Le Data Scientist joue un rôle central dans l’exploitation, l’analyse et la valorisation des données. Cette formation couvre la préparation des données, les statistiques, la visualisation, le Machine Learning et les principales méthodes utilisées dans les projets Data.
Data Scientist est une formation professionnalisante intégrant les outils et méthodologies utilisés aujourd’hui dans les environnements Data :
Python / R
Data cleaning
Data visualisation
Statistiques et modélisation
Machine Learning supervisé et non supervisé
PCA et clustering
Deep Learning et NLP
Big Data et Cloud
La formation est dispensée par des professionnels en activité issus du secteur de la Data et s’appuie sur des cas pratiques et des mises en situation proches des problématiques rencontrées en entreprise.
Compétences
Compétences développées
Esprit analytique et rigueur
Appétence pour les données, les statistiques et la programmation
Capacité à résoudre des problématiques complexes
Capacité à communiquer et à restituer des résultats
Informations clés
100% Distanciel
5 semaines
Inter / Intra entreprise
Certificat professionnelle
Personnel- France Travail- Entreprise
Français
Financement
Personnel
Paiement individuel
Entreprise
Prise en charge employeur
Pourquoi Formatis ?
30
ans d'expertise
100%
experts actifs
Qualiopi
certification
Programme
Programme de la formation Data Scientist
1
Fondamentaux Python, Préparation des données et visualisation
Introduction à la Data Science et au cycle de vie d’un projet Data
Bases de programmation Python
Manipulation, nettoyage et préparation des données
Analyse exploratoire et statistiques descriptives
Visualisation des données : matplotlib/seaborn, ggplot2
Travaux pratiques : nettoyage, analyse descriptive et visualisation d’un jeu de donnée
2
Analyses Statistiques et Machine learning supervisé
Rappels statistiques utiles à la Data Science
Principes de l’apprentissage supervisé
Modèles de régression linéaire et logistique
Modèles de classification : arbres de décision, Random Forest, Gradient Boosting
Évaluation des performances : matrice de confusion, sensibilité, spécificité, précision, rappel, AUC
Préparation des données et construction d’un pipeline de Machine Learning
Travaux pratiques : construction, comparaison et interprétation de modèles prédictifs
3
Machine learning non supervisé, clustering, PCA et restitution
Introduction au Machine Learning non supervisé
Clustering : K-means et clustering hiérarchique
Réduction de dimension et Analyse en Composantes Principales (PCA)
Interprétation et visualisation des groupes et profils
Restitution des résultats et introduction aux dashboards
Outils : Power BI, Tableau, Dash, Streamlit ou équivalent
Travaux pratiques : segmentation, PCA et création d’un mini-dashboard
4
Deep learning, Big data, NLP et projet fil rouge
Introduction au Deep Learning et aux réseaux de neurones
Initiation au traitement automatique du langage naturel (NLP)
Introduction au Big Data, au Cloud et aux environnements Spark / Databricks
Éthique, biais, qualité, explicabilité et confidentialité des données
Projet fil rouge : de la définition de la problématique à la modélisation et à la restitution
Travaux pratiques : réalisation et présentation d’un projet Data complet
Sessions & tarifs
Sessions et tarifs
DATES
Sessions 2026
19 ocotbre au 20 novembre
DUREE
5 semaines - 200 heures
TARIFS
Tarif individuel : 3350€
Tarif entreprise : 3850€
Débouchés
Débouchés après la formation Data Scientist
Les diplômés travaillent dans les CRO, laboratoires pharmaceutiques, biotech et centres investigateurs.
Data Scientist
Machine Learning Engineer
Data Analyst
Consultant Data / Intelligence Artificielle
FAQ