Nos formations pour vos projets

Créer et mettre en forme des documents professionnels avec Word.

Réviser les fondements mathématiques indispensables : probabilités, statistiques, algèbre linéaire.

Construire et interpréter des modèles statistiques : régression, tests, intervalles de confiance.

Documents longs, styles, publipostage et automatisation dans Word.

Mener des analyses statistiques avancées avec R : modèles linéaires généralisés, ANOVA, multivarié.

Panorama des approches et algorithmes du machine learning et de leurs cas d'usage.

Automatiser Word avec des macros VBA.

Mettre en œuvre les algorithmes supervisés et non supervisés avec Python.

Construire des pipelines prédictifs complets avec scikit-learn : préparation, entraînement, évaluation.

Maîtriser les bases d'Excel : formules, mise en forme, graphiques.

Extraire de la connaissance des données : exploration, sélection de variables, modèles.

Choisir, valider et comparer ses modèles : validation croisée, métriques, sur-apprentissage.

Fonctions avancées, tableaux structurés et analyses dans Excel.

Segmenter les données (k-means, DBSCAN, CAH) et réduire la dimension (ACP, t-SNE, UMAP).

S'initier à l'apprentissage par renforcement : agents, récompenses, Q-learning.

Synthétiser et analyser ses données avec les TCD.

Comprendre les réseaux de neurones : architecture, entraînement, fonctions d'activation.

Approfondir la théorie : rétropropagation, optimisation, régularisation, architectures.

Automatiser Excel avec ses premières macros VBA.

Concevoir, entraîner et déployer des réseaux profonds avec TensorFlow et Keras.

Développer des modèles profonds avec PyTorch : tenseurs, autograd, entraînement et transfert learning.

Collaborer efficacement dans les sites SharePoint.

Cadrer et piloter un projet data science : cycle de vie, rôles, industrialisation.

Déployer et superviser des modèles en production : CI/CD, monitoring, drift.

Concevoir des sites SharePoint : bibliothèques, listes, autorisations.

Acquérir les bases de Python pour la data : syntaxe, structures, NumPy, pandas.

Approfondir Python pour la data science : pandas avancé, visualisation, bonnes pratiques.

Aller plus loin : types de contenu, flux, personnalisation avancée.

Explorer, nettoyer et visualiser un jeu de données pour préparer la modélisation.

Prendre en main R pour l'analyse statistique : import, manipulation, tests, graphiques.

Créer des applications métier avec Power Apps et Power Automate sur SharePoint.

Aller plus loin avec R : tidyverse, programmation fonctionnelle, rapports reproductibles.

Modéliser et prévoir des séries temporelles : décomposition, ARIMA, Prophet, évaluation.

Déployer et gouverner Microsoft 365 Copilot : prérequis, sécurité, adoption.

Expliquer les prédictions de ses modèles et répondre aux exigences de transparence (AI Act).

Concevoir et entraîner des CNN pour l'analyse d'images.

Intégrer Copilot dans ses usages quotidiens Microsoft 365.

Mettre en œuvre détection, classification et segmentation d'images.

Techniques NLP : tokenisation, embeddings, classification, extraction d'information.