Nos formations pour vos projets

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

Développer en PL/SQL : blocs, procédures, curseurs, exceptions.

Construire rapports et tableaux de bord interactifs : Power Query, modèle, DAX, publication.

Orchestrer ses pipelines avec Airflow : DAGs, scheduling, capteurs, supervision et bonnes pratiques.

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

Pratiquer le SQL dans l'environnement DB2.

Approfondir DAX, la modélisation avancée et l'optimisation des rapports Power BI.

Mesurer et améliorer la qualité des données : profilage, règles, nettoyage, gouvernance.

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

Modéliser, déployer et administrer un cluster Cassandra : réplication, compaction, tuning.

S'initier aux modèles de données : entités, relations, schémas en étoile et bonnes pratiques.

Panorama de la suite Tableau : préparation, visualisation et partage des analyses.

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

Administrer MongoDB : réplication, sharding, sauvegardes, sécurité.

Développer des applications s'appuyant sur DB2.

Créer des visualisations et tableaux de bord interactifs avec Tableau Desktop.

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

Optimiser les performances MongoDB : index, agrégations, profiling.

Mettre en œuvre la haute disponibilité des bases : clusters, bascule, réplication.

Développer des applications analytiques et visualisations associatives avec Qlik Sense.

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

Déployer et exploiter HBase pour le stockage colonne à large échelle.

Cartographier les métiers de la donnée et leurs interactions : analyst, scientist, engineer, MLOps.

Concevoir des applications de dataviz sur mesure : principes visuels, bibliothèques et interactivité.

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

Définir et opérer une stratégie de sauvegarde/restauration fiable.

Développer avec la base graphe Neo4j : modélisation, Cypher, requêtes.

Comprendre l'architecture BI de bout en bout : sources, intégration, stockage, restitution.

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

Sécuriser ses bases : droits, chiffrement, audit, durcissement.

Cadre DAMA-DMBOK de gestion des données ; préparation à la certification CDMP.

Indexer et rechercher des contenus à grande échelle avec Elasticsearch.

Mesurer et analyser la performance marketing : segmentation, attribution, tableaux de bord.

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

Administrer des bases de données SQL sur Azure : HA, sécurité, performance.

Construire des pipelines lakehouse (Delta Lake, workflows, Unity Catalog) et préparer l'examen officiel.

Découvrir la plateforme unifiée Fabric : OneLake, dataflows, lakehouse et intégration Power BI.

Industrialiser le ML sur Databricks (MLflow, Feature Store) et préparer l'examen ML Associate.

Fondamentaux des données sur Azure : concepts, services relationnels et non relationnels.

Maîtriser l'architecture et les objets Snowflake (virtual warehouses, data sharing) et préparer l'examen SnowPro Core.

Accélérer préparation, analyse et restitution grâce aux assistants IA intégrés à Power BI et Excel.

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

Concevoir et développer des applications sur Azure Cosmos DB.

Ingénierie de données sur Microsoft Fabric : ingestion, transformation, orchestration.

Préparation à la certification PL-300 : préparation et modélisation des données, mesures DAX, visualisations et déploiement des ressources Power BI.

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

Développer des applications SQL intégrant les capacités IA de la plateforme Microsoft.

Ingénierie de données sur Azure Databricks : Spark, Delta Lake, pipelines.

Concevoir des solutions analytiques de bout en bout sur Microsoft Fabric.

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