Nos formations pour vos projets

Créer et mettre en forme des documents professionnels avec Word.

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

Administrer un tenant Microsoft 365 : identités, sécurité, conformité ; préparation MS-102.

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.

Déployer et administrer Microsoft Teams ; préparation à l'examen MS-700.

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.

Mettre en œuvre Teams Phone et les solutions de communication ; préparation MS-721.

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.

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

Fonctions avancées, tableaux structurés et analyses dans Excel.

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

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

Synthétiser et analyser ses données avec les TCD.

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

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

Automatiser Excel avec ses premières macros VBA.

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

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

Collaborer efficacement dans les sites SharePoint.

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

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

Concevoir des sites SharePoint : bibliothèques, listes, autorisations.

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

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

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

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

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

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

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

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

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

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

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.