Nos formations pour vos projets

Comprendre TCP/IP, l'adressage et le routage de base.

Découvrir le rôle et les activités de l'ingénieur système.

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

Gérer les postes de travail avec Intune ; préparation à l'examen MD-102.

Premier module du cursus CCNA : fondamentaux des réseaux et configuration de base.

Prendre en main l'environnement Unix/Linux : shell, fichiers, droits.

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

Maîtriser la ligne de commande Linux au quotidien.

Administrer routeurs et commutateurs Cisco et préparer l'examen CCNA 200-301.

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.

Administrer un serveur Linux : services, utilisateurs, stockage, réseau.

Concevoir des architectures réseau segmentées et sécurisées.

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

Approfondir l'administration : performance, automatisation, dépannage.

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

Mettre en œuvre VLAN, trunking et routage inter-VLAN avancé.

Durcir et sécuriser ses serveurs Linux.

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

Réviser le programme et préparer les deux examens de la certification LPIC-1.

Déployer et sécuriser des réseaux sans fil d'entreprise.

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

Préparer les examens LPIC-2 : administration de réseaux et services Linux.

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

Protéger le réseau : pare-feu, VPN, détection et prévention d'intrusion.

Préparer une spécialisation LPIC-3 : environnements mixtes, sécurité, virtualisation ou haute dispo.

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

Administrer Windows Server (2019/2022/2025) : AD, GPO, rôles, services.

Mettre en pratique les réseaux locaux TCP/IP : câblage, commutation, diagnostic.

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

Administrer Windows 11 rôles, services.

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

Automatiser l'administration système avec PowerShell et Bash.

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

Écrire des scripts shell robustes pour automatiser les tâches.

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

Techniques avancées de scripting : fonctions, signaux, industrialisation.

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

Mettre en œuvre le contrôle d'accès obligatoire sous Linux.

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

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

Mesurer, diagnostiquer et optimiser les performances système.

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

Développer des applications robotiques avec ROS.

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

Découvrir l'environnement mainframe z/OS.

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

Acquérir les fondamentaux z/OS : TSO/ISPF, JCL, datasets.

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

Parcours intensif de formation des pilotes d'exploitation z/OS.

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

Exploiter JES2 : gestion des travaux et des sorties.

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

Piloter MVS : commandes, incidents, procédures d'exploitation.

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

Gérer les fichiers VSAM avec les services AMS.

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

Durcir son annuaire AD : tiering, comptes à privilèges, détection des attaques courantes.

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

Déployer une supervision d'infrastructure : sondes, seuils, alertes, tableaux de bord.