Aller directement au contenu
Format : Stage pratique
Niveau Avancé
Répartition du temps : 50% exposés
30% pratique
20% échanges

La formation en détails

Description

La Data Science, en tant que discipline scientifique et mathématique, est aujourd'hui bien connue de ceux qui la pratiquent. Mais savez-vous identifier les pièges et les embûches méthodologiques spécifiques aux projets de Data Science ?

 

Forts de nos nombreux retours d'expérience et des connaissances pratiques de nos consultants, nous vous convions à découvrir avec nous les enjeux et les approches qui permettront à vos projets de se dérouler en toute sérénité, du cadrage à la phase de pilotage de production.

Objectifs

  • S'approprier les spécificités d'un projet de Data Science
  • Constituer un programme de projets de Data Science
  • Savoir mener une phase de cadrage d'un projet de Data Science
  • Piloter un projet de Data Science en exploration et en production

Public cible

  • Chef de projet IA
  • Product Owner
  • Tech Lead
  • Data Analyste / Data Scientist

Prérequis

  • Connaissances de base en Data Science (ce qu'est un modèle, différence supervisé / non supervisé)
  • Connaissance de base en Agilité (Avoir lu le manifeste agile)

Modalités pédagogiques

Formation avec apports théoriques, échanges sur les contextes des participants et retours d'expérience pratique du formateur, complétés de travaux pratiques et de mises en situation.

Profil du formateur

Toutes nos formations sont animées par des consultants-formateurs expérimentés et reconnus par leurs pairs.

Modalités d'évaluation et de suivi

L'évaluation des acquis se fait tout au long de la session au travers des ateliers et des mises en pratique.

Afin de valider les compétences acquises lors de la formation, un formulaire d'auto-positionnement est envoyé en amont et en aval de celle-ci.

Une évaluation à chaud est également effectuée en fin de session pour mesurer la satisfaction des stagiaires et un certificat de réalisation leur est adressé individuellement.

Programme détaillé

Jour 1

 

PRÉSENTATION DE FORMATION

  • Rappel du programme
  • Tour de table

 

ENJEUX D'UNE FORMATION DÉDIÉE À LA GESTION DE PROJET DE DATA SCIENCE 

  • La Data Science est une spécialité du développement logiciel (au même titre que le développement front, par exemple)
  • Les spécificités d'un projet embarquant de la Data Science

 

DÉFRICHER UN PROJET DE DATA SCIENCE

  • Utile, utilisable, utilisé
  • Les différentes façons d'utiliser de la Data Science pour tirer de la valeur
  • Apprendre à simplifier un problème de Data Science
  • Construire un portefeuille de projets en priorisant des cas d'usage
  • Identifier les hypothèses que l'on souhaite valider dans un Proof Of Concept
  • Intégration d'un système de Data Science dans un écosystème existant
  • Livrable de fin de section : un problème à résoudre est clairement posé, les principaux risques anticipables ont été POCés

 

CADRAGE POUR LE DELIVERY DE PROJET DE DATA SCIENCE

  • Affiner le business case (quantifier/qualifier valeur métier, rendre le projet actionable et utile)
  • Bien choisir sa métrique d'évaluation
  • Estimer la durée du projet, sa complexité, son coût, ses facteurs de succès, etc.
  • Identifier et minimiser les dépendances entre projets
  • Définir une architecture
  • Évaluer et prioriser les sources de données
  • Propositions d'ateliers à mener pour ne rien rater pendant le cadrage
  • Livrable de cette section : une vision suffisamment claire pour commencer à délivrer

 

Jour 2

 

CONSTITUER UNE ÉQUIPE ET SA DYNAMIQUE

  • Construire une culture d'équipe
  • Définir les rituels
  • Définir les standards
  • Livrable de cette section : une équipe qui est prête à commencer à coder

 

DELIVERY AGILE EN DATA SCIENCE

  • Introduction au Continuous Deployment
  • Commencer simple et itérer (en ajoutant des fonctionnalités, en automatisant)
  • Suivre et piloter la progression du projet
  • Gérer les expérimentations dans un cycle de delivery agile
  • Gestion visuelle du travail (le kanban) 
  • Introduction à Accelerate
  • Livrable de la section : du code en production

 

PRÉPARER LE RUN 

  • L'industrialisation, la mise en production, la production : savoir de quoi on parle
  • D'un point de vue technique
  • D'un point de vue organisationnel
  • D'un point de vue business

 

ÊTRE CAPABLE DE FINIR UN PROJET

  • Acter la décision d'arrêter ou de continuer
  • Les métriques de succès du projet
  • Éventuel transfert du projet

 

CONCLUSION

  • Synthèse des points abordés
  • Partage sur la formation
  • Questions/Réponses additionnelles

Ce qu'en disent les participants

4.35 / 5
Satisfaction moyenne
Sur la base de 19 avis, collectés en fin de formation durant les 12 derniers mois.

Nos autres formations du domaine « Data Science » Toutes les formations du domaine

DSFDX Fondamentaux de la Data Science
S'initier à la pratique de la Data Science et constituer sa première boîte à outils de Data Scientist
Durée : 21 h / 3 j
Fondamentaux
 
 
 
 
Prochaine session : 24 juin 2024
DSNVA Data Science : niveau avancé
Approfondir des concepts avancés de machine learning et enrichir sa boîte à outils de Data Scientist
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 01 juillet 2024
NLPSR Intelligence Artificielle : Natural Language Processing (NLP) & Speech Recognition
Devenir un expert du langage écrit et parlé avec python
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 27 mai 2024
DSETI Data Science : s’approprier les bonnes pratiques de l'Intelligence Artificielle Responsable
Appréhender les enjeux éthiques et favoriser l'interprétabilité et la vigilance des modèles de Machine Learning
Durée : 7 h / 1 j
Fondamentaux
 
 
 
 
Prochaine session : 20 septembre 2024
GREAI Green AI : l’intelligence artificielle responsable
Concevoir des modèles de Machine Learning en visant un équilibre entre performance et frugalité
Durée : 14 h / 2 j
Avancé
 
 
 
 
Prochaine session : 20 juin 2024
DSARC Architecture des données : stockage et accès
Appréhender et prendre en main les nouvelles architectures de données : Hadoop, NoSQL, Spark
Durée : 21 h / 3 j
Fondamentaux
 
 
 
 
Prochaine session : 13 mai 2024

Découvrez les profils métiers associés à cette formation

Data Scientist
La puissance prédictive au service des orientations stratégiques
Machine Learning Engineer
L'ingénierie logiciel au profit de vos projets de Data Science

Besoin d'aide pour trouver votre formation ?

Contactez-nous

Sessions & Inscriptions

Session partagée avec d'autres organisations

Prochaines sessions
  • du 27 au 28/05/2024
    Présentiel, Paris
    Session confirmée ✅
    1 890,00 € HT
  • du 01 au 02/07/2024
    Présentiel, Paris
    1 890,00 € HT
  • du 12 au 13/09/2024
    Présentiel, Paris
    1 890,00 € HT
  • du 18 au 19/11/2024
    Présentiel, Paris
    1 890,00 € HT
Durée
14 h / 2 j

Demander un devis Nous contacter
Télécharger le programme

Organiser une session dédiée à votre organisation

Durée
14 h / 2 j

Vous avez plusieurs collaborateurs à former ?

Cette formation peut être organisée
sous la forme de sessions dédiées
aux membres de votre organisation.

Demander un devis Nous contacter Télécharger le programme

Personnaliser cette formation

Cette formation vous intéresse
et vous souhaitez l'adapter pour
vos collaborateurs ?

Nos formateurs et notre équipe pédagogique sont à
votre disposition pour en discuter
et vous proposer un programme sur-mesure.

Nous contacter Télécharger le programme

OCTO Academy respecte votre vie privée

Ce site web stocke des informations vous concernant via le dépôt de cookie afin de mesurer l’audience du site. Ces données de navigation sont anonymisées.

En cliquant sur « OK pour moi », vous manifestez votre consentement pour le dépôt de ces cookies.

Lire la politique de confidentialité

À propos des cookies

Sur ce site, nous utilisons des cookies pour mesurer notre audience, entretenir la relation avec vous et vous adresser de temps à autre du contenu qualitif ainsi que de la publicité. Vous pouvez sélectionner ici ceux que vous autorisez à rester ici.

Cookies