Formation Continue

Programme | Certificat Data Science

Langages, Modèles et Systèmes & Applications3,5 jours

  • Introduction à l’analyse de grandes masses de données
  • Architectures avec parallélisme massif
  • L’écosystème Hadoop et MapReduce
  • Architectures et langages NoSQL
  • Intégrer HADOOP dans un Système d’Information d’Entreprise
  • Stockage des données (Base de données classiques et base de données Nosql)

Machine Learning & Data Mining3 jours

  • Introduction à l’apprentissage automatique
  • Apprentissage supervisé (modèles prédictifs) : Régression, arbres de décision, bagging, SVM, réseaux de neurones
  • Apprentissage non-supervisé (modèles explicatifs/exploratoires) : Changement de représentation/ Réduction de dimensionnaté, analyse par composantes principales, décomposition en valeurs singulières, clustering
  • Sessions pratiques sous Python avec les librairies ScikitLearn et PyTorch (deep learning)

Graph Databases1,5 jours

  • Bases de données graphes : modélisation des données en graphe, architecture, Neo4j
  • Langages de requête pour les graphes (Cypher)
  • Frameworks pour l’analyse des graphes ( Pregel, GraphX)

Projet1 jour

Les participants auront l’occasion de mettre en oeuvre les connaissances acquises dans les modules du certificat dans le cadre d’un projet pratique.

Modalités pédagogiques

Contrôle des connaissances

La validation des acquis des enseignements et la délivrance du certificat Data Science est conditionnelle à plusieurs types d’épreuves :

  • Un QCM (avec des questions libres) pour chacune des 3 matières au programme, permettant de valider l’acquisition des connaissances vues tout au long de la formation.
  • La construction et la soutenance d’un projet.

Responsable de la formation & intervenants

Khalid Belhajjame

Maître de conférences en informatique et membre du LAMSADE, Université Paris Dauphine-PSL

Khalid Belhajjame est spécialiste en pay-as-you data integration, e-Science, scientific workflow management, provenance tracking & exploitation et semantic web services.

Jamal Atif

Professeur des Universités en informatique, Université Paris Dauphine-PSL

Jamal Atif est chercheur en Machine learning. Il est chargé de mission IA au CNRS et directeur scientifique adjoint de l'institut PRAIRIE.

Dario Colazzo

Professeur et membre du LAMSADE, Université Paris Dauphine-PSL

Dario Colazzo est responsable du Pôle Data Science du LAMSADE (Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision) de Dauphine-PSL. Il est également co-directeur du département MIDO (Mathématiques et informatique de la Décision et des Organisations) de Dauphine-PSL et responsable pour l’Informatique. Il est par ailleurs professeur chargé de cours à l’École Polytechnique au sein du CMAP.
Ses recherches et ses intérêts se situent à l’intersection des bases de données et des langages de programmation, avec un focus récent sur des aspects de traitement sûr et efficace pour les données massives et semi- structurées - Big Data.

Daniela Grigori

Professeure des universités en informatique, Université Paris Dauphine-PSL

Daniela Grigori est spécialiste en business process Management, workflow technology, web services, SOA et data mining.
Elle est par ailleurs directrice du LAMSADE (Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision) de Dauphine-PSL.

Focus sur

Webinaire sur la thématique de la décision algorithmique | Dauphine-PSL


Contact


Florence Biéret 
06 79 75 64 02
florence.bieret@dauphine.psl.eu 

Nous contacter

Florence Biéret 
06 79 75 64 02
florence.bieret@dauphine.psl.eu