Formation Data Science à Oslo

Oslo
Temps plein (9 semaines)
Prochainement

En 9 semaines intensives, apprenez la Data Science de Python au Machine Learning, développez toutes les compétences pour rejoindre une équipe data et accélérez votre carrière.

En 9 semaines intensives, apprenez la Data Science de Python au Machine Learning avec Le Wagon.
Détails de la formation
Expérience

Rejoignez une formation unique

Notre formation Data Science vous donne les compétences nécessaires pour lancer votre carrière dans une équipe Data. Des fondamentaux de Pandas aux modèles avancés de Deep Learning, vous apprendrez à explorer, nettoyer, transformer des données pour les rendre actionnables et à implémenter des modèles de machine learning de A à Z en production, en travaillant en équipe avec les meilleurs outils.

La formation Data Science du Wagon vous donne les compétences nécessaires pour lancer votre carrière dans une équipe Data,
Learn Data Science in 9 weeks
Check out what our alumni have built in 2 weeks
Curriculum

Curriculum de la formation Data Science

Notre formation est conçue pour vous faire apprendre la Data Science étape par étape, depuis la boîte à outils du data scientist en Python jusqu'à l'implémentation complète d'un modèle de Machine Learning en production.

  • 0
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • ∞

Start the bootcamp prepared!

Notre formation Data Scientist est très intense. Pour gagner du temps et démarrer dans les meilleures conditions, nos étudiants complètent un travail préparatoire en ligne avant de commencer la formation. Ce travail prend environ 40 heures et enseigne les bases du langage Python, pré-requis pour cette formation, ainsi que quelques notions clef en mathématiques utilisées tous les jours par les data scientists.

Python en Data Science

Apprenez à programmer en Python en utilisant Jupyter Notebook et des librairies puissantes comme Pandas et NumPy pour explorer de gros jeux de données. Collectez vos données depuis différentes sources, dont des fichiers CSV, des requêtes SQL, Google Big Query, ou encore en utilisant une API ou le Web scraping.

Base de données relationnelle et SQL

Apprenez à formuler une question pertinente et à y répondre en construisant la bonne requête SQL. Ce module couvre l'architecture de base de données et vous apprend les manipulations avancées du SELECT pour extraire de l'information utile en se connectant directement à une base de données ou via un client SQL comme DBeaver.

Visualisation de données

Rendez vos analyses de données plus parlantes en intégrant des visualisations de données à vos Notebooks. Apprenez à tracer des graphes à partir de vos data frames grâce à des librairies Python comme matplotlib\ou seaborn pour rendre vos données plus actionnables.

Statistiques, Probabilités, Algèbre linéaire

Comprenez les concepts mathématiques qui sont derrière les librairies et les modèles que vous utilisez tout au long du bootcamp. Maîtrisez les notions de base en probabillités et en statistiques (moyenne, variance, variable aléatoire, théorème de Bayes, etc.) et en calcul matriciel, au coeur des opérations exécutées par les librairies Pandas et NumPy.

c pulse Inférences statistiques

Vous apprendrez comment structurer un projet Python en programmation orientée objet afin de rendre votre code réutilisable, comment survivre à la phase de préparation d'un vaste ensemble de données, et comment trouver et interpréter des résultats statistiques significatifs basés sur des modèles de régression linéaires à plusieurs variables.

speaker Communication

Un Data Analyst doit savoir communiquer ses conclusions à un public non-spécialisé : Vous apprendrez à avoir de l'impact en expliquant vos conclusions techniques et en les transformant en recommendations business à l'aide d'une analyse coûts/bénéfices. Vous pourrez partager, présenter et comparer vos résultats à vos coéquipiers.

Preprocessing et Apprentissage Supervisé

Explorez, nettoyez et préparez vos jeux de données grâce aux techniques de preprocessing comme la vectorisation. Familiarisez-vous avec les modèles classiques de l'apprentissage supervisé - les régressions linéaires et logistiques. Travaillez sur des tâches de prédiction et de classification avec la librairie scikit-learn en utilisant des algorithmes comme les KNN (k-nearest neighbors).

Généralisation et Overfitting

Assurez-vous que votre modèle peut se généraliser à de nouvelles données et être mis en production avec une exactitude prédictible, en mettant en place des phases d'entraînement et de test. Apprenez à éviter l'overfitting avec des méthodes de régularisation et à améliorer la finesse de votre modèle en choisissant la bonne fonction de coût à minimiser.

Métriques de Performance

Evaluez votre modèle en définissant ce que vous voulez optimiser et les bonnes métriques d'erreur en fonction de votre problématique business. Améliorez la performance de votre modèle avec des méthodes de validation comme la cross validation ou l'hyperparameter tuning. Ajoutez une nouvelle méthode à votre boite à outils: SVM (Support Vector Machines).

Apprentissage non supervisé et Méthodes Avancées

Passez à l'apprentissage non supervisé avec des méthodes comme la PCA (analyse en composante principale) pour faire de la réduction de dimension ou le clustering pour découvrir des groupes dans un jeu de données. Complétez vos connaissances avec les méthodes ensemblistes, qui combinent plusieurs modèles pour améliorer la performance, comme Random Forest ou Gradient Boosting.

Gestion de données d'images et de textes

Apprenez à gérer des données de grande dimension. Découvrez les techniques classiques de preprocessing d'images comme la normalisation, la standardisation et le whitening. Choisissez la bonne technique d'encodage de texte en fonction des tâches de NLP (Natural Language Processing) que vous voulez accomplir.

Réseau de neurones

Comprenez l'architecture classique des réseaux de neurones (neurones, couches, sous-groupes) et leurs paramètres (fonction d'activation, fonction de coût, optimizer). Devenez autonome et construisez vos propres réseaux comme des Réseaux de Neurones Convolutifs (pour les images), Récurrents (pour les séries temporelles) et des Réseaux de Natural Language Processing (pour du texte).

Deep Learning avec Keras

Découvrez une nouvelle librairie appelée keras qui est une sur-couche de tensorflow, la libraire de Deep Learning créée par Google, plus simple à utiliser pour les développeurs. Nous vous enseignerons les techniques fondamentales pour construire vos premiers modèles de Deep Learning avec keras.

Computer Vision

Approfondissez vos compétences en computer vision grâce au Deep Learning en construisant des réseaux de neurones pour de la détection ou de la reconnaissance d'objets. Découvrez des techniques avancées comme l'augmentation de données pour augmenter la taille de votre jeu de données d'entraînement en générant des perturbations sur vos images pour améliorer ensuite la généralisation de votre modèle.

Machine Learning Pipeline

Passez de Jupyter Notebook à un éditeur de code et apprenez à configurer un projet de code de machine learning pour itérer rapidement en toute confiance. Découvrez comment mettre en place une pipeline robuste et scalable avec sklearn-pipeline en utilisant des encoders et des transformers.

Workflow de Machine Learning avec MLflow

Pour implémenter un modèle de machine learning, il faut passer par de nombreuses étapes de préparation, d'expérimentation, d'itération et de réglage. On vous apprendra à mettre en place votre feature engineering et votre hyperparameter tuning pour construire le meilleur modèle. Pour ça, vous utiliserez la libraire MLflow.

Mise en production avec Google Cloud Platform

Finalement, déployez votre code et votre modèle en production ! En utilisant Google Cloud AI Platform vous serez capable d'entraîner vos modèles à l'échelle, de les packager, les mettre en ligne, et les rendre disponible à tous. Cerise sur le gâteau, apprenez à utiliser un environnement Docker pour déployer votre propre API Flask RESTful qui pourra être connectée à n'importe quelle interface Front-End.

Projets libres

Après ce premier projet e-commerce d'une semaine, vous passerez les deux semaines suivantes sur un projet de groupe en choisissant vous-même le problème de data science que vous souhaitez résoudre. Vous apprendrez à travailler en équipe et à collaborer en suivant le Git flow. Vous utiliserez un mélange de vos propres données (si vous voulez utiliser des données de votre entreprise ou association) et de données en open data (initiatives publiques, Kaggle... etc). Un excellent moyen de mettre en pratique les outils, techniques et méthodologies de la formation Data Science, qui vous fera prendre conscience de l'autonomie que vous avez acquise.

Journée-type

Une journée type au Wagon

Des cours du matin aux talks du soir, chaque journée est intense.

Cours
Cours du matin9:00AM - 10:30AM

Prenez un café et commencez chaque journée avec un cours dynamique et interactif, où vous pourrez poser toutes vos questions avant de mettre ce que vous avez appris en pratique.

Challenges
Challenges10:30AM - 4:30PM

Retrouvez votre “buddy” du jour et travaillez sur une série de challenges de code, accompagné par nos professeurs et professeurs assistants.

Yoga
Yoga16h30 - 17h30

Apprendre à coder peut être très intense. Nos séances de yoga permettent de se détendre et remettre ses idées en place.

Live code
Live code5:30PM - 7:00PM

Revoyez les challenges du jour et ayez un aperçu des cours à venir pendant les sessions de live code.

Talks & ateliers
Talks & Ateliers7:00PM - 8:30PM

Inspirez-vous des histoires et conseils d’entrepreneurs à succès invités lors de nos talks et ateliers exclusifs.

Communauté & outils

Réseau et enseignement à vie

Notre formation Data Science n'est que le début de votre parcours. Une fois diplômés, vous appartenez à une communauté tech internationale et avez accès à notre plateforme en ligne pour continuer à apprendre et progresser.

Slack icon Groupes Slack

Recevez des conseils d'alumni devenus Data Scientist ou Data Analyst, accédez à des opportunités d'emploi et missions freelance par des entrepreneurs et développeurs.

Enseignement en ligne

Accédez à notre plateforme éducative en ligne à n'importe quel moment après la formation : vous trouverez tous les cours, exercices et flashcards de Data Science.

Communauté tech

Bénéficiez de notre communauté globale de 8364 alumni qui travaillent dans des métiers de la data, mais aussi des entrepreneurs, développeurs et product managers.

Icon tutorials Présence internationale

Nos différentes formations sont suivies dans 39 campus à travers le monde : partout où vous allez, vous appartenez à la communauté du Wagon !

Communauté et outils à vie
Career Services

Trouvez un emploi en data

Une fois la formation terminée, vous bénéficiez de notre service Carrières. Nous vous aidons à rencontrer les meilleures entreprises et alumni les plus pertinents.

microsoftwordCreated with Sketch. Career Playbook

Accédez à un guide complet pour lancer votre carrière en Data Science après la formation : soignez votre portfolio, utilisez notre réseau, trouvez l'emploi de vos rêves.

myspaceCreated with Sketch. Événements Carrière

Participez à nos job fairs et événements de networking, rencontrez les meilleures entreprises tech qui cherchent à recruter des talents en data.

buymeacoffeeCreated with Sketch. Alumni Coaching Sessions

Les alumni de notre formation Data Science aiment raconter comment ils sont devenus Data Scientist, Data Analyst ou Data Engineer avec de nouveaux alumni.

wechatCreated with Sketch. Mises en relation

Nos équipes locales connaissent leurs alumni et entreprises partenaires, ce qu'ils font et recherchent. Ils vous mettent en relation avec les bonnes personnes.

Les alumni de notre formation Développeur Web rejoignent les meilleures entreprises
Hiring Partners

Ils recrutent nos alumni en data

Les meilleures entreprises s'associent avec Le Wagon et recrutent nos alumni en tant que Data Scientist, Data Analyst ou Data Engineer.

Frichti A recruté 1 alumni
Doctolib A recruté 9 alumni
+7
Google A recruté 4 alumni
+2
Getaround A recruté 6 alumni
+4
Aircall A recruté 3 alumni
+1
ContentSquare A recruté 1 alumni
Financements

Trouvez le bon financement

Nous vous aiderons à choisir l'option la plus adaptée à Oslo.

Covid-19 scholarship

Have you lost your job or your income has been significantly reduced due to the coronavirus situation? We offer scholarships covering from 10-35% of bootcamp tuition for those who were affected the most. Send in your application explaining why you think you qualify for this scholarship. Documents confirming your income reduction will be requested.

Discounts cannot be combined. Students who choose to defer enrolment after being awarded a scholarship are not guaranteed the same amount for a future session. Students must make their interest for this scholarship known in their application and to their admissions contact during the first interview. Recipients who enrol using a Le Wagon scholarship agree to provide a success story upon graduation.

Young Women in Tech scholarship

⚠️Eligibility: Age 17 to 23 years old at the time of bootcamp

In an effort to increase the number of women in technology-related fields, we’re committing to help self-identifying young women pursue their dreams of becoming tech entrepreneurs, junior developers and project managers.

All self-identifying women between the ages of 17 to 23 years old are applicable for the 50% reduction in tuition.

Discounts cannot be combined. Students who choose to defer enrollment after being awarded a scholarship are not guaranteed the same amount for a future session. Students must make their interest for this scholarship known in their application and to their admissions contact during the first interview. Recipients who enroll using a Le Wagon scholarship agree to provide a success story upon graduation.

Mario & Luigi scholarship

Are you and your friend or co-founder ready to jump into the next level? 10% reduction in tuition each when you enroll together.

Discounts cannot be combined. Students who choose to defer enrollment after being awarded a scholarship are not guaranteed the same amount for a future session. Students must make their interest for this scholarship known in their application and to their admissions contact during the first interview. Recipients who enroll using a Le Wagon scholarship agree to provide a success story upon graduation.

Vous souhaitez aller plus loin ?

Postulez maintenant