Data analyst

Acquérir des compétences appliquées relatives à l'analyse de données aussi bien quantitatives que qualitatives. A l'issue de ce cycle de formation Data analyst, vous saurez résumer l'information pertinente présente dans un fichier de données et en extraire celle utile à la prise de décision.

Ce cycle de formation Data analyst est composé des modules suivants : Statistique descriptive (exploratoire) : savoir décrire des observations Apprendre à décrire des jeux de données à l'aide de résumés numériques et de représentations graphiques Statistique décisionnelle (inférentielle) : savoir décider au vu des observations Découvrir la statistique inférentielle permettant de généraliser à partir d'un échantillon (connaissance partielle d'un phénomène) afin de prendre une décision en sachant évaluer les deux types de risques associés. Maîtrise opérationnelle des notions d'estimation d'un paramètre, d'intervalle de confiance, de tests d'hypothèse, ... Régression linéaire, logistique et analyse de la variance Acquérir la connaissance méthodologique et pratique des méthodes de modélisation que sont la régression linéaire, la régression logistique, l'analyse de la variance et de la covariance. Elles permettent d'obtenir une analyse explicative d'un phénomène, de confirmer des hypothèses, de prendre des décisions ou encore d'effectuer des prévisions Analyse des données : méthodes exploratoires (ACP, AFC, classification) Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, Classification) afin de mettre en évidence les liaisons entre paramètres, les similitudes et différences entre observations. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants Analyse des données : méthodes décisionnelles Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants

Attestation de formation

Une formation scientifique de niveau Bac+2 ou superieur est recommandee pour suivre cette formation dans de bonnes conditions. La pratique d un langage de programmation est un plus.