Data Scientist

1/ COLLECTE ET STOCKAGE DES DONNÉES - Constitution d'un inventaire des données de l'organisation. - Définition d'une stratégie de collecte et de stockage. - Industrialisation et automatisation de la collecte et du stockage. 2/ PRÉPARATION ET TRAITEMENT DES DONNÉES - Centralisation des définitions des données de l'organisation. - Mise en place d'un processus de transformation automatisée des données. - Supervision du processus de transformation et des risques associés. 3/ MODELISATION ML AVANCEE ET DEEP LEARNING - Préparation et entrainement de modèles de machine learning avancés. - Modélisation de séries temporelles et l'application de la théorie des graphes à l'apprentissage automatique - Préparation et entraînement de différentes familles de modèles de réseaux de neurones 4/ MISE À DISPOSITION ET ACCESSIBILITÉ - Déploiement et mise à disposition de modèles entraînés à des utilisateurs finaux. - Déploiement et mise à disposition des données et modèles aux autres équipes techniques. - Communication et accompagnement des équipes métier.

1. REMISE A NIVEAU SUR LES PROJETS DATA - Exploration et analyse des données avec Python et Pandas. - Utilisation de l'algèbre linéaire, des statistiques et des probabilités. - Prédictions en Machine Learning avec Scikit-learn. 2. MODELISATION AVANCEE, DEEP LEARNING ET APPLICATION A DES PROJETS CONCRETS - Modélisation ensembliste - Modélisation de séries temporelles - Entraînement de réseaux de neurones avec Tensorflow et Keras. - Reconnaissance d'image avec des réseaux convolutifs. - Traitement de texte grâce aux techniques de NLP et aux modèles RNN. - Découverte de la théorie des graphes et de ses usages. - Développement d'une application.

Non renseigné

1. Candidature depuis ce lien : https://www.wildcodeschool.com/fr-fr/candidature?tab=2 2. Test technique 3. Entretien de motivation Une fois admis, le candidat beneficie d un coaching personnalise pour trouver une alternance dans une entreprise