DATA SCIENCE : QUOI ? OÙ ? COMMENT ?

Data Science = Science des données. C’est la discipline qui permet à une entreprise d’explorer et d’analyser les données brutes des transformateurs en informations précieuses qui aident à résoudre les problèmes de l’entreprise. L’idée est de créer des méthodes d’enregistrement, de stockage et d’analyse des données pour permettre leur exploitation comme source d’informations , comme science pour l’entreprise.

La première étape est l’appréhension du problème, pour réussir à la traverser avec succès, il faudra parfois se pencher sur des domaines éloignés de la data science. Être curieux et se poser les bonnes questions pour se familiariser au mieux avec la problématique. Ensuite c’est de l’endurance dont il faudra faire preuve. Prendre le temps nécessaire à la préparation des données, trouvez la bonne équipe, compétente et proactive. Il faudra faire preuve de rapidité pour délivrer le meilleur modèle dans le temps imparti et être capable de le challenger. La chose la plus importante pour gagner un concours de data science se résume en deux mots: Persistance et Patience. Prenez du temps dans la préparation des données, n’ignorez pas les domaines en dehors de la data science pour mieux comprendre le problème. Trouvez une bonne équipe, compétente et proactive. Il vous faudra également faire preuve de rapidité et d’astuces pour parvenir au meilleur modèle de prédiction dans le temps imparti. Pour acquérir ces bonnes pratiques, rien de tel que de suivre notre veille techno en Data sur Linkedin ou directement sur notre Blog ! Parfois la seule astuce c’est: think out of the box! 

Pour revendiquer le titre de Data Scientist, vous devez remplir certaines conditions préalables.
Amené à travailler avec des nombres et de grandes quantités d’informations, le data scientist doit avoir d’excellentes compétences analytiques et une base solide en statistiques. Les titulaires d’une maîtrise ou d’un doctorat en mathématiques et statistiques ou en informatique sont les plus susceptibles de briller dans ce domaine.
La maîtrise des outils analytiques tels que SAS, le logiciel R ou Python est également importante.
Ces prérequis de base permettent au Data Scientist de développer une approche technique pour mieux comprendre, appréhender et gérer le Big Data.

Pour devenir data scientist, il existe plusieurs cursus en école de commerce ou école d’ingénieur. Vous pouvez également vous former comme autodidacte grâce à une formation en ligne ou hybride telle que DataScientest, leader B2B de la formation en data science. Faire le choix de DataScientest c’est bénéficier d’une plateforme full SaaS sécurisée en ligne, facilement déployable qui propose un contenu unique de formation à la data science et un format notebook tourné résolument vers une pédagogie active et le learning by doing.

Pour pouvoir se former correctement, un Data Scientist en herbe doit avoir une bonne connaissance de Python et SQL. Mais pourquoi ces deux langages en particulier ?

Python est le langage de programmation à la croissance la plus rapide, il dispose d’une grande variété de librairies utiles en machine learning, analyse de données, dataviz , intégrations d’API … De plus, c’est l’un des langages informatiques les plus faciles à apprendre.

En ce qui concerne SQL, il vous permet de mieux comprendre, explorer et utiliser les données collectées par votre entreprise. C’est également le langage de référence pour la gestion des bases de données, tant en terme de popularité que d’efficacité.

C’est pourquoi nos formations axent l’apprentissage sur la pratique et le perfectionnement sur ces deux outils . L’apprentissage sur R est également possible.

DATA SCIENCE : QUOI ? OÙ ? COMMENT ?

Data Science = Science des données. C’est la discipline qui permet à une entreprise d’explorer et d’analyser les données brutes des transformateurs en informations précieuses qui aident à résoudre les problèmes de l’entreprise. L’idée est de créer des méthodes d’enregistrement, de stockage et d’analyse des données pour permettre leur exploitation comme source d’informations , comme science pour l’entreprise.

La première étape est l’appréhension du problème, pour réussir à la traverser avec succès, il faudra parfois se pencher sur des domaines éloignés de la data science. Être curieux et se poser les bonnes questions pour se familiariser au mieux avec la problématique. Ensuite c’est de l’endurance dont il faudra faire preuve. Prendre le temps nécessaire à la préparation des données, trouvez la bonne équipe, compétente et proactive. Il faudra faire preuve de rapidité pour délivrer le meilleur modèle dans le temps imparti et être capable de le challenger. La chose la plus importante pour gagner un concours de data science se résume en deux mots: Persistance et Patience. Prenez du temps dans la préparation des données, n’ignorez pas les domaines en dehors de la data science pour mieux comprendre le problème. Trouvez une bonne équipe, compétente et proactive. Il vous faudra également faire preuve de rapidité et d’astuces pour parvenir au meilleur modèle de prédiction dans le temps imparti. Pour acquérir ces bonnes pratiques, rien de tel que de suivre notre veille techno en Data sur Linkedin ou directement sur notre Blog ! Parfois la seule astuce c’est: think out of the box! 

Pour revendiquer le titre de Data Scientist, vous devez remplir certaines conditions préalables.
Amené à travailler avec des nombres et de grandes quantités d’informations, le data scientist doit avoir d’excellentes compétences analytiques et une base solide en statistiques. Les titulaires d’une maîtrise ou d’un doctorat en mathématiques et statistiques ou en informatique sont les plus susceptibles de briller dans ce domaine.
La maîtrise des outils analytiques tels que SAS, le logiciel R ou Python est également importante.
Ces prérequis de base permettent au Data Scientist de développer une approche technique pour mieux comprendre, appréhender et gérer le Big Data.

Pour devenir data scientist, il existe plusieurs cursus en école de commerce ou école d’ingénieur. Vous pouvez également vous former comme autodidacte grâce à une formation en ligne ou hybride telle que DataScientest, leader B2B de la formation en data science. Faire le choix de DataScientest c’est bénéficier d’une plateforme full SaaS sécurisée en ligne, facilement déployable qui propose un contenu unique de formation à la data science et un format notebook tourné résolument vers une pédagogie active et le learning by doing.

Pour pouvoir se former correctement, un Data Scientist en herbe doit avoir une bonne connaissance de Python et SQL. Mais pourquoi ces deux langages en particulier ?

Python est le langage de programmation à la croissance la plus rapide, il dispose d’une grande variété de librairies utiles en machine learning, analyse de données, dataviz , intégrations d’API … De plus, c’est l’un des langages informatiques les plus faciles à apprendre.

En ce qui concerne SQL, il vous permet de mieux comprendre, explorer et utiliser les données collectées par votre entreprise. C’est également le langage de référence pour la gestion des bases de données, tant en terme de popularité que d’efficacité.

C’est pourquoi nos formations axent l’apprentissage sur la pratique et le perfectionnement sur ces deux outils . L’apprentissage sur R est également possible.

JOB ET DATA SCIENCE :

DATA SCIENTIST​

Pour revendiquer le titre de Data Scientist, vous devez remplir certaines conditions préalables.
Amené à travailler avec des nombres et de grandes quantités d’informations, le data scientist doit avoir d’excellentes compétences analytiques et une base solide en statistiques. Les titulaires d’une maîtrise ou d’un doctorat en mathématiques et statistiques ou en informatique sont les plus susceptibles de briller dans ce domaine.
La maîtrise des outils analytiques tels que SAS, le logiciel R ou Python est également importante.

Pour ce faire, des formations universitaires existent depuis quelques années. Mais également , comme la besoin de montée en compétences est devenu enjeu de performances pour nombreux secteurs d’activité, des formations sur des plateformes telles que DataScientest permettent d’acquérir l’essentiel des compétences nécessaires.
Ces prérequis de base permettent au Data Scientist de développer une approche technique pour mieux comprendre, appréhender et gérer le Big Data.

La compétence des données tant dans sa compréhension que dans son exploitation et son traitement par l’entreprise est désormais recherchée dans tout type de secteur, pour des missions très variées.

Les Data Scientists peuvent travailler en grands groupes, par exemple dans le secteur bancaire, des assurances et des finances, dans les services d’audit et de conseil, via de grands groupes industriels conventionnels ou dans le secteur de la défense pour prédire le comportement des terroristes par exemple.
Ils seront également fortement sollicités par des startups ou de nouveaux logiciels de traitement de données .

Data centers, fournisseurs de services Internet, hébergeurs ou fabricants d’infrastructures sont autant de recruteurs potentiels suite à une formation en data science.

D’après Glassdoor, en 2020 un data scientist touche un salaire annuel supérieur à 44k€. Ce salaire varie fortement en fonction de l’expérience. Pour les profils les plus séniors, il avoisine les 55k€. 

Comme la science des données, les métiers qui lui sont reliés évoluent en permanence et à une rapidité croissante. Cependant, pour le moment, il semble que les évolutions hiérarchiques possibles de cette profession soient principalement de devenir chercheur ou ingénieur statisticien. Néanmoins, les Data Scientists peuvent également évoluer vers le métier d’Analyste d’Affaires, d’Ingénieur Logiciel etc..

Un Data Scientist est un profil multidisciplinaire dont la mission principale sera d’extraire des informations utiles (insights) à partir de données brutes. La profession de Data Scientist est à l’intersection de Data Analyst et Data Engineer sans négliger les connaissances commerciales dans le domaine dans lequel il opère. Un développeur de logiciels peut donc devenir plus facilement un data scientist, mais il aura tout de même besoin d’une formation complémentaire.

  1. Python data science handbook
  2. R for data science
  3. Think Python
  4. Introduction to statistical learning
  5. Understanding Machine Learning: From Theory to Algorithms

La durée de la formation est de 280 heures hors projets soit 400h projet inclus.
Celle-ci se déroule sous la forme de 85% de la formation en e-learning (auto formation) sur notre plateforme et 15 % en sessions de coaching dont la durée varie de 2h à 3h30 et qui viennent ponctuer chacun des sprints de formation. Ces sessions animées par nos data scientists interviennent donc, environ, toutes les 30h de formation.

Il convient, dès lors, de distinguer deux formats : le bootcamp ou formation intensive, et la formation continue.

Format bootcamp : la formation se déroule sur une durée de 11 semaines et 2 jours à raison de 37 h par semaine

Format « formation continue » :La formation s’étalera, ici, sur une durée de 9 mois et à raison de 6h d’implication par semaine, hors projet.

DATA ANALYST

Pour mener à bien son travail, le data analyst doit avoir des compétences spécifiques, notamment en génie informatique. Pour exploiter les données brutes à disposition de l’entreprise, il devra maîtriser les outils spécifiques au traitement de données comme Hadoop ou Spark. Une maîtrise du langage informatique est cruciale pour faire parler la donnée, la métamorphoser en insights.

Le Data Analyst utilisera également divers outils et méthodes statistiques qui permettront d’identifier les tendances qui peuvent concerner les recommandations sur les stratégies à adopter. Des compétences en marketing seront nécessaires pour lui permettre de conseiller les chefs d’entreprise dans ce domaine. La rigueur est essentielle pour pouvoir traiter correctement la grande quantité de données disponibles.

Le métier de Data Analyst n’est évidemment pas figé et suivra la rapidité d’évolution de la Data Science. L’explosion du numérique génère un nombre toujours plus important de données à traiter par les entreprises qui doivent assurer la bonne gestion de ce flux d’information et le mettre au profit de leur activité. 

L’analyse de données offre des opportunités d’emploi dans un éventail de secteurs d’activité chaque jour plus large . Les grandes entreprises financières, commerciales, marketing, industrielles, médicales en sont quelques exemples .

D’après Glassdoor, en 2020 un data scientist touche un salaire annuel supérieur à 40k€. Ce salaire varie fortement en fonction de l’expérience. Pour les profils les plus séniors, il avoisine les 49k€.

La formation Data analyst qui dure 290 heures en tout ( soit 220 heures sans projet ) se découpe également sous ces deux formats :

Format bootcamp : 11 semaines et 2 jours à raison de 25 heures par semaine d’implication.

Format « formation continue » : La formation s’étalera sur une durée de 6 mois, à raison de 6 heures par semaine d’implication.

DATA ENGINEER

Les deux fonctions se complètent. Le data engineer est un concepteur de systèmes. C’est lui qui développe, teste et implémente des architectures de données. Il crée des bases de données et organise les canalisations, c’est-à-dire les flux de données entre les sources et les bases de données de stockage. Le Data Engineer prépare le terrain pour le Data Scientist en implémentant des architectures de données au plus proche des besoins de l’entreprise. Le rôle du Data Scientist est d’exploiter les données, d’en faire quelque chose, d’en tirer des enseignements, de prendre des décisions en fonction de celles-ci. Son rôle est de faire parler les données. Il transforme les données brutes en informations utiles. Il utilise pour cela des techniques de machine learning. Il détecte les modèles, construit des modèles de données.

Le data engineer doit disposer d’une expertise pointue lui permettant de mener à bien sa mission de développement des flux de données. Il est spécialiste des langages structurés tels que Javascript, Scala et Python. Il a également des compétences dans la conception de bases de données qu’il crée en utilisant SQL et NoSQL. La production du Data Engineer doit être lisible et facile à manipuler par la suite.

Le Data Engineer conçoit des systèmes permettant le traitement de volumes considérables de données et leur exploitation par les Data Analysts et Scientists. Il doit s’assurer que les pipelines de données déployés sont suffisamment sécurisés et clairs pour être analysés par les Data Analysts puis transformés par les Data Scientists qui leur appliqueront des algorithmes.
Les secteurs d’activités privilégiés des data engineers sont les mêmes que ceux du data scientist. Cela va des grands groupes industriels (banques, assurances …) aux data centers en passant par les startups ou les éditeurs de logiciels de traitement de données.

D’après Glassdoor, en 2020 un data engineer touche un salaire annuel supérieur à 43k€. Ce salaire varie fortement en fonction de l’expérience. Pour les profils les plus séniors, il avoisine les 50k€.

La durée de la formation est de 280 heures hors projets soit 400h projet inclus.
Celle-ci se déroule sous la forme de 85% de la formation en e learning (auto formation) sur notre plateforme et 15 % en sessions de coaching dont la durée varie de 2h à 3h30 et qui viennent ponctuer chacun des sprints de formation. Ces sessions animées par nos data scientists interviennent donc, environ, toutes les 30h de formation.

Il convient, dès lors, de distinguer deux formats : le bootcamp ou formation intensive et la formation continue.

Format bootcamp : la formation se déroule sur une durée de 11 semaines et 2 jours à raison de 37 h par semaine

Format « formation continue » :La formation s’étalera, ici, sur une durée de 9 mois et à raison de 6h d’implication par semaine, hors projet.

FORMATIONS DATASCIENTEST

Avec un prérequis de bac +3 en mathématiques ou bac +5 en sciences, un bootcamp de 3 mois avec DataScientest vous donnera toutes les compétences nécessaires pour devenir data scientist.

Les Data Bootcamps DataScientest se déroulent 100% en ligne sur notre plateforme de formation et sont ponctués de sessions de coaching en visio conférence. Ces sessions de coaching sont animées par les formateurs data scientists, chef de cohortes.

Les prérequis sont différents en fonction de la formation choisie : 

  • Data Analyst : un niveau Bac+3 en Mathématiques ou Informatique est généralement requis.
  • Data Scientist : un niveau Bac+5 en Mathématiques et/ou Statistiques et des notions de programmation sont généralement conseillés.
  • Data Ingénieur : un niveau Bac+5 en Informatique et Bac+3 en Statistiques sont généralement requis.

Que ce soit pour des personnes avec des bases en mathématiques, statistiques ou informatique qui cherchent à se reconvertir ou bien à des développeurs souhaitant monter en compétences dans les Data Sciences, nos formations sont adaptées à de nombreux profils. De plus, notre offre « à la carte » permettra à des spécialistes Data déjà en place de monter en compétences sur certaines notions.

Trois bootcamps sont disponibles : Data Analyst, Data Scientist et Data Ingénieur.

N’hésitez pas à en discuter avec notre équipe par mail à contact@datascientest.com ou directement lors des sessions de coaching.

Nos bootcamps sont découpés en plusieurs modules qui sont évalués à l’aide d’un examen certifiant. Ainsi, chaque module fait l’objet d’une certification individuelle.
Une attestation de l’université Paris 1 Panthéon Sorbonne vous sera delivrée à l’issue de la formation DataScientest de Data Analyst, Data Scientist et Data Engineer.

Notre plateforme de formation est disponible en français et en anglais et nos sessions de coaching sont aussi dispensées dans ces deux langues.

Il est préférable de postuler au moins trois semaines avant le début de la formation pour faire en sorte de gérer au mieux votre formation. Néanmoins, n’hésitez pas à nous contacter, même en cas de calendrier serré, et nous essaierons au mieux de vous faire accéder à la formation qui vous correspond.

Le projet n’est pas imposé, il est choisi puis défendu par les users. Il s’agit donc d’un vecteur de promotion de l’intra ou entreprenariat selon les contextes. Les projets sont ensuite choisis selon une grille de sélection qui prend en compte leur viabilité scientifique, l’accès aux données et l’intérêt des autres participants et sponsors pour la problématique choisie. En effet, un projet intéressant et bien mené peut tout à fait être mis en production dès la fin de la formation.

En dehors des dates de formations communiquées sur notre site, des départs en formation se font régulièrement pour des cohortes intra entreprises. Pour lancer une cohorte, l’effectif minimum est de 10 personnes. Le pricing associé est étudié au cas par cas, sur demande.

Si le user est déjà familier avec des concepts figurant dans sa formation, il pourra demander une modification de son parcours sur la cellule support ou à son directeur de cohorte. Sa demande sera alors étudiée par notre équipe de data scientist. L’objectif sera de rester cohérent quant aux objectifs principaux du tronc commun.

Tout au long de la formation, que le format choisi soit bootcamp ou formation continue, un support en live chat est disponible tous les jours ouvrés de 9h à 19h. Nos data scientists sont disponibles pour répondre à vos questions d’ordre technique ou pédagogique.

Le Responsable de Cohorte et l’équipe Daniel sont les premiers à détecter les éventuelles difficultés, ils vérifient les temps de connexion des bénéficiaires, identifient les éventuelles difficultés d’apprentissage. Si un apprenant est en difficulté, le Responsable de Cohorte déclenche alors le processus de remédiation qui fait intervenir l’ensemble de l’équipe de suivi.
Le processus de remédiation se décompose en 3 temps :

  • Identification de la difficulté
  • Solution envisagée afin de remédier à la difficulté
  • Intervention
  • Résultat

Le bénéficiaire se verra proposer lors d’un entretien avec le chargé de suivi diverses solutions en fonction de la problématique, le chargé de suivi actionnera l’ensemble des leviers possibles afin d’aider le bénéficiaire à remédier à cette situation et lui permettre de se consacrer à sa formation.

Si l’apprenant à une baisse de motivation qui n’est ni lié à des difficultés d’apprentissage, ni lié à une situation personnelle particulière, un entretien avec le Career Manager sera proposé. Au cours de cet entretien le Carrer Manager identifiera les raisons de cette perte de motivation et s’efforcera de remotiver le bénéficiaire en le focalisant sur les perspectives d’emploi au terme de sa formation. Suite à l’application d’une solution , l’équipe de suivi mesure 2 semaines après les résultats de leur intervention auprès du bénéficiaire en situation de décrochage

Notre équipe s’occupant de la création de contenu et de la correction d’examens, maîtrise tous les tenants et les aboutissants de la formation pour pouvoir répondre de la manière la plus précise possible à vos questions.

D’autre part, les sessions de coaching qui ponctuent chacun des sprints de formation sont également un excellent moyen de faire un point plus global sur le déroulé de la formation. Votre responsable de cohorte sera disponible pour répondre à toutes vos questions et assurer le suivi le plus personnalisé possible.

Enfin, le fonctionnement en cohorte assure une émulation similaire à celle d’une salle de classe et il est très important que les users de chaque cohorte progressent ensemble au cours du parcours.

Ces différentes briques nous assurent aujourd’hui un taux moyen de complétion des formations de 100 %.

Avant de traiter ce sujet, il convient de déterminer 2 types de reconnaissance. De manière informelle, les formations et les certifications DataScientest sont très largement reconnues par les acteurs influents du monde de la data, à minima dans l’Hexagone. En effet la trentaine de groupes ayant bénéficié de nos formations sont, pour l’écrasante majorité d’entre eux, issus du CAC 40 et l’expertise de nos contenus est aujourd’hui connue.

D’autre part, nos diplômes sont reconnus par l’université Paris I, Panthéon Sorbonne. En effet, après un audit poussé de nos contenus, tests, et processus de certification, la prestigieuse université a jugé DataScientest apte à bénéficier d’une certification Paris 1 Panthéon Sorbonne.

Enfin, nous avons déposé une demande auprès du Ministère de l’Éducation nationale et de France compétence pour que nos diplômes soient reconnus par l’État (et par la même occasion, éligibles au CPF) . Compte tenu du confinement et de la récente réforme de l’enseignement, les délais sont considérablement rallongés mais nous avons bon espoir d’obtenir cette reconnaissance avant la fin de l’année 2020.

Financement des formations

Selon votre situation professionnelle, plusieurs options s’offrent à vous. 

Pour vous aider à y voir plus clair, nous avons listé les différentes possibilités dans cet article. 

Pour permettre à chacun d’assumer les coûts de formation de la manière qui lui convient le mieux, nous avons mis en place un échelonnement de paiement qui se découpe ainsi : 500€ de frais de dossier au moment de l’inscription quelle que soit la formation. Le reste à charge (variable en fonction de la formation choisie) sera découpé en 3 parties égales exigibles au début des 3 premiers mois de formation.

Si vous êtes demandeurs d’emploi, vous pouvez effectivement faire une demande de financement auprès de votre conseiller en mobilisant le dispositif AIF (Aide Individuelle à la Formation). Retrouvez directement nos formations et toutes nos sessions sur votre espace personnel Pôle Emploi et faites la demande de devis directement en ligne.

Votre devis sera traité par nos équipes, et votre conseiller sera notifié dès l’envoi. Concernant le financement, votre conseiller référent est décisionnaire pour vous accorder ou non un financement, en fonction de plusieurs critères dont votre motivation ainsi que l’adéquation de la formation avec votre projet professionnel. Nos équipes sont à votre écoute pour vous aider dans ces démarches.

En effet, dans le cadre du POEI, la formation sera entièrement financée par Pôle Emploi, mais il faudra, pour cela, une promesse d’embauche préalable au cursus. Dans la situation actuelle de crise du Covid 19, cela semble particulièrement compliqué hormis pour les “top profils”. N’hésitez pas à nous contacter nous pourrons vous aiguiller compte tenu de notre expertise sur ce sujet.

Pour en savoir plus sur les dispositifs de financement de la formation rendez vous ici

LA MÉTHODE DATASCIENTEST

Partis du constat d’un manque de solution purement B2B de formation aux data sciences, nous avons créé DataScientest il y a maintenant plus de 4 ans.

Très vite, nous avons fait le choix d’un format hybride: 90% en distanciel et 10% en présentiel.

La formation se fait sur une plateforme sécurisée et est complétée d’un support, de séances de coaching en présentiel et d’un projet big data.

Si la plupart des formations sur internet sont plutôt une combinaison de cours vidéo et de quizz, DataScientest a fait le pari d’un dispositif à l’opposé de cette méthode.

Notre pédagogie active s’articule autour de notre plateforme qui fournit à l’apprenant un environnement prêt à coder ne nécessitant aucune installation.

Cette technologie est rendue possible grâce à l’hébergement de nos CPU GPU et cluster dans des serveurs AWS et nous permet de délivrer des notebook de formation de learning by doing, la théorie se fondant dans les exercices que l’apprenant sera amené a résoudre.

Les cursus sont découpés en sprints, eux mêmes composés de modules.

Par exemple, la plupart des cursus Python débutent par le Sprint 1 D’introduction à Python lequel est composé des 4 modules suivants : “Introduction au langage Python” “Numpy pour la Data Science”// “Pandas pour la data science”// “Introduction à Scikit learn”.

Chaque sprint est clôturé par une évaluation débloquée après la validation de l’ensemble des modules le composant. Celle ci sera directement faite sur la plateforme et chronométrée.
La correction se fera, à la main, par nos data scientists. Loin d’une correction automatisée et impersonnelle, ceux ci prendront en compte la qualité du raisonnement, les commentaires ajoutés aux codes ainsi que la gestion du temps (copie historisée toutes les 5 minutes.)

Véritable pierre angulaire de notre formation, le projet Big Data intervient dans les cursus supérieurs à 6 mois. Il sera réalisé par bi ou tri nôme et sa sélection donnera lieu à une session de coaching entièrement dédiée. Destiné à la mise en production dès la fin de la formation, il sera réalisé avec les données de l’entreprise auquel nous n’avons, bien entendu, pas accès.

Le projet présentera donc un double avantage: Non content de fournir à l’entreprise un véritable POC, il sera le meilleur vecteur de motivation pour les apprenants qui appliquent, immédiatement, les notions théoriques acquises sur la plateforme.

Le projet n’est pas imposé, il est choisi puis défendu par les users. Il s’agit donc d’un vecteur de promotion de l’intra ou entreprenariat selon les contextes. Les projets sont ensuite choisis selon une grille de sélection qui prend en compte leur viabilité scientifique, l’accès aux données et l’intérêt des autres participants et sponsors pour la problématique choisie. En effet, un projet intéressant et bien mené peut tout à fait être mis en production dès la fin de la formation.

Durant toute la formation un contact permanent est établi entre l’utilisateur et le support. Dès que l’utilisateur commence à présenter un retard, une relance manuelle est envoyée par message slack ou par mail. Dans le cas d’une absence de réponse ou de progression le support tente de contacter l’utilisateur par téléphone pour faire le point avec lui. Si au bout de 10 jours nous n’avons pas de nouvelles de l’utilisateur un email peut être envoyé au manager. C’est ce suivi personnalisé qui assurent un taux de complétion de 100% de toutes nos formations.

L’utilisateur doit prévenir le support en cas d’absence supérieure à 7 jours ouvrés. Si cette absence engendre un retard, le planning de l’utilisateur peut être ré-adapté. 

  • Toutes les semaines des reportings exhaustifs avec tous types d’indicateurs quantitatifs (heures, exercices, certifications) sont envoyés aux responsables RH et métier.
  • Toutes les 5 à 6 semaines, le directeur de cohorte côté DataScientest entre en contact avec ses interlocuteurs côté groupe afin de leur faire remonter des informations individuelles de suivi ainsi que l’avancement de chacun des projets de groupe

Nous avons fait nôtres les normes et restrictions les plus strictes. En effet, notre plateforme https hébergée sur des serveurs dédiés nous garantit un maximum de sécurité, a tel point que nous sommes, aujourd’hui, déployés dans les groupes les plus strictes de l’hexagone sur ces sujets. 

Notre partenariat avec la sorbonne est construit autour de certifications courtes. En effet, après un audit de la plateforme et du contenu de nos modules, la prestigieuse université a décidé de nous accorder une sur-certification. Concrètement, suite à la certification data scientist obtenues à la suite des évaluations, celles ci sont envoyées à l’université qui desservira alors un diplôme papier moyennant un certain coût qui restera inchangé quelque soit le nombre de certifications par personne.

Les cursus sont construits en collaboration avec les groupes. En effet, ceux ci dépendront d’une multitudes de critères tels que, les besoins du groupe, les acquis des apprenants ou encore les choix stratégiques  faits par le groupe (langage, librairies etc..)

Les prérequis dépendent évidemment du cursus et des modules choisis. D’une manière générale, nous considérons qu’une licence ou équivalent en mathématiques ou informatique est nécessaire, au moins pour les premiers modules d’introductions aux langages.

Encore une fois, cela dépend du cursus et du nombre de mois choisi mais d’une manière générale, un minimum de 4 à 5 heures par semaine est nécessaire, tout au long du cursus pour mener ce dernier à bien et dans les meilleures conditions.

Premièrement, nous proposons un contenu orienté business avec une montée en compétences théorique associée avec des use cases métiers pratiques. Alors que DataCamp est une plateforme qui a été pensée pour les étudiants puis adaptée pour les business, la plateforme DataScientest, a été quant à elle, pensée et conçue pour les entreprises et pour faire monter en compétences les collaborateurs dans les Data Science. De plus, notre architecture est similaire aux architectures d’un Data Lab.

En ce qui concerne notre plateforme, notre contenu est disponible en anglais comme en français.
Nous assurons un support en live chat (jours et heures ouvrés) pris en charge par les professeurs qui ont créé nos cours. Ce support nous permet aujourd’hui d’assurer 100% de complétion sur nos formations !

Afin d’évaluer les utilisateurs, des examens certifiants sont mis en place. Ces certifications sont délivrées par l’université Paris La Sorbonne. Les examens quant à eux ont une réelle valeur sur le marché car notre plateforme est utilisée comme outil de recrutement par de grands groupes comme Allianz ou le BCG.

E-LEARNING

Les formations en e-learning sont dispensées sur notre plateforme full Saas sécurisée.
Le format choisi est le notebook Jupyter, ce qui veut dire que la formation ne nécessite aucune installation préalable. Ainsi, vous pourrez commencer à coder dès la réception de vos identifiants et mot de passe.
Si vous avez la moindre question, un support live chat sera disponible via Slack afin de répondre à toutes vos questions sur la formation.

Si un problème d’ordre technique survient lors de votre formation, n’hésitez pas à contacter help@datascientest.com qui tentera de répondre à vos questions dans les plus brefs délais.

Si vous avez la moindre question lors de votre formation, vous pouvez contacter notre support via Slack, qui s’efforcera de vous guider et de répondre à toutes vos questions.