Vous avez été nombreux à me demander des détails sur la formation en data analyse que j'ai suivie chez Datascientest. Après 13 semaines de formation intensive, je suis maintenant diplômé. C'est donc le bon moment pour partager avec vous les principaux sujets abordés.

Domaines étudiés

Voici les domaines principaux couverts durant cette formation :

- Python : apprentissage des variables, opérateurs, boucles, fonctions, classes, etc.

- Data Quality : gestion et contrôle de la qualité des données.

- Data Processing & Cleaning : préparation et nettoyage des données.

- Machine Learning : techniques de classification et de régression.

- Prédictions temporelles : modèles Arima et Sarima.

- Méthodes non supervisées : clustering, K-means.

- Statistiques exploratoires : analyse et compréhension des données.

- Text Mining : analyse de sentiments.

- DataViz : visualisation des données.

- Business Intelligence : création de tableaux dynamiques et utilisation de Power BI.

- Data Storytelling : ou comment mieux raconter et valoriser ses données.

- Webscraping : extraction de données avec Selenium.

- Modélisation des données : modèles relationnels, pipelines, ETL, etc.

Outils et plateformes utilisés

Nous avons travaillé avec les outils et plateformes suivants (liste non exhaustive):

- Langages et bibliothèques : Python, SQL, Pandas, Matplotlib, Seaborn, Plotly, Geopandas, Sklearn.

- Outils de BI et data viz : Power BI, DAX.

- Outils de scraping et API : BeautifulSoup, Selenium, Google API.

- Autres plateformes : VS Code, Streamlit.

Tout ceci n'est bien sur pas exhaustif mais ça vous donne déjà une bonne idée du périmètre.

Méthodologie de la formation

La formation était structurée autour de cours théoriques en auto-apprentissage, d'exercices pratiques et de masterclasses pour approfondir les sujets. Nous avons aussi bénéficier du soutien de l'équipe Datascientest sous l'oeil vigilant de Christophe Feith, toujours présents pour nous aider à progresser efficacement.

Chaque semaine, un ou plusieurs examens chronométrés étaient à passer. Certains modules étaient obligatoires, d'autres optionnels.

Côté timing, durant 13 semaines, pour suivre l'ensemble des modules il fallait compter environ 35 heures par semaine, avec un travail plus soutenu pendant les deux dernières semaines où il faut mixer cours et finalisation du projet final.

J'ai personnellement choisi de faire cette formation en mode bootcamp en 13 semaines intensives, Datascientest propose également de faire le même programme sur un temps partiel de 7 mois.

Au delà du temps que va vous prendre la formation, ne sous estimez pas non plus l'effort que vous devez produire pour retourner sur les bancs de l'école ! Si vous ne sortez pas de l'école en tous cas c'était mon cas, vous n'avez plus vraiement l'habitude de rester concentré en mode apprentissage tout au long d'une journée, il faut se remettre dans le bain.

Projet de mise en pratique

Notre projet final consistait à appliquer les compétences acquises sur un cas concret. Avec ma binôme Manon Costanzo et sous la supervision de notre mentor Yaniv Benichou, nous avons étudié la vacance commerciale dans le département de la Moselle. Notre objectif était d'analyser la vacance réelle des surfaces commerciales dans cette région et de présenter nos résultats à travers des interfaces d'analyse adaptées aux personas définis en amont. Entre les volumes de données à traiter, la mise en qualité, le scrapping Google, l'utilisation des API places et search, l'analyse via Power BI et la création des interfaces de restitution, on peut dire qu'on a pas chômé mais nous nous sommes bien amusés et avons beaucoup appris.