Développez vos compétences. Zéro euro à payer. Grâce à nos formations payées par l’Etat
Objectifs :
Acquérir des compétences appliquées relatives à l’analyse de données aussi bien quantitatives que qualitatives.
A l’issue de ce cycle de formation, vous saurez résumer l’information pertinente présente dans un fichier de données et en extraire celle utile à la prise de décision.
Cette formation peut en option être complétée par une certification des connaissances et des compétences acquises. Organisée sur une demi-journée, la certification Data analyst s’appuie sur un QCM, des exercices ainsi qu’une étude de cas.
Programmes :
Ce cycle de formation Data Analyst est composé des modules suivants :
Statistique descriptive : savoir décrire des observations
Apprendre à décrire des jeux de données à l’aide de résumés numériques et de représentations graphiques
Statistique décisionnelle : savoir décider au vu des observations
Découvrir la statistique inférentielle permettant de généraliser à partir d’un échantillon 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
Découvrir les principales méthodes exploratoires d’analyse des données 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 , 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