Toutes les formations Data Value

Apprendre à qualifier les équipements de production et valider le process de fabrication pour satisfaire les textes normatifs et réglementaires en vigueur. Maîtriser dans la durée son process de fabrication.

Le scoring est une technique consistant à affecter un score à un client, un prospect, un patient, .... Il permet de répondre à différents objectifs : sélection des risques, prévision des défauts, suivi et contrôle

Se familiariser avec les fonctionnalités avancées de QGIS : Interrogation d’une base de données, modélisation et automatisation de traitements de données, traitements de données raster.

Comprendre les avantages liés à l’utilisation d’une base de données Postgis avec Qgis et être capable d’interroger la base de données, d’effectuer des mises à jour et des tâches élémentaires de gestion de données

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.

Connaître le logiciel XLSTAT pour gérer les données, réaliser des analyses statistiques et graphiques.
Apprendre à mettre en oeuvre les méthodes de statistiques descriptives, inférentielles, Anova, régression, analyse de données multidimensionnelles (ACP, AFC, ACM, classification), méthodes décisionnelles dans le logiciel XLSTAT.

Vous êtes certifié Green Belt IASSC et votre certification arrive à l'échéance des 3 ans ? Data Value vous propose de remettre à niveau vos connaissances en Lean et Six Sigma sur les points essentiels du Body of Knowledge établi par l'IASSC, de réaliser un test à blanc commenté et enfin de passer le test de certification IASSC Green Belt

Technique mathématique combinant techniques statistiques et savoir d’expert, les réseaux bayésiens permettent l’analyse de données pour en extraire des connaissances utiles à la prise de décision, contrôler ou prévoir le comportement d'un système, diagnostiquer les causes d'un phénomène, .... Les réseaux bayésiens sont utilisés dans de nombreux domaines : santé (diagnostic), industrie, informatique et réseaux (agents intelligents), marketing (data mining, gestion de la relation client), banque et finances (analyse financière), management (aide à la décision, gestion du risque), ...

S’approprier les outils, et les méthodes permettant de rendre son processus d’analyse de données sous R, aisé, reproductible, et performant.

Connaître et savoir utiliser les librairies incontournables de Python pour la data science : La Scipy Stack
Connaître et utiliser les principales librairies de visualisation de données et notamment orientées cartographie
Savoir manipuler des données volumineuses ne tenant pas en mémoire
Avoir une bonne compréhension de l'écosystème scientifique de Python, savoir trouver ses librairies et juger de leur qualité