Formation Data Engineer à Paris - Bachelor

Forte d’une quinzaine d’années d’expérience dans la formation informatique, l’école Ingetis est un centre de préparation agréé pour le Titre Coordinateur de projets informatiques – infrastructures cloud, applicatives ou data (Niveau 6 enregistré au RNCP sous l’autorité de Sup de Vinci – Lien vers la fiche France Compétence – Option « Data »).

• Une expertise recherchée : La Data Science est un domaine en pleine expansion avec une forte demande sur le marché du travail.
• Des projets concrets : Tout au long de la formation, vous réaliserez des projets en lien avec des besoins réels d’entreprise.
• Un accompagnement personnalisé : Une équipe de professionnels et de coachs est à votre disposition pour vous aider à réussir.
• Une alternance accessible : Vous pouvez suivre la formation en alternance pour allier théorie et pratique en entreprise.

Le cursus est accessible via une prépa intégrée de deux ans au sein de l’école INGETIS, ou directement en BAC+3 (avec un prérequis de niveau suffisant en informatique)

Le Bachelor en Data Science et Intelligence Artificielle prépare les étudiants à devenir des experts de la gestion et de l’analyse de données. Ce programme offre les compétences nécessaires pour manipuler des bases de données complexes, réaliser des analyses prédictives et mettre en place des solutions d’intelligence artificielle.

Les principaux objectifs sont :

• Maîtriser les outils et langages de la Data Science (Python, R, SQL, etc.).

• Comprendre les algorithmes d’intelligence artificielle et d’apprentissage automatique.

• Savoir extraire, nettoyer et analyser des données pour répondre à des problématiques métiers.

• Concevoir des tableaux de bord et des visualisations pour la prise de décision.

• Réaliser des projets concrets en lien avec des entreprises partenaires.

Les fondamentaux

• Introduction à la programmation (Python, R).

• Statistiques et probabilités pour la Data Science.

• Bases de données et SQL.

• Introduction à la visualisation de données (Tableau, Power BI).

• Initiation à l’apprentissage automatique.

Approfondissement

• Algorithmes avancés de machine learning.

• Big Data : concepts et écosystèmes (Hadoop, Spark).

• Développement d’applications data-driven.

• Data storytelling et communication.

• Gestion de projet agile.

Spécialisation et mise en pratique

• Intelligence artificielle et deep learning.

• Traitement du langage naturel (NLP).

• Analyse de séries temporelles.

• Cybersécurité et protection des données.

• Projet professionnel et préparation au titre RNCP.

Le Bachelor en Data Science et Intelligence Artificielle s’adresse aux candidats motivés par les technologies numériques et passionnés par l’analyse de données. Voici les qualités attendues :

• Curiosité et esprit analytique.

• Goût pour les mathématiques, les statistiques et la programmation.

• Capacité à résoudre des problématiques complexes.

• Intérêt pour les nouvelles technologies et l’intelligence artificielle.

• Esprit d’équipe et envie de travailler sur des projets concrets.

À l’issue du Bachelor, les étudiants peuvent accéder à des postes tels que :

• Data Analyst

• Data Scientist

• Ingénieur en Machine Learning

• Analyste Big Data

• Consultant en Intelligence Artificielle

La formation est accessible aux :

• Titulaires d’un Bac ou équivalent  – admission en 1ère année Prépa.

• Titulaires d’un Bac+2 ou équivalent en informatique, mathématiques ou domaines connexes (admission directe en 3ème année).

Règlement Examens

Le Titre Coordinateur de projets informatiques (infrastructures cloud, applicatives ou data)
s’articule autour de 6 Blocs de compétences. Chaque année, l’étudiant devra valider chaque Bloc afin d’accéder à l’année supérieure.

Évaluations Modulaires en contrôle continu :

• Chaque module fait l’objet d’une évaluation en cours de formation. Chaque note modulaire inferieure à 7/20 devra faire l’objet d’un rattrapage en septembre
• Ces évaluations, selon le souhait de l’intervenant, peuvent prendre la forme :
  D’une épreuve sommative écrite, d’un projet à remise différée (individuel ou en binôme), d’un TP en salle d’examen, d’une évaluation en «Learning by doing» pendant le module, d’un oral de présentation individuel.