Analyse de données avec Python : explorer, visualiser et présenter ses résultats

21 Sep 26

Big Data en entreprise : cerner les enjeux, les architectures et les cas d’usage

21 Sep 26

Data et IA : cadrer la question, lire les résultats et décider dans son métier

21 Sep 26

Data storytelling : structurer le message, visualiser et convaincre

21 Sep 26

Data Warehouse : modéliser, alimenter et exploiter ses données de pilotage

21 Sep 26

Décider dans l’incertitude : construire les scénarios, arbitrer et piloter le risque

21 Sep 26

ETL : collecter, transformer et orchestrer ses flux de données métier

21 Sep 26

IA et KPIs : analyser les indicateurs, détecter les signaux et anticiper

21 Sep 26

LLM et analyse documentaire : cadrer, extraire et vérifier ses documents

21 Sep 26

Machine Learning avec Python : préparer ses données, entraîner et évaluer un modèle

21 Sep 26

MLOps et agents IA : industrialiser les modèles, orchestrer et superviser

21 Sep 26

Pipeline Data métier : cadrer les sources, construire le flux et fiabiliser la livraison

21 Sep 26

Power BI et Excel : industrialiser ses tableaux de bord, automatiser et fiabiliser

21 Sep 26

Power BI et IA : enrichir ses analyses, fiabiliser et commenter ses tableaux de bord

21 Sep 26

Qualité des données (Data Quality) : mesurer, corriger et fiabiliser l’analyse

21 Sep 26

SQL avancé : lire les plans d’exécution, indexer et réécrire les requêtes lentes

21 Sep 26

SQL débutant : interroger une base, filtrer les résultats et croiser les tables

21 Sep 26

Stratégie Data : cadrer la feuille de route, gouverner et piloter la valeur

21 Sep 26

Structurer ses données : organiser les tableaux, nettoyer et préparer l’analyse

21 Sep 26