Tu te reconvertis
Tu viens d'un autre métier et tu pars vraiment de zéro.
On commence au tableur, pas au Machine Learning. Tu ressors avec des projets à montrer, pas avec des notions.
Du tableur aux agents, en six niveaux.
Une formation construite dans l'ordre où ça tient debout : on commence sans avoir jamais codé, on termine avec un modèle en service et six projets à montrer. Les supports du niveau 0 sont offerts.
6niveaux progressifs
37modules et projets
~154 hde contenu
6projets de portfolio
Pour qui
À qui cette formation s'adresse
Le niveau 0 ne demande ni code ni mathématiques. Si tu sais te servir d'un ordinateur, tu peux commencer.
Tu es étudiant
Tes cours sont théoriques et tu cherches du concret.
Chaque notion arrive avec un cas pratique sur de vraies données, et six projets viennent remplir ton portfolio.
Tu es déjà en poste
Tu veux ajouter la data à ce que tu fais déjà.
On cible : si tu n'as besoin que de l'analyse et des tableaux de bord, on s'arrête là. Pas de contenu imposé.
Tu encadres une équipe
Tu veux comprendre ce que font les data de ton entreprise.
Les niveaux 0 et 1 suffisent à dialoguer d'égal à égal, à juger une analyse et à poser les bonnes questions.
Ce n'est pas pour toi si
- Tu cherches un diplôme reconnu par l'État : ce n'en est pas un.
- Tu veux un emploi garanti en trois semaines : je ne le promets pas.
- Tu veux les démonstrations mathématiques : elles sont volontairement remplacées par des analogies.
- Tu ne veux pas pratiquer : sans faire les ateliers, ça ne sert à rien.
Autant le dire tout de suite : tu perdrais ton temps et ton argent.
Le parcours
On avance par niveau, pas par thème
Chaque niveau se suffit à lui-même : tu peux t'arrêter au niveau 1 et tenir un poste d'analyste. Et chaque niveau suppose le précédent, donc rien n'arrive trop tôt.
Niveau 0
Découverte
Comprendre de quoi on parle, manipuler ses premières données et sortir un premier graphique qui tient debout.
5 modules + 1 projet · env. 10 h Supports offerts Niveau 1Data Analyst
Aller chercher la donnée, la nettoyer, en tirer des indicateurs justes et les présenter dans un tableau de bord.
6 modules + 1 projet · env. 22 h Niveau 2Data Scientist
Entraîner, évaluer et défendre un modèle de prédiction, sur des données réelles et imparfaites.
6 modules + 1 projet · env. 26 h Niveau 3Deep Learning
Comprendre et entraîner des réseaux de neurones sur des images et du texte, et travailler quand les données ne tiennent plus en mémoire.
5 modules + 1 projet · env. 32 h Niveau 4IA et automatisation
Faire travailler un assistant sur tes propres documents, automatiser ce qui se répète et comprendre ce qu'est vraiment un agent.
5 modules + 1 projet · env. 24 h Niveau 5Mise en service
Sortir du notebook : versionner, déployer, surveiller, et transformer tout ça en poste.
4 modules + 1 projet · env. 40 h
Niveau 0
Découverte
Comprendre de quoi on parle, manipuler ses premières données et sortir un premier graphique qui tient debout.
Prérequis : Tu n'as jamais codé et le mot « data » reste flou.
Module 0.1 La data, c'est quoi au juste ? 45 min
Le vocabulaire, les métiers et le déroulé d'un vrai projet.
À la fin, tu sais
- Expliquer à quelqu'un ce qu'est une donnée, sans jargon.
- Citer les 4 métiers de la data et dire lequel te ressemble.
- Décrire les 6 étapes d'un projet data dans l'ordre.
- Savoir dire ce qu'on NE peut PAS faire avec des données.
Cas pratique : Lire un jeu de données sans rien installer. 5 lignes de texte : ce que contient le fichier, et ta question.
Module 0.2 Ton premier tableau de données 1 h
Les 4 gestes de tableur qui resservent toute ta carrière.
À la fin, tu sais
- Reconnaître un tableau propre d'un tableau mal fichu.
- Trier, filtrer, et créer une colonne calculée.
- Construire un tableau croisé dynamique.
- Repérer les erreurs de saisie à l'œil nu.
Cas pratique : Les ventes de jeux vidéo au tableur. Un fichier avec ton TCD et 3 phrases de commentaire.
Module 0.3 Python, sans avoir peur 1 h 30
Variables, listes, boucles, fonctions : le strict nécessaire.
À la fin, tu sais
- Ouvrir un notebook et exécuter ta première cellule.
- Utiliser variables, listes et dictionnaires à bon escient.
- Écrire une boucle et une condition sans te tromper.
- Lire un message d'erreur et le corriger seul.
Cas pratique : Ta première calculatrice de ventes. Un notebook qui s'exécute du début à la fin sans erreur.
Module 0.4 pandas : ouvrir, regarder, filtrer 1 h 30
Le tableur, mais en Python - et sans limite de taille.
À la fin, tu sais
- Charger un CSV et décrire son contenu en 4 commandes.
- Sélectionner des colonnes et filtrer des lignes.
- Créer une colonne calculée.
- Regrouper et agréger avec groupby.
Cas pratique : Les jeux vidéo, en pandas cette fois. Un notebook, et la confirmation que les deux méthodes donnent le même total.
Module 0.5 Faire parler un graphique 1 h
Choisir la bonne forme, et ne pas mentir sans le vouloir.
À la fin, tu sais
- Choisir le bon type de graphique selon la question.
- Produire un graphique lisible en 3 lignes de code.
- Repérer un graphique trompeur.
- Titrer un graphique pour qu'il se suffise à lui-même.
Cas pratique : Trois graphiques qui racontent une histoire. 3 figures, et la phrase que ton lecteur a comprise pour chacune.
Projet 0 Le marché du jeu vidéo en 1 page 3 à 4 h
Ton premier rapport data, de la question à la conclusion.
À la fin, tu sais
- Mener un mini-projet complet, seul, du début à la fin.
- Produire 4 graphiques qui tiennent debout.
- Écrire 5 conclusions appuyées sur des chiffres.
- Avoir un premier livrable à montrer.
Livrable : Le livrable. Un notebook + un PDF d'une page. C'est ta première pièce de portfolio.
Les supports de ce niveau sont offerts.
Recevoir les supports du niveau 0
Niveau 1
Data Analyst
Aller chercher la donnée, la nettoyer, en tirer des indicateurs justes et les présenter dans un tableau de bord.
Prérequis : Tu as fini le niveau 0, ou tu sais déjà te servir d'un tableur.
Module 1.1 SQL : aller chercher la donnée à la source 2 h
Six mots-clés, et tu interroges n'importe quelle base.
À la fin, tu sais
- Écrire une requête SELECT avec filtre, tri et limite.
- Agréger avec GROUP BY et filtrer un agrégat avec HAVING.
- Joindre deux tables et choisir le bon type de jointure.
- Lire une requête écrite par quelqu'un d'autre.
Cas pratique : Interroger une base clients. Un fichier .sql avec tes 6 requêtes commentées.
Module 1.2 Nettoyer des données sales 2 h
Manquants, doublons, types, valeurs extrêmes : la méthode.
À la fin, tu sais
- Dresser le diagnostic d'un fichier en 5 minutes.
- Décider quoi faire des valeurs manquantes, et le justifier.
- Détecter doublons et valeurs extrêmes.
- Garder une trace écrite de chaque décision.
Cas pratique : Remettre d'aplomb un fichier RH. Un CSV propre + un tableau « problème / décision / justification ».
Module 1.3 Les statistiques utiles 2 h
Six notions qui servent tous les jours, et pas une de plus.
À la fin, tu sais
- Choisir entre moyenne et médiane en connaissance de cause.
- Lire un écart-type et une distribution.
- Interpréter une corrélation sans conclure à une cause.
- Comprendre ce que dit vraiment un test statistique.
Cas pratique : Qui part, et pourquoi ?. Un tableau comparatif + 2 phrases prudentes et justes.
Module 1.4 Des KPI qui veulent dire quelque chose 1 h 30
Construire des indicateurs qu'on peut suivre, et défendre.
À la fin, tu sais
- Distinguer un KPI d'une simple métrique.
- Écrire la définition d'un indicateur sans ambiguïté.
- Choisir 5 KPI plutôt que 30.
- Repérer un indicateur manipulable.
Cas pratique : Cinq KPI pour une direction RH. Une fiche par KPI : nom, formule, périmètre, seuil, propriétaire.
Module 1.5 Power BI : du fichier au tableau de bord 3 h
Importer, modéliser, mesurer, publier - la chaîne complète.
À la fin, tu sais
- Importer et transformer des données dans Power Query.
- Relier plusieurs tables correctement.
- Écrire tes premières mesures DAX.
- Construire une page lisible et la publier.
Cas pratique : Un tableau de bord RH en une page. Un fichier .pbix + une capture de la page finale.
Module 1.6 Raconter tes résultats 1 h 30
La partie qu'on néglige, et qui décide de tout.
À la fin, tu sais
- Structurer une restitution en 4 temps.
- Adapter le niveau de détail à l'auditoire.
- Formuler une recommandation assumée.
- Répondre à « et si tu t'étais trompé ? ».
Cas pratique : Trois minutes pour convaincre. Un enregistrement de 3 minutes, et ta trame écrite.
Projet 1 Pourquoi nos salariés partent 8 à 10 h
Analyse RH complète : données brutes, tableau de bord, restitution.
À la fin, tu sais
- Mener une analyse de bout en bout, comme en entreprise.
- Livrer un tableau de bord et une note d'une page.
- Défendre tes conclusions à l'oral en 5 minutes.
- Produire une deuxième pièce de portfolio.
Livrable : Le déroulé semaine. Les 6 livrables, rassemblés dans un dossier daté.
On peut ne travailler que ce niveau, si c'est ton besoin.
Travailler ce niveau avec moi
Niveau 2
Data Scientist
Entraîner, évaluer et défendre un modèle de prédiction, sur des données réelles et imparfaites.
Prérequis : Tu maîtrises pandas et tu sais décrire un jeu de données.
Module 2.1 Le Machine Learning, simplement 1 h 30
Ce que c'est, ce que ça n'est pas, et quand ça sert.
À la fin, tu sais
- Expliquer le Machine Learning à quelqu'un qui n'y connaît rien.
- Distinguer supervisé, non supervisé et les cas sans modèle.
- Comprendre pourquoi on sépare train et test.
- Reconnaître le surapprentissage.
Cas pratique : Reconnaître le bon type de problème. Un tableau à 4 colonnes : demande, famille, cible, variables.
Module 2.2 Prédire un nombre : la régression 2 h
Le modèle le plus simple, et celui qu'on comprend le mieux.
À la fin, tu sais
- Expliquer la régression linéaire sans équation lourde.
- Entraîner un modèle et lire ses coefficients.
- Choisir entre MAE, RMSE et R².
- Savoir quand la régression linéaire ne convient pas.
Cas pratique : Estimer le prix d'un logement. Un notebook + 3 phrases d'explication destinées à un non-technicien.
Module 2.3 Prédire une catégorie : la classification 2 h
Oui ou non, et avec quelle probabilité.
À la fin, tu sais
- Comprendre ce que calcule une régression logistique.
- Entraîner un classifieur et lire ses probabilités.
- Choisir un seuil de décision selon le coût des erreurs.
- Encoder correctement des variables catégorielles.
Cas pratique : Prédire la réussite à un examen. Un notebook + la justification écrite de ton seuil.
Module 2.4 Évaluer un modèle 2 h
Pourquoi 99 % de bonnes réponses peut être un désastre.
À la fin, tu sais
- Lire une matrice de confusion sans hésiter.
- Choisir entre précision, rappel et F1 selon le contexte.
- Interpréter une courbe ROC et son AUC.
- Utiliser la validation croisée.
Cas pratique : Évaluer honnêtement un détecteur de fraude. Un tableau coût / seuil, et ta recommandation argumentée.
Module 2.5 Arbres, forêts et boosting 2 h
Les modèles qui gagnent sur données tabulaires.
À la fin, tu sais
- Lire un arbre de décision et expliquer sa logique.
- Comprendre ce qu'apporte une forêt aléatoire.
- Entraîner un modèle de boosting.
- Lire l'importance des variables sans la surinterpréter.
Cas pratique : Quatre modèles pour un même problème. Un tableau comparatif + ton choix argumenté.
Module 2.6 Quand il n'y a pas d'étiquettes 2 h
Segmenter, réduire les dimensions, trouver des associations.
À la fin, tu sais
- Segmenter une clientèle avec k-means.
- Choisir le nombre de groupes sans deviner.
- Réduire les dimensions avec une ACP et savoir pourquoi.
- Extraire des règles d'association exploitables.
Cas pratique : Segmenter une clientèle marketing. Un tableau : nom, portrait, effectif, action proposée.
Projet 2 Détecter la fraude bancaire 12 à 15 h
Données très déséquilibrées, décision chiffrée, modèle défendable.
À la fin, tu sais
- Traiter un jeu de données fortement déséquilibré.
- Choisir un seuil à partir d'un coût métier réel.
- Comparer plusieurs modèles sans tricher.
- Produire la pièce maîtresse de ton portfolio.
Livrable : Le livrable. Un dépôt GitHub présentable, avec un README soigné.
On peut ne travailler que ce niveau, si c'est ton besoin.
Travailler ce niveau avec moi
Niveau 3
Deep Learning
Comprendre et entraîner des réseaux de neurones sur des images et du texte, et travailler quand les données ne tiennent plus en mémoire.
Prérequis : Tu as fini le niveau 2 et tu sais évaluer un modèle.
Module 3.1 Les réseaux de neurones, sans équations 2 h
Ce qu'il y a vraiment dans la boîte, expliqué simplement.
À la fin, tu sais
- Expliquer un neurone artificiel en une phrase.
- Comprendre à quoi sert une couche cachée.
- Décrire l'apprentissage : erreur, gradient, mise à jour.
- Savoir quand un réseau n'est PAS le bon choix.
Cas pratique : Un neurone à la main. Six lignes de calcul. C'est exactement ce que fait PyTorch, en plus gros.
Module 3.2 Ton premier réseau avec PyTorch 2 h 30
Du tenseur à la boucle d'entraînement, pas à pas.
À la fin, tu sais
- Manipuler des tenseurs comme des tableaux numpy.
- Définir un réseau simple en quelques lignes.
- Écrire une boucle d'entraînement complète.
- Surveiller train et validation pendant l'apprentissage.
Cas pratique : Un réseau contre un boosting. Un notebook, les deux courbes, et ta conclusion en 3 lignes.
Module 3.3 Les images : la convolution 2 h 30
Pourquoi un réseau classique échoue, et ce qui marche à la place.
À la fin, tu sais
- Expliquer pourquoi un réseau dense échoue sur des images.
- Comprendre un filtre de convolution et le pooling.
- Entraîner un petit CNN sur MNIST.
- Utiliser un modèle pré-entraîné par transfert.
Cas pratique : Reconnaître des chiffres manuscrits. Un notebook, les deux scores, et ton analyse des erreurs.
Module 3.4 Le texte : du mot au vecteur 2 h 30
Comment une machine finit par manipuler du sens.
À la fin, tu sais
- Nettoyer et découper du texte correctement.
- Comprendre sac de mots, TF-IDF et plongements.
- Entraîner un classifieur d'avis clients.
- Comprendre l'idée de l'attention, sans les équations.
Cas pratique : Analyser des avis clients. Un notebook + la liste des mots décisifs, commentée.
Module 3.5 Quand les données ne tiennent plus 2 h
Spark et NoSQL : pourquoi, quand, et comment ne pas s'en servir.
À la fin, tu sais
- Savoir à partir de quand Spark devient utile.
- Écrire les transformations Spark de base.
- Distinguer les quatre familles de bases NoSQL.
- Choisir entre SQL et NoSQL avec un argument.
Cas pratique : Le même calcul, trois fois. Un tableau de temps + ta règle, en une phrase.
Projet 3 Un classifieur d'images de bout en bout 15 à 20 h
De la collecte des photos au modèle qui tourne.
À la fin, tu sais
- Constituer et organiser un jeu d'images propre.
- Entraîner par transfert d'apprentissage.
- Analyser les erreurs plutôt que le seul score.
- Livrer un projet de deep learning présentable.
Livrable : Le livrable. Un dépôt GitHub complet, avec des images d'illustration.
On peut ne travailler que ce niveau, si c'est ton besoin.
Travailler ce niveau avec moi
Niveau 4
IA et automatisation
Faire travailler un assistant sur tes propres documents, automatiser ce qui se répète et comprendre ce qu'est vraiment un agent.
Prérequis : Tu sais écrire du Python et tu as déjà livré un projet.
Module 4.1 Faire dire ce qu'on veut à un assistant 1 h 30
Le contexte fait tout. Le reste est une question de méthode.
À la fin, tu sais
- Structurer une demande en cinq éléments.
- Reconnaître une réponse inventée avant de l'utiliser.
- Faire produire du code et du SQL vérifiables.
- Savoir ce qu'il ne faut jamais confier à un assistant.
Cas pratique : Documenter un ancien projet. Le README obtenu, et la liste de ce que tu as dû corriger.
Module 4.2 Brancher un assistant sur tes documents 2 h 30
Le RAG, expliqué sans vocabulaire inutile.
À la fin, tu sais
- Expliquer pourquoi on ne réentraîne pas un modèle pour ça.
- Comprendre ce qu'est un plongement et une recherche par similarité.
- Construire une recherche documentaire en quelques lignes.
- Faire citer ses sources à l'assistant.
Cas pratique : Un assistant sur tes notes de formation. Un notebook, et ton taux de bonne réponse sur les 10 questions.
Module 4.3 Automatiser sans coder 2 h
Un déclencheur, des actions, et des garde-fous.
À la fin, tu sais
- Décomposer un processus en déclencheur et actions.
- Construire un scénario dans un outil visuel.
- Décider ce qui mérite d'être automatisé, et ce qui ne le mérite pas.
- Prévoir ce qui se passe quand une étape échoue.
Cas pratique : Ta veille data, automatisée. Un scénario exporté, et la capture de trois exécutions réussies.
Module 4.4 Les agents : quand la machine choisit 2 h
Ce que c'est vraiment, et quand ça ne sert à rien.
À la fin, tu sais
- Définir un agent en une phrase, sans mystère.
- Distinguer un agent d'un enchaînement fixe.
- Poser les garde-fous indispensables.
- Estimer le coût et le risque avant de lancer.
Cas pratique : Un agent qui analyse un fichier. La trace des 3 exécutions, et ta conclusion sur l'intérêt réel.
Module 4.5 L'IA dans ton quotidien de data 1 h 30
Où elle fait gagner du temps, et où elle en fait perdre.
À la fin, tu sais
- Identifier les tâches où le gain est réel.
- Garder la main sur ce qui engage ta responsabilité.
- Protéger les données que tu manipules.
- Mesurer si tu gagnes vraiment du temps.
Cas pratique : Mesurer ton gain réel. Un tableau de 4 lignes avec tes temps réels, et ta règle personnelle.
Projet 4 Ton assistant data personnel 12 à 15 h
Un assistant sur tes documents, et une automatisation qui l'alimente.
À la fin, tu sais
- Assembler recherche documentaire, assistant et automatisation.
- Faire citer ses sources, systématiquement.
- Poser les garde-fous avant la mise en service.
- Livrer un projet qui se démontre en deux minutes.
Livrable : Le livrable. Un dépôt GitHub, et une démonstration de deux minutes.
On peut ne travailler que ce niveau, si c'est ton besoin.
Travailler ce niveau avec moi
Niveau 5
Mise en service
Sortir du notebook : versionner, déployer, surveiller, et transformer tout ça en poste.
Prérequis : Tu as au moins deux projets terminés derrière toi.
Module 5.1 Git et structure de projet 2 h
Ce qui sépare un notebook d'un travail professionnel.
À la fin, tu sais
- Utiliser Git au quotidien : commit, branche, fusion.
- Organiser un projet data selon une structure standard.
- Isoler ses dépendances dans un environnement.
- Écrire un README qu'on a envie de lire.
Cas pratique : Remettre d'aplomb un de tes projets. Un dépôt GitHub propre, clonable et exécutable.
Module 5.2 Du notebook à l'application 3 h
API, interface et conteneur : rendre ton modèle utilisable.
À la fin, tu sais
- Sauvegarder et recharger un modèle correctement.
- Exposer une prédiction via une API.
- Construire une interface simple pour les non-techniciens.
- Emballer le tout dans un conteneur.
Cas pratique : Mettre ton détecteur de fraude en service. Un dépôt avec api.py, app.py, Dockerfile et une capture d'écran.
Module 5.3 Surveiller un modèle en service 2 h 30
Suivre ses expériences, détecter la dérive, réentraîner à temps.
À la fin, tu sais
- Tracer ses expériences au lieu de les perdre.
- Comprendre les deux types de dérive.
- Mettre en place une surveillance simple mais utile.
- Décider quand réentraîner, sur un critère écrit.
Cas pratique : Surveiller ton modèle. Un tableau de dérive + ta règle de réentraînement écrite.
Module 5.4 Portfolio, CV et entretiens 2 h
Rendre visible ce que tu sais faire.
À la fin, tu sais
- Construire un portfolio de 3 projets qui se complètent.
- Écrire un CV data lisible en 30 secondes.
- Préparer les questions techniques récurrentes.
- Présenter un projet en 5 minutes, sans jargon.
Cas pratique : Monter ton dossier de candidature. Un CV, trois dépôts soignés, et un enregistrement de 5 minutes.
Projet final Ton projet fil rouge 25 à 30 h
De la question métier au service en ligne, seul, de bout en bout.
À la fin, tu sais
- Mener un projet complet, de la question à la mise en service.
- Prendre et défendre toutes les décisions toi-même.
- Livrer un dossier directement présentable en entretien.
- Mesurer le chemin parcouru depuis le niveau 0.
Livrable : Le dossier final. Un lien unique, que tu peux mettre sur ton CV.
On peut ne travailler que ce niveau, si c'est ton besoin.
Travailler ce niveau avec moi
Travailler ensemble
Trois façons de s'y mettre
Pas de tarif affiché, et c'est volontaire : l'accompagnement se construit sur ton niveau, ton objectif, ton rythme — et ton pays, puisqu'on travaille en visio où que tu sois. Dis-moi où tu en es dans le formulaire, je te réponds sous 48 h avec une proposition claire et chiffrée. Sans engagement.
Les supports du niveau 0
Offert
Pour juger la méthode avant de me parler.
- Les 5 modules du niveau 0 et son projet
- Les jeux de données, prêts à l'emploi
- Aucune carte bancaire, aucun engagement
Accompagnement individuel
Sur mesure
Le format principal. On travaille à deux, en visio.
- Des séances en visio, écran partagé, à ton rythme
- Un parcours construit sur ton objectif, pas un cours générique
- On travaille sur tes données ou sur les miennes, au choix
- Les supports et le notebook après chaque séance
- Tes projets relus et corrigés
Atelier en petit groupe
Prochaine session en préparation
Un niveau condensé sur quelques demi-journées, à 6 ou 8.
- Un niveau entier traité en atelier intensif
- Six à huit personnes, pour que chacun puisse parler
- Le même suivi des projets qu'en individuel
- Inscris-toi à la liste, tu seras prévenu en premier
Tu représentes une entreprise et tu veux monter ton équipe en compétences ? Je forme aussi en intra, sur vos propres données. Parlons-en.
La méthode
Comment chaque module est construit
Toujours la même trame, pour que tu saches à quoi t'attendre et que tu apprennes sans te demander où tu en es.
L'idée en une phrase
Avant toute technique, ce qu'il faut comprendre, dit simplement.
Une image du quotidien
Une analogie concrète pour ancrer la notion avant d'ouvrir un éditeur.
Les étapes et le code
Une marche à suivre numérotée, puis du code court et commenté.
Un cas pratique
Sur un vrai jeu de données, avec un livrable précis à produire.
Questions fréquentes
Je n'ai jamais codé. Je peux suivre ?
Oui, et c'est même le point de départ. Le niveau 0 commence au tableur et n'exige ni code ni mathématiques. Ses supports sont offerts : tu peux juger par toi-même avant qu'on se parle.
Combien ça coûte ?
Ça dépend du format, du nombre de séances et de ton pays. C'est pour ça qu'il n'y a pas de grille affichée : je préfère te faire une proposition qui correspond à ta situation. Remplis le formulaire, tu as une réponse chiffrée sous 48 h, sans engagement.
Je ne suis pas en France. C'est possible ?
Oui, et c'est fréquent. Tout se passe en visio, donc ton pays n'a aucune importance pour le déroulé. Le formulaire demande ton pays : ça me suffit pour te proposer des créneaux compatibles. Je travaille avec des personnes en Europe, en Afrique et en Amérique du Nord.
Comment se passe une séance ?
En visio, avec partage d'écran. On code ensemble, tu poses tes questions au moment où elles arrivent. Tu reçois ensuite le support et le notebook de la séance, à garder.
Combien de temps ça prend ?
Le parcours entier représente environ 130 heures, projets compris. Mais personne n'est obligé de tout faire : beaucoup s'arrêtent au niveau 1, qui suffit à tenir un poste d'analyste.
De quel matériel ai-je besoin ?
Un ordinateur et une connexion. On travaille sur Google Colab, qui est gratuit et ne demande aucune installation. Power BI Desktop, utilisé au niveau 1, est gratuit également.
Qu'est-ce que ça change par rapport à un tutoriel gratuit ?
Quelqu'un en face de toi. Un tutoriel ne voit pas où tu bloques, ne relit pas ton code et ne te dit pas que ta conclusion est fausse. C'est exactement ce qui fait qu'on abandonne un tutoriel et pas un accompagnement.