Google Code for Remarketing Tag - Bloom
À propos de ce certificat
CEU/PDU
Acquérez les connaissances essentielles requises pour examiner un pipeline complet de données scientifiques et pour bâtir des modèles d’apprentissage automatique pour atteindre des objectifs précis comme la prévision ou la classification grâce à ce programme offert en ligne. Si vous souhaitez acquérir des connaissances techniques essentielles en science des données et en apprentissage automatique, ce programme vous convient parfaitement. Vous serez alors sur le bon chemin vers une carrière d’analyste des données, d’ingénieur des données, de journaliste des données, de professionnel de l’apprentissage automatique ou de scientifique des données.
Vous pourrez parfaire des compétences clés en science des données, notamment :
• la mise en pratique de l’analyse statistique ;
• l’apprentissage automatique ;
• l’exploration des données ;
• la gestion des données ;
• la visualisation des données.
Au cours du programme, vous travaillerez auprès d’équipes pluridisciplinaires pour convertir vos apprentissages en conseils d’affaires afin de contribuer à l’orientation des décisions d’affaires.
Une fois inscrits, les étudiants bénéficient d'un accès gratuit à (disponible pour tous les cours) pendant 6 mois et à et (cours sélectionnés uniquement) pendant la durée du programme.
Des compétences en programmation en Python sont ²Ô鳦±ð²õ²õ²¹¾±°ù±ð²õ afin de réussir ce programme.
- Python
- Alteryx
- Tableau
- SQL
- Github
- Hadoop (localÌýet infonuagique)
- Apache SparkÌý
- Scala
Le programme est conçu pour vous permettre deÌý:
- Acquérir une solide compréhension des concepts et des outils informatiques statistiques et mathématiques pertinents ;
- Mettre en pratique des outils essentiels pour intégrer, filtrer, traiter et analyser une variété de grands ensembles de données en utilisant des modes de fonctionnement continu et discontinu ;
- Examiner toutes les phases d’un pipeline complet de données scientifiques comprenant des données structurées et non structurées ;Ìý
- Tester et évaluer diverses techniques d’apprentissage automatique, et apprendre comment choisir la bonne pour résoudre un problème opérationnel ;
- Élaborer un projet de science des données pour répondre à un besoin ou résoudre un problème opérationnel, et choisir les outils appropriés et les algorithmes requis ;Ìý
- Interpréter et communiquer efficacement des renseignements issus de données en utilisant la visualisation de données et des techniques de narration, et les convertir en connaissances spécifiques aux affaires.
- Solide expérience quantitative
- Maîtrise de Excel, Access ou tout autre outil d’analyse des données
- Des compétences en programmation en Python sont ²Ô鳦±ð²õ²õ²¹¾±°ù±ð²õ afin de réussir ce programme.
Vous pouvez évaluer votre degré de compétence en Python par le biais d'un de nos tests en ligne :
Les étudiants qui n’ont aucune connaissance préalable de Python doivent suivre au moins un des cours Python en ligne suivants, ou un cours similaire :
- ÌýÌý
Ce programme doit être terminé en deux ans.
Les candidats doivent détenir au moins l’un des diplômes suivantsÌý:Ìý
- Baccalauréat en ingénierie (B. Ing.)
OU - Baccalauréat en science (B. Sc.)
OU - Baccalauréat en commerce, SIG (B. Com. SIG)
OU - Baccalauréat dans un autre domaine ET Ìý
RemarqueÌý:
Les demandes d’admission provenant d’étudiants plus âgés* qui ne satisfont pas aux critères susmentionnés, mais qui ont une expérience vaste et pertinente en programmation de logiciels ou en analyse des données, et qui ont préalablement réussi des cours pertinents en calcul, en statistiques ou en informatique seront évalués au cas par cas.
*Candidats de 21 ans et plus.Ìý
Vous trouverez toute l’information sur les droits de scolarité et les autres frais pour ce programme, notamment pour les formules à temps partiel et à temps plein, à l’adresse mcgill.ca/continuingstudies/fr/certificats-de-perfectionnement-professionnel-frais-de-cours.
Comme les programmes de certificat de perfectionnement professionnel ne donnent pas droit à des unités, ils ne sont pas admissibles à l’aide financière ni aux bourses comme ceux du programme de prêts et bourses (Aide financière aux études) du Québec.
Veuillez aussi noter que des reçus fiscaux officiels (formulaireÌýT2202A et relevéÌý8) peuvent être fournis pour les droits de scolarité associés aux cours de ces programmes.
S'inscrire pour un cours individuel
Vous pouvez vous inscrire à des cours individuels, mais vous devez satisfaire les critères d’admission du programme et être admis au programme. Pour plus d'information, veuillez composer le 514-398-5454 ou envoyer un courriel à pd.conted@mcgill.ca.
Articles Récents
Les programmes en sciences des données, de plus en plus en demande et maintenant plus accessibles
D’ingénieur en logiciels à ingénieur en données grâce au certificat en science des données et apprentissage automatique de l’Université Â鶹AV
La science des données : de plus en plus accessible
Cursus
Cours obligatoires
YCBS 255 Statistical Machine Learning
(8 CEUs)
Fundamental statistical machine learning concepts and tools using Python. Emphasis on descriptive statistics, statistical distributions, random number generation, basic data visualization; linear regression; basic classification; error estimation: cross-validation, bias-variance trade-off; shrinkage methods; dimension reduction; beyond linearity: smoothing splines, local regression, additive models; tree and ensemble methods; powerful classifiers; unsupervised learning.
(30 INFORMS PDUs)
The PDUs earned through this non-credit-bearing course can be used by CAP and aCAP certificants to satisfy the 30 PDUs needed to renew their certification every three (3) years.
(30 INFORMS PDUs)
The PDUs earned through this non-credit-bearing course can be used by CAP and aCAP certificants to satisfy the 30 PDUs needed to renew their certification every three (3) years.
YCBS 256 Data Science for Business Decisions
(8 CEUs)
Overview of how data science can help drive business decisions and create new business models. Emphasis on data strategy, the data science lifecycle and process, business and analytics problem framing, overcoming challenges of implementing a data-driven business, including ethics, data governance, and privacy. Application of data science across various industries and business areas. Data science tools, including Alteryx and Tableau for data preparation, analysis, and visualization.
This course is aligned with the IIBA’s Certification in Business Data Analytics (IIBA®-CBDA) competencies.
(30 INFORMS PDUs)
The PDUs earned through this non-credit-bearing course can be used by CAP and aCAP certificants to satisfy the 30 PDUs needed to renew their certification every three (3) years.
This course is aligned with the IIBA’s Certification in Business Data Analytics (IIBA®-CBDA) competencies.
(30 INFORMS PDUs)
The PDUs earned through this non-credit-bearing course can be used by CAP and aCAP certificants to satisfy the 30 PDUs needed to renew their certification every three (3) years.
YCBS 257 Data at Scale
(9 CEUs)
Overview of various aspects of large data sets and how they are managed both on site and in the Cloud. Emphasis on hands-on experience from data ingestion to analysis of large data sets, both data-at-rest and data-in-motion (streaming data), including defining Big Data and its 5 V's: Volume, Velocity, Variety, Veracity, and Value.
YCBS 258 Practical Machine Learning
(9 CEUs)
This course aims to introduce participants to essential machine learning methods and techniques through an end-to-end machine learning project. Emphasis is placed on practical experience with machine learning using Python programming language, scikit-learn and TensorFlow, as well as on understanding classification and training models. The course will provide an introduction to artificial Neural Networks, deep learning, convolutional and recurrent neural nets and reinforcement learning.
YCBS 299 Data Science Capstone Project
(9 CEUs)
Integration and application of knowledge and skills gained during the program through hands-on projects supported by our industry partners to build a full data science pipeline from preparing, analyzing and visualizing data to building and testing models. Communication and presentation of insights and recommendations derived from data analysis using visualization and storytelling techniques.
Contacts
Développement de carrière et perfectionnement professionnel
Tél.: +1 514-398-5454
680, rue Sherbrooke Ouest, bureauÌý1029
Montréal (Québec)ÌýÌýH3A 2M7
Horaires d'ouverture
Du lundi au vendredi
de 9Ìýh à 17Ìýh