CURSUS DATA

Formation Analytics Engineer

Bootcamp (7 mois)
Temps partiel​ (15 mois)

Décrochez un diplôme de niveau Bac+5 (RNCP niv.7) reconnu par l’Etat, ainsi qu’un accompagnement jusqu’à l’embauche vers un métier des plus recherchés sur le marché du travail.

PROCHAINES RENTRÉES
10 septembre 2024
05 novembre 2024
07 janvier 2025
New logo mines psl
Certificat délivré par MINES Paris Executive Education.

Contenu de la formation

icon

Introduction à Python (45h)

  • Fondamentaux de Python
  • Numpy
  • Pandas
icon

Data Visualisation (20h)

  • Matplotlib
  • Seaborn
  • Art du storytelling
  • Plotly
icon

Machine Learning (35h)

  • Méthodes de classification
  • Méthodes de régression
  • Pipelines
icon

Analyse de données (25h)

  • Méthodes d'analyses de données
  • Réduction de dimension
  • Clustering
icon

Extraction et gestion de données (25h)

  • Text Mining
  • Webscraping
data-viz

Business intelligence (30h)

  • Power Bi
  • Tableau
  • Looker Studio
icon

Big Data / Database (25h)

  • Langage SQL
  • Data Processing
  • Data Modeling
icon

Intégration des données

  • Linux
  • Intégration de données
  • Git
icon

Intégration des données + SQL/NoSQL

  • SQL
  • Dataset en SQL
  • Bases de données NoSQL
icon

Entreposage pratique des données

  • Snowflake
  • Data Warehousing
  • BigQuery
icon

Analytique haute performance

  • ETL avec pySpark
  • Airflow
  • Data Analytics
icon

Introduction au Data Product Management

  • Comprendre le rôle et les missions d'un Data Product Manager
  • La Data Science en entreprise
icon

Data Manipulation

    Option 1

  • Fondamentaux python
  • Manipulation des données avec Pandas
  • Introduction aux APIs
  • Data quality

    Option 2

  • Introduction aux APIs
  • Data Quality
  • Mise en situation professionnelle de data gouvernance
icon

Acculturation et Data Gouvernance

  • Acculturation Data
  • Les différents types et sources de données
  • RGPD et Éthique
icon

Chefferie de projet

  • Gestion de projet et conduite du changement
  • La méthode Agile
  • Projet de fin de formation
icon

Modules optionnels

  • Introduction à la Business Intelligence
  • Power
  • Make
  • SQL
icone site

Tout au long du cursus, les projets vous permettent d’aborder toutes les étapes :

  • de développement d’une solution data,
  • de la création d’un pipeline ETL, 
  • du métier de Data Product Manager, de la planification à la définition des objectifs, jusqu’au reporting tout en passant par sa conception, son suivi et le management des équipes.
Le cursus Analytics Engineer vous apportera les compétences nécessaires à la validation ainsi que les vouchers de passage aux examens de la certification Microsoft PL-300 : “Analyser les données avec Microsoft Power BI” RS5445. L'obtention de la certification se fait par passage d'un examen en ligne sur le site de Microsoft. La certification RS5445 est enregistrée au RS en date du 19-05-2021 sous le code RS5445.

Un format d’apprentissage hybride

Allier apprentissage flexible sur plateforme et Masterclasses animées par un Data Scientist, c’est le mélange qui a séduit plus de 15000 alumni.

Nous appliquons une méthode pédagogique learning by doing :

  • Application pratique : Tous nos modules de formation intègrent des exercices en ligne pour que vous puissiez mettre progressivement en oeuvre les concepts développés dans le cours.
  • Masterclass : Pour chaque sprint, 1 à 2 Masterclass sont organisées. Ces temps de formation en direct avec un formateur permettent d’aborder les problématiques actuelles des technologies, méthodes et outils du domaine de la data science et du machine learning. 

Les objectifs de l’Analytics Engineer

L’Analytics Engineer est spécialisé dans la gestion, la transformation, et la modélisation des données. Cet ingénieur fournit des ensembles de données compréhensibles pour tous, en appliquant les meilleures pratiques de visualisation. Il est essentiel pour l’optimisation stratégique des données, permettant une analyse et une exploitation optimale en vue de résoudre des problèmes complexes et de développer des modèles prédictifs.

icone site

Piloter

Piloter un projet d’intelligence artificielle et élaborer une solution analytique grâce au Design Thinking

icone site

Développer

Développer des solutions d’intelligence artificielle pour l’analyse prédictive

icone site

Déployer

Déployer des solutions d’intelligence artificielle pour une exploitation optimale des données

Découvrez Learn, la plateforme d’apprentissage

Une interface complète et intuitive, pour une expérience d’apprentissage sur-mesure. Une plateforme enrichie et un accompagnement premium.

Comment financer la formation ?

Frais de formation : 11 990€

Reconnue par l’Etat, la formation Data Engineer peut être prise en charge grâce à vos droits CPF !

Si vous êtes en recherche d’emploi, la formation peut être prise en charge à 100% par France Travail via le dispositif AIF ou l’abondement de CPF.

Si vous êtes salarié, vous pouvez demander à votre entreprise de vous financer la formation. Le reste à charge peut être échelonné jusqu’à 12 fois.

La reconnaissance du parcours

Une double reconnaissance

  • Le cursus Analytics Engineer permet de valider l’intégralité la certification RNCP de niveau 7 “Chef de projet en intelligence artificielle”, délivrée par Ascencia et enregistrée au RNCP en date du 26-01-2022 sous le n°RNCP36129. Pour en savoir plus, consulter la fiche.
  • Vous aurez également l’opportunité de vous préparer au passage de l’examen Microsoft PL-300 : Analyste Données Microsoft Power BI.  Et ainsi obtenir la certification RS5445, consulter la fiche.

Vous avez des questions ? Nous avons les réponses.

Contenu d’accordéon

L’Analytics Engineer, métier émergeant depuis 2018, se positionne à l’intersection entre Data Analyst et Data Engineer, devenant ainsi un atout crucial dans la gestion des données au sein des entreprises.

Spécialisé dans la gestion, transformation, et modélisation des données, cet ingénieur fournit des ensembles de données compréhensibles pour tous, en appliquant les meilleures pratiques de visualisation comme le contrôle de version et l’intégration continue.

Par rapport aux métiers traditionnels de la data, l’Analytics Engineer se distingue en collaborant étroitement avec les Data Analysts et Data Scientists pour développer des solutions d’analyse adaptées aux besoins métier.

Faisant face à une demande croissante de ses compétences avancées dans l’analyse de codes et la prise de décision en entreprise, ce rôle, parfois mal orthographié « Analytic Engineer », est essentiel pour l’optimisation stratégique des données, permettant une analyse et une exploitation optimale en vue de résoudre des problèmes complexes et de développer des modèles prédictifs.

Contrairement au Data Analyst, qui se focalise principalement sur l’analyse des données, l’Analytics Engineer voit son travail centré sur la modélisation des données pour en faciliter l’accès aux utilisateurs finaux. Cette approche permet aux utilisateurs de répondre à la majorité de leurs questions sur des données de manière autonome. Un Analytics Engineer expérimenté s’occupera donc de transformer, tester, déployer et documenter les données dont il est responsable.

Voici une liste plus détaillée des missions d’un Analytics Engineer : 

  • Modélisation et transformation des données : Les Analytics Engineers doivent structurer, nettoyer et préparer les données pour les analyses afin d’assurer de leur précision et de leur fiabilité.
  • Intégration des données et développement des pipelines : Pour répondre aux besoins de l’entreprise, ils conçoivent des pipelines pour extraire, transformer et charger les données de meilleure qualité.
  • Validation et tests des données : Les ingénieurs procèdent à des tests unitaires, d’intégration et de performance pour évaluer la fiabilité des pipelines de données, ils mettent alors en place des procédures de validation pour garantir la fiabilité de leurs données.
  • Collaboration avec les parties prenantes : Pour fournir des ensembles de données pertinents et exploitables, ils travaillent en étroite collaboration avec les utilisateurs finaux et autres parties prenantes.
  • Documentation des données : Responsables de la documentation des processus de données, les Analytics Engineers s’assurent de la transparence et de la reproductibilité des transformations de données et workflows mis en place.
  • Utilisation des meilleures pratiques d’ingénierie logicielle : Ils appliquent des pratiques telles que la modularité, la réutilisabilité du code, et la gestion des versions, pour assurer l’efficacité et l’actualisation des solutions d’analyse.
  • Amélioration continue : Engagés dans une démarche d’amélioration continue, les Analytics Engineers restent informés des dernières technologies et tendances de leur marché et de leurs pratiques.

Pour exercer correctement leur métier, les Analytics Engineer doivent maîtriser des compétences clés dans la programmation, l’analyse, la visualisation et le social.

Voici une liste détaillée des compétences requises pour être un Analytics Engineer reconnu :

  • Expérience dans le secteur des données : Pour les ingénieurs analytics, il est crucial d’avoir une expérience dans des environnements centrés sur les données. Les personnes souhaitant devenir Analytics Engineer sont, pour la plupart, des Data Analyst ou des Data Engineer cherchant à se spécialiser dans la modélisation des données.
  • Compétences avancées en SQL : Maîtriser SQL est essentiel pour un Analytics Engineer, étant donné que la majorité de leurs tâches implique d’interroger, manipuler et transformer des données au sein de bases de données. SQL est crucial pour extraire des informations précises, ce qui prépare les données pour les analyses subséquentes.
  • Compétences en programmation : En plus de SQL, la maîtrise de langages de programmation tels que R et Python est cruciale. Ces langages sont essentiels pour visualiser les données, ainsi que pour développer des modèles prédictifs et des algorithmes d’apprentissage automatique.
  • Maîtrise de la technologie DBT : Dbt (Data Build Tool) est un outil de transformation de données qui facilite l’implémentation de code d’analyse via SQL. Il permet aux Analytics Engineers de créer et gérer des pipelines de données de manière efficace. 
  • Connaissance en Software Engineering : Il est essentiel pour un ingénieur analytics de connaître et d’appliquer les meilleures pratiques en génie logiciel, telles que la modularité, la réutilisabilité du code, la documentation, les tests unitaires et la gestion des versions.
    L’adoption de ces pratiques permet non seulement d’améliorer la robustesse du code mais aussi de développer des pipelines de données plus efficaces. En outre, elles facilitent la gestion des modifications et renforcent la collaboration avec les autres membres de l’équipe de développement.

Connaissance des outils de BI et d’ingénierie des données : Il est crucial pour un ingénieur analytics d’avoir une bonne maîtrise des outils d’ingénierie des données et de Business Intelligence (BI). Cela inclut la connaissance des entrepôts de données tels que Snowflake, Amazon Redshift et Google BigQuery, des outils ETL comme AWS Glue et Talend, ainsi que des plateformes de BI telles que Tableau et Looker.
L’expérience pratique avec ces technologies non seulement augmente sa polyvalence, mais permet également une adaptation rapide à l’environnement de l’entreprise.

Contenu d’accordéon

Après votre inscription sur le site, nous vous contactons une première fois pour une présentation de ce qu’est DataScientest, de ce que nous pouvons vous offrir mais aussi de votre parcours et vos souhaits. L’idée est d’aligner dès ce moment là vos attentes avec nos parcours de formations.

Vous pouvez bien évidemment aussi prendre directement rendez-vous en cliquant ici

Après vérification des prérequis d’accès à la formation, nos conseillers vous enverront un test de positionnement afin de vérifier vos connaissances.

Il s’agit essentiellement de questions mathématiques abordant principalement des notions de base (niveau L1/L2) en probabilités, statistiques, analyse et algèbre.

Une fois ce test passé, un membre de l’équipe d’admission prendra contact avec vous pour échanger sur vos résultats et valider votre projet professionnel, vos motivations, et enfin sur la pertinence de votre projet pédagogique.

Une fois votre projet confirmé, vous passez en phase d’inscription avec nos équipes qui s’occuperont d’initier votre formation Machine Learning Engineer et de la mettre en place avec vous dans tous ses aspects.

La formation Machine Learning Engineer est accessible par la voie de la formation continue.

Délais d’accès :

  • Financement CPF : jusqu’à 11 jours ouvrés avant la date de démarrage de la session
  • Autres financements : jusqu’à la veille de la date de démarrage dans la limite des places disponibles

DataScientest est le seul organisme à offrir une formation hybride.

Cela se traduit par 85% d’apprentissage sur la plateforme coachée et 15% de séance de masterclass en visioconférence afin d’allier flexibilité et rigueur sans compromis sur l’un ou l’autre.

C’est un choix mûrement réfléchi qui motive notre pédagogie pour permettre de mener l’apprentissage à son aboutissement avec motivation. Nous avons d’ailleurs détaillé les avantages de cette combinaison unique dans un article sur le sujet. Pour comprendre notre mode d’apprentissage en 2 min découvrez cette vidéo.

Évidemment !

Et qui de mieux pour assurer le support que nos professeurs, également concepteurs du programme. Ils sont disponibles et à l’écoute pour toutes questions, qu’elles soient d’ordre théorique ou pratique et sauront faire preuve de pédagogie dans leur réponse.

En effet, une assistance est accessible tous les jours de la semaine de 9h00 à 17h00 : l’ensemble des formateurs se relaient sur un forum dédié pour proposer une assistance technique personnalisée à tous les apprenants. Un accompagnement pédagogique est aussi proposé via le réseau de communication Slack. 

De plus, pour s’assurer de la complétion et de l’engagement de chacun, nos professeurs suivent votre avancement de près. Dès lors que vous cessez de vous connecter pendant une période prolongée, votre responsable de cohorte prendra de vos nouvelles !

Nos équipes s’adapteront à vos contraintes et vous aideront à finaliser votre dossier dans les meilleurs délais. Nous ferons notre maximum pour que ces délais ne dépassent pas une semaine.
Si vous êtes motivé et sûr de votre projet, vous pourrez terminer votre inscription dans la journée !

A noter qu’il faudra compter jusqu’à 11 jours ouvrés avant la date de démarrage de la session si vous mobiliser votre CPF pour financer votre parcours.

Contenu d’accordéon

Afin d’intégrer la formation, il convient d’avoir obtenu un diplôme ou un titre de niveau 6 (équivalent bac+3).

Ces prérequis existent car bien que la formation soit centrée sur la data science, et non pas les mathématiques, celles-ci sont nécessaires à la bonne compréhension des notions abordées.

Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier et test écrit.

Afin de suivre la formation, il est également demandé aux apprenants de détenir un ordinateur avec une connexion internet et une webcam.

Pour un volume horaire total de 615 heures de formation dont 150 heures allouées aux projets qui jalonnent le cursus, votre formation se déroule à 85% sur une plateforme de coaching personnalisé tandis que les 15% restants sont sous forme de masterclass où un professeur expérimenté anime un cours et répond à toutes vos questions.

Ainsi, le cursus est constitué de 3 modules : 

Data Product Manager

Bloc 1 – Elaborer une solution d’intelligence artificielle grâce au Design Thinking

Bloc 2 – Piloter un projet d’intelligence artificielle

Data Analyst

Bloc 3 – Développer une solution d’intelligence artificielle

ETL Developer

Bloc 4 – Déployer une solution d’intelligence artificielle

Au-delà de la plateforme et des masterclass, vous travaillerez ainsi sur des projets professionnalisants qui vous permettront d’être pleinement opérationnel au sortir de votre formation.

Les 150 heures à allouer aux projets se répartissent comme suit :
– Projet Data Analyst : 80h ;
– Projet ETL Developer : 50h ;
– Projet Data Product Management : 20h.

La formation Analytics Engineer vous permet de choisir un rythme de formation en fonction de vos besoins :
– Format “Bootcamp”, rythme intensif de 35h par semaine pendant 2,5 mois puis de 20h par semaine pendant 4,5 mois.
– Format à temps partiel nécessitant une implication de 10h par semaine pendant 15 mois.
Prenez rendez-vous pour en savoir plus

L’appréciation des résultats se fait à travers la mise en œuvre d’une procédure d’évaluation permettant de déterminer si l’apprenant a acquis les compétences nécessaires au rôle de Chef de projet en intelligence artificielle

Il y a deux aspects évalués par l’équipe pédagogique :
– Projets permettant de mettre l’apprenant en situation professionnelle
– Cas pratiques en ligne pour appliquer progressivement votre apprentissage théorique

Enfin, les évaluations en ligne sont corrigées à la main par notre panel de professeurs qualifiés : tout est fait en sorte que chacun puisse progresser à son rythme de manière efficace. Chez DataScientest nous en sommes convaincus, seul un suivi personnalisé assure un apprentissage de qualité ! 

Le référentiel pédagogique du Machine Learning Engineer est découpé en 4 blocs de compétences :
– Bloc 1 : Elaborer une solution d’intelligence artificielle grâce au Design Thinking
– Bloc 2 : Piloter un projet d’intelligence artificielle
– Bloc 3 : Développer une solution d’intelligence artificielle (Machine et Deep Learning)
– Bloc 4 : Déployer une solution d’intelligence artificielle

Chaque bloc de compétences est validé de façon indépendante, un bloc acquis l’est définitivement. Sa validation fait l’objet de la délivrance d’une attestation de réussite. La certification totale est délivrée au candidat ayant réussi les 4 blocs de compétences.

Ainsi vous serez notamment capable de :

  • Trier, nettoyer et traiter les données afin de les analyser 

  • Développer des modèles Machines Learning afin de réaliser des analyse prédictives

  • Interpréter les résultats et créer des tableaux de bord

  • Maîtriser les techniques de modélisation et de transformation des données.

  • Concevoir et gérer des pipelines de données.

  • Piloter un projet data

Tout au long de votre formation, et au fur et à mesure que vos compétences sont développées, vous allez mener plusieurs projets en groupe en fonction du découpage du cursus : 

Module

Projet

Data Analyst

Développement d’une solution data.

ETL Developer

Création d’un pipeline ETL, de la récupération de données dans les sources brutes jusqu’au à la modélisation puis la visualisation.



Data Product Manager

3 étapes liées aux étape de développement d’un projet IA : 

  • Analyse du besoin
  • Etude de faisabilité 
  • Déploiement du projet


Ces projets pourront provenir de notre catalogue, composé de sujets variés et reposant sur des problématiques techniques d’entreprise. Vous pourrez aussi proposer des projets personnels, du moment que les données sont accessibles et que notre équipe pédagogique valide ceux-ci.

C’est une façon extrêmement efficace de passer de la théorie à la pratique et de s’assurer que vous appliquez les thèmes abordés en cours.

Ce sont des projets fortement appréciés des entreprises car ils assurent la qualité de la formation et des connaissances acquises à l’issue du parcours Analytics Engineer puisque l’utilisation des soft-skills est également très présente. Ces projets vous apprendront ainsi à :

  • transmettre des informations ;
  • présenter et vulgariser son travail ;
  • mettre en valeur des données avec des outils interactifs (Dashboard, Streamlit…)

En somme, ces projets vont nécessiter un véritable investissement qui représente a minima le tiers de votre temps de formation.

Les 150 heures à allouer aux projets qui jalonnent le cursus se répartissent comme suit : 

  • projet Data Analyst : 80h ;
  • projet ETL Developer  : 50h ; 
  • projets Data Product management : 20h.

Les projets sont encadrés par des mentors DataScientest qui échangeront régulièrement avec vous pour s’assurer de votre progression et pour vous guider.

Si vous souhaitez renforcer vos compétences, DataScientest a mis en place différents cursus experts ainsi que des certifications éditeurs (AWS ou Microsoft Azure) pour vous permettre d’approfondir vos connaissances et vous perfectionner dans la data.

Si vous souhaitez vous spécialiser en Marketing Digital, notre formation Marketing Digital & Data est faite pour vous ! Ce programme vous permettra de maîtriser les outils et stratégies essentiels pour analyser les données de marché et optimiser les campagnes digitales. 

Vous pouvez aussi suivre la formation complète Power BI  en parcours 100% synchrone si vous souhaitez consolider vos acquis et augmenter vos chances d’obtenir le statut de “Microsoft Power BI Data Analyst Associate” suite à la formation Analytics Engineer.

La validation des compétences développées au cours de notre formation Machine Learning Engineer vous permettra de valider l’intégralité de la certification RNCP 36129 “Chef de projet en intelligence artificielle” de niveau 7 (équivalent bac+5): délivrée par le Collège de Paris et reconnue par l’Etat, elle constitue un signal fort sur le marché du travail.

De plus, en tant que leader B2B de la formation en Data Science, DataScientest jouit d’une grande notoriété auprès des entreprises qui lui confient la formation à la data science de leurs équipes. Cette confiance forge a fortiori la reconnaissance de ses diplômes.

Contenu d’accordéon

Le salaire d’un Analytics Engineer en France est influencé par plusieurs facteurs clés tels que l’expérience, le niveau de compétence, et la localisation géographique. Selon Talent.com, le salaire médian annuel pour ce poste est d’environ 54 000 €. Toutefois, ce montant peut varier considérablement en fonction de l’expérience : les professionnels débutants peuvent s’attendre à commencer avec un salaire autour de 43 625 € par an, tandis que ceux plus expérimentés peuvent atteindre ou dépasser 78 000 € annuellement.

La demande pour les compétences en Analytics Engineering, qui peut fluctuer selon les besoins du marché, joue un rôle dans la détermination des salaires. De plus, la localisation géographique est un facteur significatif : les salaires tendent à être plus élevés dans les grandes métropoles et les régions avec un secteur technologique bien développé. Enfin, l’accumulation d’expérience, les compétences avancées et les certifications peuvent également augmenter le potentiel de gain de ces professionnels.

Au premier jour de votre entrée en formation, une plateforme dédiée au career services contenant tous les workshops essentiels à votre recherche d’emploi vous sera présentée.

Vous pouvez y accéder en continu et ce, même après la fin de votre formation.

Le Pôle Career Management vous est entièrement dédié tout au long de votre formation. Il est possible de prendre RDV individuellement avec l’une d’elles afin de vous accompagner et répondre à vos questions sur votre projet de carrière.

Chaque mois :
– Une journée entière est organisée pour vous aider à optimiser votre recherche d’emploi avec différents sujets sur la présentation, le changement de carrière, la négociation de salaire et l’entraînement aux tests techniques. A ces sujets s’ajoutent d’autres workshops à définir en fonction des besoins de chacun.
– Vous bénéficiez d’un atelier carrière avec l’intervention d’une consultante senior experte.
– Différents sujets pour aider dans la recherche d’emploi sont abordés : comment combattre le syndrome de l’imposteur, comment se créer un réseau, comment rédiger un bon CV et Linkedin orienté Data.
– Participez à un Alumni Talk. Un alumni prend la parole afin de partager son expérience de formation, de recherche de travail et vous donner des tips.

D’autre part des actions concrètes sont mises en place afin de vous accompagner dans votre recherche d’emploi : le salon du recrutement organisé par DataScientest avec ses entreprises partenaires, organisation de Webinars avec des intervenants experts en data, actions de communication pour booster votre visibilité (Concours CV, DataDays, Articles projet publiés sur le blog et des médias externes de référence).

Enfin, sachez qu’un canal slack spécifique est mis en place, pour les personnes recherchant un travail, sur lequel transitent toutes les informations des ateliers et des offres d’emplois.

Pour connaître toutes les actions de DataScientest en accompagnement carrières, cliquez sur ce lien.

Après la réussite de cette formation, vous pourrez décrocher un travail en tant que :
– Chef de projet en intelligence artificielle, Ingénieur Intelligence Artificielle,
– Directeur de projet en Intelligence Artificielle,
– Manager d’équipe Intelligence Artificielle,
– Expert en Intelligence Artificielle,
– Consultant en Intelligence Artificielle
– Chef de projet Machine Learning.

Après analyse des certifications comparables, aucune équivalence du titre professionnel Chef de projet en intelligence artificielle enregistrée au RNCP ou au RS de France Compétences n’est recensée.
Pour connaître les conditions requises dans le cadre d’une passerelle durant la formation, il faudra vous rapprocher des établissements dispensant le titre visé.

Selon les responsables data des plus grands groupes du CAC 40, savoir communiquer à la fois à l’oral et à l’écrit est plus important que maîtriser le corps du métier de l’entreprise pour un Data Scientist et donc pour un Machine Learning Engineer.

Dès lors nous avons pris cela en compte dans notre cursus qui met également l’accent sur les soft-skills avec :
– Les soutenances orales du projet ,qui permettent de développer ces compétences.
– Des masterclass dédiées à la gestion de projet et à l’interprétation des résultats.
– Des masterclass sur les meilleures pratiques sur des outils dédiés.

Vous aurez aussi la possibilité de participer à des ateliers CV et du coaching carrière via les careers managers de DataScientest.

Contenu d’accordéon

Des Beta-tests sont mis à disposition pour nos alumnis afin de gagner en connaissances data même après la fin de la formation. 

En parallèle, des newsletters élaborées par nos data scientists sont régulièrement envoyées  et sont une source fiable d’informations spécialisées en data science. 

Enfin, la communauté DataScientest ne cesse de s’agrandir, et avec elle l’ensemble de ses alumnis. Pour garder le contact et permettre aux anciens élèves de communiquer entre eux, DataScientest a mis en place un groupe d’alumnis sur LinkedIn qui partagent et échangent sur divers thèmes autour de la Data Science.

La communauté DatAlumni est une communauté LinkedIn qui regroupe les anciens élèves DataScientest. Sur cette page, des questions, des conseils et des nouvelles technologiques sont partagés dans l’intérêt de tous. 

En plus de cela, DataScientest va lancer dans les semaines à venir un trombinoscope qui permettra de mettre en relation les alumnis, celui-ci inclura l’entreprise et le poste de chacun.

Initialement, DataScientest a accompagné la transition data des entreprises. Ceci a permis de créer des liens forts entre les grands groupes qui ont assuré la croissance de notre structure

Par la suite, ce sont eux qui ont motivé le lancement de notre offre aux particuliers afin de pallier le manque de profils compétents. Cette nécessité de bons profils se traduit dans l’enquête que nous avons menée auprès de 30 groupes du CAC 40. Même s’ils avaient des contraintes budgétaires élevées, seuls 4 % estiment qu’ils baisseraient leurs effectifs de data scientists ; par comparaison 28 % chercheraient tout de même à augmenter leur nombre de plus de 20 %

Fort de notre passé avec les grandes entreprises, nous avons alors signé des partenariats liés à l’embauche de nos alumnis. Toutes les entreprises partenaires s’engagent à insérer dans leurs process de recrutement tous nos élèves en fin de formation : ceci, couplé aux aides aux CV et aux entretiens, signifie que vous serez en pôle position pour décrocher le job de vos rêves !

Fort de notre expérience avec les grandes entreprises, nous organisons de manière régulière des salons de recrutement avec nos entreprises partenaires, adressés à tous nos élèves et alumni

Au premier jour de votre entrée en formation, une plateforme dédiée au career services contenant tous les workshops essentiels à votre recherche d’emploi vous sera présentée.

Vous pouvez y accéder en continu et ce, même après la fin de votre formation.

Mathilde et Morgane, nos career managers vous sont entièrement dédiées tout au long de votre formation. Il est possible de prendre RDV individuellement avec l’une d’elles afin de vous accompagner et répondre à vos éventuelles questions sur votre projet de carrière.

En plus de cela, des ateliers carrière sont organisés tous les mois:

  • Un atelier pour vous aider à rédiger un bon CV et Linkedin orienté data
  • Un atelier pour vous aider à stratégiser votre recherche d’emploi avec différents sujets sur la présentation, le changement de carrière, la négociation de salaire et l’entraînement aux tests techniques.

 

A ces sujets s’ajoutent d’autres workshops à définir en fonction des besoins de chacun. D’autre part des actions concrètes sont mises en place afin de vous accompagner dans votre recherche d’emploi: salon du recrutement organisé par DataScientest avec ses entreprises partenaires, organisation de Webinars avec des intervenants experts en data, actions de communication pour booster votre visibilité (Concours CV, DataDays, Articles projet publiés sur le blog et des médias externes de référence). 

Pour connaître toutes les actions de DataScientest en accompagnement carrières, cliquez sur ce lien.

DataScientest analysera toutes les possibilités d’aménagement (pédagogie, matériel, moyens techniques, humains) afin de compenser votre handicap et vous permettre de suivre votre formation dans de bonnes conditions. Vous pouvez contacter notre référente handicap pour toute demande concernant votre situation : mathilde.v@datascientest.com.
Découvrez le témoignage d’une apprenante en situation de handicap et son accompagnement par l’équipe DataScientest sur le webinar : « Handicap & emploi : saisissez l’opportunité d’une carrière dans la tech

Le job
Contenu d’accordéon

L’Analytics Engineer, métier émergeant depuis 2018, se positionne à l’intersection entre Data Analyst et Data Engineer, devenant ainsi un atout crucial dans la gestion des données au sein des entreprises.

Spécialisé dans la gestion, transformation, et modélisation des données, cet ingénieur fournit des ensembles de données compréhensibles pour tous, en appliquant les meilleures pratiques de visualisation comme le contrôle de version et l’intégration continue.

Par rapport aux métiers traditionnels de la data, l’Analytics Engineer se distingue en collaborant étroitement avec les Data Analysts et Data Scientists pour développer des solutions d’analyse adaptées aux besoins métier.

Faisant face à une demande croissante de ses compétences avancées dans l’analyse de codes et la prise de décision en entreprise, ce rôle, parfois mal orthographié « Analytic Engineer », est essentiel pour l’optimisation stratégique des données, permettant une analyse et une exploitation optimale en vue de résoudre des problèmes complexes et de développer des modèles prédictifs.

Contrairement au Data Analyst, qui se focalise principalement sur l’analyse des données, l’Analytics Engineer voit son travail centré sur la modélisation des données pour en faciliter l’accès aux utilisateurs finaux. Cette approche permet aux utilisateurs de répondre à la majorité de leurs questions sur des données de manière autonome. Un Analytics Engineer expérimenté s’occupera donc de transformer, tester, déployer et documenter les données dont il est responsable.

Voici une liste plus détaillée des missions d’un Analytics Engineer : 

  • Modélisation et transformation des données : Les Analytics Engineers doivent structurer, nettoyer et préparer les données pour les analyses afin d’assurer de leur précision et de leur fiabilité.
  • Intégration des données et développement des pipelines : Pour répondre aux besoins de l’entreprise, ils conçoivent des pipelines pour extraire, transformer et charger les données de meilleure qualité.
  • Validation et tests des données : Les ingénieurs procèdent à des tests unitaires, d’intégration et de performance pour évaluer la fiabilité des pipelines de données, ils mettent alors en place des procédures de validation pour garantir la fiabilité de leurs données.
  • Collaboration avec les parties prenantes : Pour fournir des ensembles de données pertinents et exploitables, ils travaillent en étroite collaboration avec les utilisateurs finaux et autres parties prenantes.
  • Documentation des données : Responsables de la documentation des processus de données, les Analytics Engineers s’assurent de la transparence et de la reproductibilité des transformations de données et workflows mis en place.
  • Utilisation des meilleures pratiques d’ingénierie logicielle : Ils appliquent des pratiques telles que la modularité, la réutilisabilité du code, et la gestion des versions, pour assurer l’efficacité et l’actualisation des solutions d’analyse.
  • Amélioration continue : Engagés dans une démarche d’amélioration continue, les Analytics Engineers restent informés des dernières technologies et tendances de leur marché et de leurs pratiques.

Pour exercer correctement leur métier, les Analytics Engineer doivent maîtriser des compétences clés dans la programmation, l’analyse, la visualisation et le social.

Voici une liste détaillée des compétences requises pour être un Analytics Engineer reconnu :

  • Expérience dans le secteur des données : Pour les ingénieurs analytics, il est crucial d’avoir une expérience dans des environnements centrés sur les données. Les personnes souhaitant devenir Analytics Engineer sont, pour la plupart, des Data Analyst ou des Data Engineer cherchant à se spécialiser dans la modélisation des données.
  • Compétences avancées en SQL : Maîtriser SQL est essentiel pour un Analytics Engineer, étant donné que la majorité de leurs tâches implique d’interroger, manipuler et transformer des données au sein de bases de données. SQL est crucial pour extraire des informations précises, ce qui prépare les données pour les analyses subséquentes.
  • Compétences en programmation : En plus de SQL, la maîtrise de langages de programmation tels que R et Python est cruciale. Ces langages sont essentiels pour visualiser les données, ainsi que pour développer des modèles prédictifs et des algorithmes d’apprentissage automatique.
  • Maîtrise de la technologie DBT : Dbt (Data Build Tool) est un outil de transformation de données qui facilite l’implémentation de code d’analyse via SQL. Il permet aux Analytics Engineers de créer et gérer des pipelines de données de manière efficace. 
  • Connaissance en Software Engineering : Il est essentiel pour un ingénieur analytics de connaître et d’appliquer les meilleures pratiques en génie logiciel, telles que la modularité, la réutilisabilité du code, la documentation, les tests unitaires et la gestion des versions.
    L’adoption de ces pratiques permet non seulement d’améliorer la robustesse du code mais aussi de développer des pipelines de données plus efficaces. En outre, elles facilitent la gestion des modifications et renforcent la collaboration avec les autres membres de l’équipe de développement.

Connaissance des outils de BI et d’ingénierie des données : Il est crucial pour un ingénieur analytics d’avoir une bonne maîtrise des outils d’ingénierie des données et de Business Intelligence (BI). Cela inclut la connaissance des entrepôts de données tels que Snowflake, Amazon Redshift et Google BigQuery, des outils ETL comme AWS Glue et Talend, ainsi que des plateformes de BI telles que Tableau et Looker.
L’expérience pratique avec ces technologies non seulement augmente sa polyvalence, mais permet également une adaptation rapide à l’environnement de l’entreprise.

Les infos clés
Contenu d’accordéon

Après votre inscription sur le site, nous vous contactons une première fois pour une présentation de ce qu’est DataScientest, de ce que nous pouvons vous offrir mais aussi de votre parcours et vos souhaits. L’idée est d’aligner dès ce moment là vos attentes avec nos parcours de formations.

Vous pouvez bien évidemment aussi prendre directement rendez-vous en cliquant ici

Après vérification des prérequis d’accès à la formation, nos conseillers vous enverront un test de positionnement afin de vérifier vos connaissances.

Il s’agit essentiellement de questions mathématiques abordant principalement des notions de base (niveau L1/L2) en probabilités, statistiques, analyse et algèbre.

Une fois ce test passé, un membre de l’équipe d’admission prendra contact avec vous pour échanger sur vos résultats et valider votre projet professionnel, vos motivations, et enfin sur la pertinence de votre projet pédagogique.

Une fois votre projet confirmé, vous passez en phase d’inscription avec nos équipes qui s’occuperont d’initier votre formation Machine Learning Engineer et de la mettre en place avec vous dans tous ses aspects.

La formation Machine Learning Engineer est accessible par la voie de la formation continue.

Délais d’accès :

  • Financement CPF : jusqu’à 11 jours ouvrés avant la date de démarrage de la session
  • Autres financements : jusqu’à la veille de la date de démarrage dans la limite des places disponibles

DataScientest est le seul organisme à offrir une formation hybride.

Cela se traduit par 85% d’apprentissage sur la plateforme coachée et 15% de séance de masterclass en visioconférence afin d’allier flexibilité et rigueur sans compromis sur l’un ou l’autre.

C’est un choix mûrement réfléchi qui motive notre pédagogie pour permettre de mener l’apprentissage à son aboutissement avec motivation. Nous avons d’ailleurs détaillé les avantages de cette combinaison unique dans un article sur le sujet. Pour comprendre notre mode d’apprentissage en 2 min découvrez cette vidéo.

Évidemment !

Et qui de mieux pour assurer le support que nos professeurs, également concepteurs du programme. Ils sont disponibles et à l’écoute pour toutes questions, qu’elles soient d’ordre théorique ou pratique et sauront faire preuve de pédagogie dans leur réponse.

En effet, une assistance est accessible tous les jours de la semaine de 9h00 à 17h00 : l’ensemble des formateurs se relaient sur un forum dédié pour proposer une assistance technique personnalisée à tous les apprenants. Un accompagnement pédagogique est aussi proposé via le réseau de communication Slack. 

De plus, pour s’assurer de la complétion et de l’engagement de chacun, nos professeurs suivent votre avancement de près. Dès lors que vous cessez de vous connecter pendant une période prolongée, votre responsable de cohorte prendra de vos nouvelles !

Nos équipes s’adapteront à vos contraintes et vous aideront à finaliser votre dossier dans les meilleurs délais. Nous ferons notre maximum pour que ces délais ne dépassent pas une semaine.
Si vous êtes motivé et sûr de votre projet, vous pourrez terminer votre inscription dans la journée !

A noter qu’il faudra compter jusqu’à 11 jours ouvrés avant la date de démarrage de la session si vous mobiliser votre CPF pour financer votre parcours.

Le cursus
Contenu d’accordéon

Afin d’intégrer la formation, il convient d’avoir obtenu un diplôme ou un titre de niveau 6 (équivalent bac+3).

Ces prérequis existent car bien que la formation soit centrée sur la data science, et non pas les mathématiques, celles-ci sont nécessaires à la bonne compréhension des notions abordées.

Pour les candidats ne présentant pas le niveau de qualification requis, une dérogation est possible sur dossier et test écrit.

Afin de suivre la formation, il est également demandé aux apprenants de détenir un ordinateur avec une connexion internet et une webcam.

Pour un volume horaire total de 615 heures de formation dont 150 heures allouées aux projets qui jalonnent le cursus, votre formation se déroule à 85% sur une plateforme de coaching personnalisé tandis que les 15% restants sont sous forme de masterclass où un professeur expérimenté anime un cours et répond à toutes vos questions.

Ainsi, le cursus est constitué de 3 modules : 

Data Product Manager

Bloc 1 – Elaborer une solution d’intelligence artificielle grâce au Design Thinking

Bloc 2 – Piloter un projet d’intelligence artificielle

Data Analyst

Bloc 3 – Développer une solution d’intelligence artificielle

ETL Developer

Bloc 4 – Déployer une solution d’intelligence artificielle

Au-delà de la plateforme et des masterclass, vous travaillerez ainsi sur des projets professionnalisants qui vous permettront d’être pleinement opérationnel au sortir de votre formation.

Les 150 heures à allouer aux projets se répartissent comme suit :
– Projet Data Analyst : 80h ;
– Projet ETL Developer : 50h ;
– Projet Data Product Management : 20h.

La formation Analytics Engineer vous permet de choisir un rythme de formation en fonction de vos besoins :
– Format “Bootcamp”, rythme intensif de 35h par semaine pendant 2,5 mois puis de 20h par semaine pendant 4,5 mois.
– Format à temps partiel nécessitant une implication de 10h par semaine pendant 15 mois.
Prenez rendez-vous pour en savoir plus

L’appréciation des résultats se fait à travers la mise en œuvre d’une procédure d’évaluation permettant de déterminer si l’apprenant a acquis les compétences nécessaires au rôle de Chef de projet en intelligence artificielle

Il y a deux aspects évalués par l’équipe pédagogique :
– Projets permettant de mettre l’apprenant en situation professionnelle
– Cas pratiques en ligne pour appliquer progressivement votre apprentissage théorique

Enfin, les évaluations en ligne sont corrigées à la main par notre panel de professeurs qualifiés : tout est fait en sorte que chacun puisse progresser à son rythme de manière efficace. Chez DataScientest nous en sommes convaincus, seul un suivi personnalisé assure un apprentissage de qualité ! 

Le référentiel pédagogique du Machine Learning Engineer est découpé en 4 blocs de compétences :
– Bloc 1 : Elaborer une solution d’intelligence artificielle grâce au Design Thinking
– Bloc 2 : Piloter un projet d’intelligence artificielle
– Bloc 3 : Développer une solution d’intelligence artificielle (Machine et Deep Learning)
– Bloc 4 : Déployer une solution d’intelligence artificielle

Chaque bloc de compétences est validé de façon indépendante, un bloc acquis l’est définitivement. Sa validation fait l’objet de la délivrance d’une attestation de réussite. La certification totale est délivrée au candidat ayant réussi les 4 blocs de compétences.

Ainsi vous serez notamment capable de :

  • Trier, nettoyer et traiter les données afin de les analyser 

  • Développer des modèles Machines Learning afin de réaliser des analyse prédictives

  • Interpréter les résultats et créer des tableaux de bord

  • Maîtriser les techniques de modélisation et de transformation des données.

  • Concevoir et gérer des pipelines de données.

  • Piloter un projet data

Tout au long de votre formation, et au fur et à mesure que vos compétences sont développées, vous allez mener plusieurs projets en groupe en fonction du découpage du cursus : 

Module

Projet

Data Analyst

Développement d’une solution data.

ETL Developer

Création d’un pipeline ETL, de la récupération de données dans les sources brutes jusqu’au à la modélisation puis la visualisation.



Data Product Manager

3 étapes liées aux étape de développement d’un projet IA : 

  • Analyse du besoin
  • Etude de faisabilité 
  • Déploiement du projet


Ces projets pourront provenir de notre catalogue, composé de sujets variés et reposant sur des problématiques techniques d’entreprise. Vous pourrez aussi proposer des projets personnels, du moment que les données sont accessibles et que notre équipe pédagogique valide ceux-ci.

C’est une façon extrêmement efficace de passer de la théorie à la pratique et de s’assurer que vous appliquez les thèmes abordés en cours.

Ce sont des projets fortement appréciés des entreprises car ils assurent la qualité de la formation et des connaissances acquises à l’issue du parcours Analytics Engineer puisque l’utilisation des soft-skills est également très présente. Ces projets vous apprendront ainsi à :

  • transmettre des informations ;
  • présenter et vulgariser son travail ;
  • mettre en valeur des données avec des outils interactifs (Dashboard, Streamlit…)

En somme, ces projets vont nécessiter un véritable investissement qui représente a minima le tiers de votre temps de formation.

Les 150 heures à allouer aux projets qui jalonnent le cursus se répartissent comme suit : 

  • projet Data Analyst : 80h ;
  • projet ETL Developer  : 50h ; 
  • projets Data Product management : 20h.

Les projets sont encadrés par des mentors DataScientest qui échangeront régulièrement avec vous pour s’assurer de votre progression et pour vous guider.

Si vous souhaitez renforcer vos compétences, DataScientest a mis en place différents cursus experts ainsi que des certifications éditeurs (AWS ou Microsoft Azure) pour vous permettre d’approfondir vos connaissances et vous perfectionner dans la data.

Si vous souhaitez vous spécialiser en Marketing Digital, notre formation Marketing Digital & Data est faite pour vous ! Ce programme vous permettra de maîtriser les outils et stratégies essentiels pour analyser les données de marché et optimiser les campagnes digitales. 

Vous pouvez aussi suivre la formation complète Power BI  en parcours 100% synchrone si vous souhaitez consolider vos acquis et augmenter vos chances d’obtenir le statut de “Microsoft Power BI Data Analyst Associate” suite à la formation Analytics Engineer.

La validation des compétences développées au cours de notre formation Machine Learning Engineer vous permettra de valider l’intégralité de la certification RNCP 36129 “Chef de projet en intelligence artificielle” de niveau 7 (équivalent bac+5): délivrée par le Collège de Paris et reconnue par l’Etat, elle constitue un signal fort sur le marché du travail.

De plus, en tant que leader B2B de la formation en Data Science, DataScientest jouit d’une grande notoriété auprès des entreprises qui lui confient la formation à la data science de leurs équipes. Cette confiance forge a fortiori la reconnaissance de ses diplômes.

La carrière
Contenu d’accordéon

Le salaire d’un Analytics Engineer en France est influencé par plusieurs facteurs clés tels que l’expérience, le niveau de compétence, et la localisation géographique. Selon Talent.com, le salaire médian annuel pour ce poste est d’environ 54 000 €. Toutefois, ce montant peut varier considérablement en fonction de l’expérience : les professionnels débutants peuvent s’attendre à commencer avec un salaire autour de 43 625 € par an, tandis que ceux plus expérimentés peuvent atteindre ou dépasser 78 000 € annuellement.

La demande pour les compétences en Analytics Engineering, qui peut fluctuer selon les besoins du marché, joue un rôle dans la détermination des salaires. De plus, la localisation géographique est un facteur significatif : les salaires tendent à être plus élevés dans les grandes métropoles et les régions avec un secteur technologique bien développé. Enfin, l’accumulation d’expérience, les compétences avancées et les certifications peuvent également augmenter le potentiel de gain de ces professionnels.

Au premier jour de votre entrée en formation, une plateforme dédiée au career services contenant tous les workshops essentiels à votre recherche d’emploi vous sera présentée.

Vous pouvez y accéder en continu et ce, même après la fin de votre formation.

Le Pôle Career Management vous est entièrement dédié tout au long de votre formation. Il est possible de prendre RDV individuellement avec l’une d’elles afin de vous accompagner et répondre à vos questions sur votre projet de carrière.

Chaque mois :
– Une journée entière est organisée pour vous aider à optimiser votre recherche d’emploi avec différents sujets sur la présentation, le changement de carrière, la négociation de salaire et l’entraînement aux tests techniques. A ces sujets s’ajoutent d’autres workshops à définir en fonction des besoins de chacun.
– Vous bénéficiez d’un atelier carrière avec l’intervention d’une consultante senior experte.
– Différents sujets pour aider dans la recherche d’emploi sont abordés : comment combattre le syndrome de l’imposteur, comment se créer un réseau, comment rédiger un bon CV et Linkedin orienté Data.
– Participez à un Alumni Talk. Un alumni prend la parole afin de partager son expérience de formation, de recherche de travail et vous donner des tips.

D’autre part des actions concrètes sont mises en place afin de vous accompagner dans votre recherche d’emploi : le salon du recrutement organisé par DataScientest avec ses entreprises partenaires, organisation de Webinars avec des intervenants experts en data, actions de communication pour booster votre visibilité (Concours CV, DataDays, Articles projet publiés sur le blog et des médias externes de référence).

Enfin, sachez qu’un canal slack spécifique est mis en place, pour les personnes recherchant un travail, sur lequel transitent toutes les informations des ateliers et des offres d’emplois.

Pour connaître toutes les actions de DataScientest en accompagnement carrières, cliquez sur ce lien.

Après la réussite de cette formation, vous pourrez décrocher un travail en tant que :
– Chef de projet en intelligence artificielle, Ingénieur Intelligence Artificielle,
– Directeur de projet en Intelligence Artificielle,
– Manager d’équipe Intelligence Artificielle,
– Expert en Intelligence Artificielle,
– Consultant en Intelligence Artificielle
– Chef de projet Machine Learning.

Après analyse des certifications comparables, aucune équivalence du titre professionnel Chef de projet en intelligence artificielle enregistrée au RNCP ou au RS de France Compétences n’est recensée.
Pour connaître les conditions requises dans le cadre d’une passerelle durant la formation, il faudra vous rapprocher des établissements dispensant le titre visé.

Selon les responsables data des plus grands groupes du CAC 40, savoir communiquer à la fois à l’oral et à l’écrit est plus important que maîtriser le corps du métier de l’entreprise pour un Data Scientist et donc pour un Machine Learning Engineer.

Dès lors nous avons pris cela en compte dans notre cursus qui met également l’accent sur les soft-skills avec :
– Les soutenances orales du projet ,qui permettent de développer ces compétences.
– Des masterclass dédiées à la gestion de projet et à l’interprétation des résultats.
– Des masterclass sur les meilleures pratiques sur des outils dédiés.

Vous aurez aussi la possibilité de participer à des ateliers CV et du coaching carrière via les careers managers de DataScientest.

Nos services
Contenu d’accordéon

Des Beta-tests sont mis à disposition pour nos alumnis afin de gagner en connaissances data même après la fin de la formation. 

En parallèle, des newsletters élaborées par nos data scientists sont régulièrement envoyées  et sont une source fiable d’informations spécialisées en data science. 

Enfin, la communauté DataScientest ne cesse de s’agrandir, et avec elle l’ensemble de ses alumnis. Pour garder le contact et permettre aux anciens élèves de communiquer entre eux, DataScientest a mis en place un groupe d’alumnis sur LinkedIn qui partagent et échangent sur divers thèmes autour de la Data Science.

La communauté DatAlumni est une communauté LinkedIn qui regroupe les anciens élèves DataScientest. Sur cette page, des questions, des conseils et des nouvelles technologiques sont partagés dans l’intérêt de tous. 

En plus de cela, DataScientest va lancer dans les semaines à venir un trombinoscope qui permettra de mettre en relation les alumnis, celui-ci inclura l’entreprise et le poste de chacun.

Initialement, DataScientest a accompagné la transition data des entreprises. Ceci a permis de créer des liens forts entre les grands groupes qui ont assuré la croissance de notre structure

Par la suite, ce sont eux qui ont motivé le lancement de notre offre aux particuliers afin de pallier le manque de profils compétents. Cette nécessité de bons profils se traduit dans l’enquête que nous avons menée auprès de 30 groupes du CAC 40. Même s’ils avaient des contraintes budgétaires élevées, seuls 4 % estiment qu’ils baisseraient leurs effectifs de data scientists ; par comparaison 28 % chercheraient tout de même à augmenter leur nombre de plus de 20 %

Fort de notre passé avec les grandes entreprises, nous avons alors signé des partenariats liés à l’embauche de nos alumnis. Toutes les entreprises partenaires s’engagent à insérer dans leurs process de recrutement tous nos élèves en fin de formation : ceci, couplé aux aides aux CV et aux entretiens, signifie que vous serez en pôle position pour décrocher le job de vos rêves !

Fort de notre expérience avec les grandes entreprises, nous organisons de manière régulière des salons de recrutement avec nos entreprises partenaires, adressés à tous nos élèves et alumni

Au premier jour de votre entrée en formation, une plateforme dédiée au career services contenant tous les workshops essentiels à votre recherche d’emploi vous sera présentée.

Vous pouvez y accéder en continu et ce, même après la fin de votre formation.

Mathilde et Morgane, nos career managers vous sont entièrement dédiées tout au long de votre formation. Il est possible de prendre RDV individuellement avec l’une d’elles afin de vous accompagner et répondre à vos éventuelles questions sur votre projet de carrière.

En plus de cela, des ateliers carrière sont organisés tous les mois:

  • Un atelier pour vous aider à rédiger un bon CV et Linkedin orienté data
  • Un atelier pour vous aider à stratégiser votre recherche d’emploi avec différents sujets sur la présentation, le changement de carrière, la négociation de salaire et l’entraînement aux tests techniques.

 

A ces sujets s’ajoutent d’autres workshops à définir en fonction des besoins de chacun. D’autre part des actions concrètes sont mises en place afin de vous accompagner dans votre recherche d’emploi: salon du recrutement organisé par DataScientest avec ses entreprises partenaires, organisation de Webinars avec des intervenants experts en data, actions de communication pour booster votre visibilité (Concours CV, DataDays, Articles projet publiés sur le blog et des médias externes de référence). 

Pour connaître toutes les actions de DataScientest en accompagnement carrières, cliquez sur ce lien.

DataScientest analysera toutes les possibilités d’aménagement (pédagogie, matériel, moyens techniques, humains) afin de compenser votre handicap et vous permettre de suivre votre formation dans de bonnes conditions. Vous pouvez contacter notre référente handicap pour toute demande concernant votre situation : mathilde.v@datascientest.com.
Découvrez le témoignage d’une apprenante en situation de handicap et son accompagnement par l’équipe DataScientest sur le webinar : « Handicap & emploi : saisissez l’opportunité d’une carrière dans la tech

Vous êtes intéressé(e) ?