Google Code for Remarketing Tag - Bloom
脌 propos de ce certificat
CEU/PDU
Acqu茅rez les connaissances essentielles requises pour examiner un pipeline complet de donn茅es scientifiques et pour b芒tir des mod猫les d鈥檃pprentissage automatique pour atteindre des objectifs pr茅cis comme la pr茅vision ou la classification gr芒ce 脿 ce programme offert en ligne. Si vous souhaitez acqu茅rir des connaissances techniques essentielles en science des donn茅es et en apprentissage automatique, ce programme vous convient parfaitement. Vous serez alors sur le bon chemin vers une carri猫re d鈥檃nalyste des donn茅es, d鈥檌ng茅nieur des donn茅es, de journaliste des donn茅es, de professionnel de l鈥檃pprentissage automatique ou de scientifique des donn茅es.
Vous pourrez parfaire des comp茅tences cl茅s en science des donn茅es, notamment :
鈥� la mise en pratique de l鈥檃nalyse statistique鈥�;
鈥� l鈥檃pprentissage automatique鈥�;
鈥� l鈥檈xploration des donn茅es鈥�;
鈥� la gestion des donn茅es鈥�;
鈥� la visualisation des donn茅es.
Au cours du programme, vous travaillerez aupr猫s d鈥櫭﹒uipes pluridisciplinaires pour convertir vos apprentissages en conseils d鈥檃ffaires afin de contribuer 脿 l鈥檕rientation des d茅cisions d鈥檃ffaires.
Une fois inscrits, les 茅tudiants b茅n茅ficient d'un acc猫s gratuit 脿 (disponible pour tous les cours) pendant 6 mois et 脿 et (cours s茅lectionn茅s uniquement) pendant la dur茅e du programme.
Des comp茅tences en programmation en Python sont 苍茅肠别蝉蝉补颈谤别蝉 afin de r茅ussir ce programme.
- Python
- Alteryx
- Tableau
- SQL
- Github
- Hadoop (local听et infonuagique)
- Apache Spark听
- Scala
Le programme est con莽u pour vous permettre de听:
- Acqu茅rir une solide compr茅hension des concepts et des outils informatiques statistiques et math茅matiques pertinents鈥�;
- Mettre en pratique des outils essentiels pour int茅grer, filtrer, traiter et analyser une vari茅t茅 de grands ensembles de donn茅es en utilisant des modes de fonctionnement continu et discontinu鈥�;
- Examiner toutes les phases d鈥檜n pipeline complet de donn茅es scientifiques comprenant des donn茅es structur茅es et non structur茅es鈥�;听
- Tester et 茅valuer diverses techniques d鈥檃pprentissage automatique, et apprendre comment choisir la bonne pour r茅soudre un probl猫me op茅rationnel鈥�;
- 脡laborer un projet de science des donn茅es pour r茅pondre 脿 un besoin ou r茅soudre un probl猫me op茅rationnel, et choisir les outils appropri茅s et les algorithmes requis鈥�;听
- Interpr茅ter et communiquer efficacement des renseignements issus de donn茅es en utilisant la visualisation de donn茅es et des techniques de narration, et les convertir en connaissances sp茅cifiques aux affaires.
- Solide exp茅rience quantitative
- Ma卯trise de Excel, Access ou tout autre outil d鈥檃nalyse des donn茅es
- Des comp茅tences en programmation en Python sont 苍茅肠别蝉蝉补颈谤别蝉 afin de r茅ussir ce programme.
Vous pouvez 茅valuer votre degr茅 de comp茅tence en Python par le biais d'un de nos tests en ligne :
Les 茅tudiants qui n鈥檕nt aucune connaissance pr茅alable de Python doivent suivre au moins un des cours Python en ligne suivants, ou un cours similaire :
- 听听
Ce programme doit 锚tre termin茅 en deux ans.
Les candidats doivent d茅tenir au moins l鈥檜n des dipl么mes suivants听:听
- Baccalaur茅at en ing茅nierie (B. Ing.)
OU - Baccalaur茅at en science (B. Sc.)
OU - Baccalaur茅at en commerce, SIG (B. Com. SIG)
OU - Baccalaur茅at dans un autre domaine ET 听
Remarque听:
Les demandes d鈥檃dmission provenant d鈥櫭﹖udiants plus 芒g茅s* qui ne satisfont pas aux crit猫res susmentionn茅s, mais qui ont une exp茅rience vaste et pertinente en programmation de logiciels ou en analyse des donn茅es, et qui ont pr茅alablement r茅ussi des cours pertinents en calcul, en statistiques ou en informatique seront 茅valu茅s au cas par cas.
*Candidats de 21 ans et plus.听
Vous trouverez toute l鈥檌nformation sur les droits de scolarit茅 et les autres frais pour ce programme, notamment pour les formules 脿 temps partiel et 脿 temps plein, 脿 l鈥檃dresse mcgill.ca/continuingstudies/fr/certificats-de-perfectionnement-professionnel-frais-de-cours.
Comme les programmes de certificat de perfectionnement professionnel ne donnent pas droit 脿 des unit茅s, ils ne sont pas admissibles 脿 l鈥檃ide financi猫re ni aux bourses comme ceux du programme de pr锚ts et bourses (Aide financi猫re aux 茅tudes) du Qu茅bec.
Veuillez aussi noter que des re莽us fiscaux officiels (formulaire听T2202A et relev茅听8) peuvent 锚tre fournis pour les droits de scolarit茅 associ茅s aux cours de ces programmes.
S'inscrire pour un cours individuel
Vous pouvez vous inscrire 脿 des cours individuels, mais vous devez satisfaire les crit猫res d鈥檃dmission du programme et 锚tre admis au programme. Pour plus d'information, veuillez composer le 514-398-5454 ou envoyer un courriel 脿 pd.conted@mcgill.ca.
Articles R茅cents
Les programmes en sciences des donn茅es, de plus en plus en demande et maintenant plus accessibles
D鈥檌ng茅nieur en logiciels 脿 ing茅nieur en donn茅es gr芒ce au certificat en science des donn茅es et apprentissage automatique de l鈥橴niversit茅 McGill
La science des donn茅es : 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鈥檚 Certification in Business Data Analytics (IIBA庐-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鈥檚 Certification in Business Data Analytics (IIBA庐-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
D茅veloppement de carri猫re et perfectionnement professionnel
T茅l.: +1 514-398-5454
680, rue Sherbrooke Ouest, bureau听1029
Montr茅al (Qu茅bec)听听H3A 2M7
Horaires d'ouverture
Du lundi au vendredi
de 9听h 脿 17听h