Formation Dataiku : La plateforme DSS

Introduction à Dataiku DSS

• Présentation de Dataiku : historique et évolution
• Concepts clés et architecture (on-premise vs cloud)
• Rôles et profils des utilisateurs (Data Engineer, Data Scientist, Analyste, etc.)
• Organisation des projets et structuration des workflows
• Cas pratique : Création d’un premier projet DSS et découverte de l’interface utilisateur

Gestion et préparation des données

• Connexion aux différentes sources de données (SQL, NoSQL, Data Lakes, API)
• Importation et exploration des datasets
• Nettoyage des données avec les recettes visuelles
• Enrichissement des données : jointures, stacking, transformation
• Cas pratique : Importer un jeu de données clients, nettoyer et préparer les données en supprimant les doublons et en normalisant les formats

Transformation et manipulation avancée des données

• Recettes visuelles et scriptées : SQL, Python, R
• Types de données et leur gestion (Semantic Types)
• Recettes avancées : Grouping, Window Functions, Pivot
• Gestion des grands volumes de données et optimisation des workflows
• Cas pratique : Fusionner plusieurs datasets de transactions bancaires et créer de nouvelles variables exploitables

Data Visualisation et Dashboards

• Choix des graphiques et meilleures pratiques en data visualisation
• Création de Dashboards interactifs
• Exportation et partage des visualisations
• Gestion des accès et permissions des Dashboards
• Cas pratique : construire un Dashboard montrant l’évolution des ventes par région et par catégorie de produit

Introduction au Machine Learning avec Dataiku

• Concepts de base du Machine Learning (supervisé vs non supervisé)
• Construction et entraînement de modèles avec AutoML
• Sélection des variables et évaluation des modèles (metrics, confusion matrix, ROC, etc.)
• Explicabilité des modèles et interprétation des résultats
• Cas pratique : Construire un modèle de classification pour prédire si un client va churner ou non