Dans cette nouvelle session des Fondamentaux, on a expérimenté une nouvelle approche pédagogique : le coaching des élèves de ce programme par nos Data Scientists en devenir du bootcamp Fullstack ! Tous ont pu asseoir rapidement leurs compétences, s’entraider et se donner des tips techniques 😉 Vous trouverez ici certains projets finals d’élèves du bootcamp Fondamentaux : après leurs 40 heures de formations, ils ont réalisés des projets tous plus intéressants les uns que les autres. Toutes leurs slides en cliquant sur le nom du projet !
Chloé : prédire les retard d'avion
La réalisation de ce projet n’aurait pas pu mieux tomber en cette période estivale, et est pourtant la plus grande peur, à la fois pour les compagnies et les passagers, faisant perdre des sommes considérables à toutes les parties. Cette prédiction est réalisée dans une régression linéaire multiple (plusieurs variables à prendre en compte), et va nous permettre de savoir si un avion va être en retard ou pas ! A vos comparateurs 🌴
Marion : prédire les ventes d'un hôtel
Dans le cadre de votre formation, vous pouvez tout à fait prendre les données sur lesquelles vous travaillez quotidiennement au travail ! C’est ce qu’à fait Marion, Revenue Manager dans un groupe hôtellier ! Le but ? Identifier clairement les saisonnalités dans les réservations de chambres d’hôtel, et déterminer les performances de chacune de ces saisons, afin d’optimiser le prix de ces réservations. Un projet encore tout à fait d’actualité en cette période de vacances 😉
Thomas : Groupe PSA - Prédire le renouvellement d'un abonnement client
Le Taux de Churn : une problématique également beaucoup abordée par les compagnies d’assurance, les opérateurs téléphoniques ! Dans ce projet, Thomas nous explique étape par étape comment il a mis en place sa régression logistique, dans le but de prédire si un client va renouveler ou non. Une mesure très utile pour les équipes marketing, voulant mieux cibler son audience et fidéliser sa clientèle.
Pierre : prédire le départ d'un collaborateur
Un projet pour les départements RH ! Le turnover est généralement un bon indicateur de la satisfaction-employé au sein de sa structure. Dans un marché du travail tendu, garder ses talents reste primordial, et ce projet tend à identité les types de personnes les plus enclines à vouloir partir, les raisons d’une démission.
Emmanuelle : quelle start-up recommander aux grands groupes ?
Les grands groupes dépensent des sommes considérables pour innover sans forcément y arriver, c’est de cette problématique qu’est partie Emmanuelle. Ici, l’idée de son projet est de suggérer aux start-ups innovantes des grands groupes potentiellement intéressées par leur métier, en prenant par exemple en compte les levées de fonds qu’elles ont opérées, leur type de secteur etc.
Marty : Starbucks - Optimiser l'emplacement d'entrepôt
A tous les aficionados de la chaîne de cafés et de supply chain (quand on vous dit que la Data Science s’applique à tout !). Dans ce projet, Marty met en place un algorithme de Machine Learning non-supervisé – les K-means – afin de créer des groupes d’enseignes Starbucks géographiquement proches, et d’y placer en leur centre un entrepôt. Le but ? Optimiser tous les déplacements et autres questions logistiques ! Retrouvez ici notre article sur l’optimisation de la supply chain grâce à la Data Science !