Bootcamp Analytics Engineer (FOAD)

Vous allez apprendre SQL à un niveau avancé pour analyser et transformer des données à grande échelle, comme en environnement professionnel.

Vous maîtriserez les jointures complexes, sous-requêtes, fonctions analytiques (window functions), CTE et techniques d’optimisation de requêtes.
Le programme couvre également les agrégations avancées, les logiques conditionnelles et les bonnes pratiques de modélisation.
Structurée autour de cas concrets, la formation vous mène à un projet data complet.

Résultat : vous devenez autonome sur des problématiques réelles de Analytics Engineering et d’analyse -  des compétences aujourd’hui indispensables sur le marché.

Vous allez concevoir de A à Z un pipeline de données temps réel (streaming) directement dans Snowflake, sans dépendre d’outils externes.

Vous maîtriserez le chargement et la transformation de données, la création de procédures stockées et de fonctions (SQL/Python), ainsi que l’orchestration d’un DAG natif.
Vous implémenterez également la gestion des accès (RBAC) et le déploiement via Snowflake CLI.
‍
Résultat : un pipeline end-to-end, robuste et prêt pour des cas réels en Analytics Engineering - exactement le type de compétence aujourd’hui recherchée en entreprise.

Cette formation Git & GitHub vous permet de maîtriser la gestion de versions et la collaboration comme en environnement professionnel.

Vous apprendrez à utiliser Git efficacement, configurer votre environnement, gérer des dépôts et manipuler les commandes essentielles (commit, push, branch, merge).
Vous irez plus loin avec les concepts avancés (rebase, stash) et la résolution de conflits, indispensables en équipe.
Vous découvrirez également les workflows utilisés en entreprise et les bonnes pratiques de collaboration.

Résultat : vous serez capable de contribuer à des projets concrets, open source ou professionnels, et de structurer proprement votre code - un prérequis aujourd’hui pour être crédible en développement ou en data.

Le cours dbt en français parmi les plus complets, validé par dbt.

Conçu pour poser des bases solides en analytics engineering et démarrer dans des conditions professionnelles, il vous guide pas à pas sur DBT Cloud et DBT Core, leurs cas d’usage et les bonnes pratiques d’implémentation.

Vous mettez en place un environnement complet avec Snowflake, configurez DBT et connectez votre premier projet à votre entrepôt de données.

Résultat : vous développez une compréhension claire et opérationnelle pour construire des pipelines de transformation fiables, scalables et maintenables, des compétences aujourd’hui clés en data.

Formation Apache Airflow complète et orientée niveau avancé pour maîtriser l’orchestration de pipelines de données en environnement professionnel.

Vous apprendrez à concevoir des workflows robustes, gérer des dépendances complexes et orchestrer des pipelines ETL/ELT ainsi que des processus de machine learning.
Le programme couvre en profondeur les DAGs, opérateurs, stratégies de reprise sur erreur et les bonnes pratiques de structuration.

À travers un projet concret basé sur des données réelles avec DuckDB, vous construisez un pipeline maintenable de bout en bout.

Résultat : vous développez des compétences directement applicables pour déployer et gérer Airflow dans des environnements de production modernes, aujourd’hui largement utilisées en Analytics Engineering.

Formation Cube.js pour maîtriser la couche sémantique et servir des données fiables dans un contexte moderne.

Vous apprendrez à modéliser des métriques et dimensions, structurer une API analytique performante et connecter vos données à des outils de BI ou des applications custom. Le programme couvre la gestion du caching, des performances et des accès, ainsi que les bonnes pratiques de modélisation orientée business.

À travers des cas concrets, vous construisez une couche data cohérente, scalable et directement exploitable.
‍
Résultat : vous rendez les données accessibles, fiables et prêtes à être utilisées à grande échelle, y compris dans un contexte agentic.

Formation Tableau conçue par un expert reconnu pour atteindre un niveau avancé en data visualisation.

Vous apprendrez à concevoir des analyses complexes et des dashboards performants, utilisés en contexte professionnel.
Vous maîtriserez la préparation de données, les calculs avancés (LOD, table calculations) et l’optimisation des performances.

Le programme couvre la modélisation des sources, la gestion de volumes importants et la création de visualisations interactives à forte valeur métier. À travers des cas concrets, vous développerez des dashboards dynamiques, robustes et maintenables.

Résultat : vous serez capable de produire des analyses fiables, impactantes et directement exploitables en entreprise.

Vous apprendrez à construire et utiliser des images Docker, gérer des conteneurs, et surtout faire communiquer plusieurs services entre eux.
L’objectif est de comprendre comment structurer un environnement multi-services simple, propre et reproductible avec Docker Compose.

Le cours inclut la mise en place d’un projet concret avec une API FastAPI, une base Postgres et une application Streamlit.
À travers cette approche projet, vous développez un environnement full stack reproductible, que vous pouvez lancer en une commande et partager facilement.

Résultat : vous acquérez des bases solides et directement applicables pour travailler sur des projets d’analytics engineering dans un cadre professionnel.

Ce module va bien au-delà des bases pour vous faire passer à un niveau réellement professionnel en Python.

Vous y apprendrez la programmation orientée objet, le type hinting, les dataclasses (dont Pydantic), la gestion des exceptions, les context managers, ainsi que les bonnes pratiques de structuration de code.

Le cours couvre aussi le testing (unit tests, coverage), le logging, la gestion des dépendances avec Poetry et le linting (Black, iSort, mypy).

Objectif : écrire un code propre, robuste et maintenable, conforme aux standards utilisés en entreprise.
Aujourd’hui, savoir “coder en Python” ne suffit plus. Ce sont ces pratiques qui font la différence entre un code amateur et un code prêt pour la production.

Ceux qui les maîtrisent prennent rapidement l’avantage — les autres finissent par être limités, voire remplacés sur des projets plus exigeants.