Formation Data Scientist
- Bootcamp: 12 semaines
- Temps partiel: 10 mois
Créez des modèles prédictifs pour analyser les données à grande échelle, avec des outils comme Python, Scikit-learn ou TensorFlow.
- Certificat Mines Paris – PSL
- Titre RNCP niveau 7
- 100% en ligne
DécouvRir
Le Cursus Métier Data Scientist
Qu’est-ce que la formation Data Scientist de Liora ?
Dans la formation Data Scientist de Liora, vous apprenez à construire des modèles prédictifs, de la préparation des données jusqu’à leur mise en production. Le programme va du machine learning avec Scikit-learn au deep learning et aux LLM. Le parcours se suit à distance, en 12 semaines ou 10 mois, avec un mentor sur un projet de groupe. Vous pourrez exercer comme data scientist ou ingénieur machine learning.

Développez des compétences utiles
Obtenez des certifications reconnues

Titre RNCP de niveau 7
Cette formation vise la validation du bloc « RNCP38587BC02 – Elaborer et mettre en production des modèles et algorithmes d’analyse, de gestion et de traitement de la donnée » de la certification RNCP de niveau 7 « Expert en Ingénierie de l’intelligence artificielle », délivrée par ANAPIJ (ESGI) et enregistrée au RNCP en date du 09-02-2024 sous le numéro RNCP38587.
Mines Paris – PSL Executive Education
Grâce à notre partenariat, cette formation vous permet d’obtenir un certificat délivré par Mines Paris – PSL Executive Education. Émis par l’une des institutions les plus reconnues de l’enseignement supérieur français, ce certificat atteste de la qualité de la formation reçue et constitue un véritable atout pour votre recherche d’emploi.

Certification AWS Cloud Practitioner
Cette formation vous prépare au passage de l’examen pour l’obtention de la certification AWS Certified Cloud Practitioner. À la clé, un badge reconnu dans l’univers AWS, pour valoriser vos compétences cloud. L’obtention de la certification AWS est conditionnée par le passage d’un test en ligne supervisé par Pearson VUE.
Le Data Analyst transforme les données en insights actionnables. Grâce aux outils de Business Intelligence, il conçoit des tableaux de bord pour guider les décisions stratégiques de l’entreprise.

Développer
Développer et déployer des solutions de traitement, de gestion et d’analyse des données, incluant des modèles prédictifs et algorithmes adaptés.

Explorer
Explorer et visualiser les données pour en extraire des insights grâce à des outils statistiques et analytiques avancés.

Concevoir
Concevoir et optimiser des modèles d’intelligence artificielle pour résoudre des problématiques prédictives spécifiques.
Nous avons choisi cette approche hybride, car elle allie l’autonomie d’une plateforme interactive et l’accompagnement personnalisé des masterclasses, réduisant ainsi le taux d’abandon à son minimum, et favorisant une meilleure rétention des notions étudiées.

Périodes d’apprentissage sur la plateforme Learn
Ce temps favorise l’apprentissage des notions fondamentales de chaque module du sprint. L’environnement prêt à coder permet une mise en pratique immédiate via des exercices interactifs inspirés de cas réels. La plateforme est accessible en continu avec un ordinateur et une connexion internet.

Masterclass animées par un professeur expert
Les masterclass permettent de poser des questions et d’approfondir les concepts des modules en ligne grâce à des échanges interactifs et des thématiques avancées. Organisées plusieurs fois par semaine, elles sont accessibles en visioconférence pour les apprenants partout dans le monde.
Candidatez dès maintenant à la formation
Notre équipe vous accompagne pour comprendre vos besoins et construire avec vous le parcours de formation le plus adapté.

Prochaines rentrées
Prenez votre avenir en main. Choisissez la date de rentrée souhaitée, remplissez le formulaire, et rentrez en contact avec nos conseillers pour décoder votre futur.
Contenu de la formation
Apprenez le métier en plusieurs sprints chacun dédié au développement de compétences précises et attendues par les entreprises.
- Introduction à Python
- Data Visualisation
- Outil de programmation
- Machine Learning
- Machine Learning Avancé
- Machine Learning Appliqué
- Fondamentaux Deep Learning
- LLMs
- Data Engineering
- Machine Learning
Introduction à Python
Fondamentaux de Python :
• Découvrir les variables, listes et tuples pour structurer les données.
• Utiliser les boucles pour automatiser les traitements et optimiser le code.
• Introduction des fonctions et leur documentation pour organiser les scripts.
• Instanciation des classes et exploitation des modules pour modulariser le développement.
Numpy :
• Créer et manipuler des arrays pour optimiser le stockage et les calculs.
• Appliquer des opérations matricielles pour traiter efficacement les données.
• Générer des indicateurs statistiques et effectuer des calculs avancés sur les arrays.
Pandas :
• Charger et explorer des jeux de données avec Pandas.
• Data Cleaning : Nettoyer les données en gérant les valeurs manquantes et les incohérences.
• Data Processing : Transformer et organiser les données pour les préparer à l’analyse.
Data Visualisation
Maplotlib :
• Présenter différents types de graphiques : courbes, histogrammes, nuages de points.
• Personnaliser les visualisations en ajustant les couleurs, axes et annotations.
Seaborn :
• Maîtriser l’analyse des distributions pour comprendre la répartition des données.
• Mettre en place des analyses statistiques pour identifier les tendances.
• Initier l’analyse multivariée pour explorer les relations entre plusieurs variables.
Plotly :
• Concevoir des graphiques interactifs et dynamiques intégrables sur le web.
• Découvrir et créer des widgets interactifs pour enrichir les visualisations.
Outil de programmation
Système Linux et Bash :
• Présenter les bases des systèmes Linux et leur fonctionnement.
• Prendre en main un terminal et exécuter des commandes essentielles.
• Écrire et exécuter des scripts Bash pour automatiser des tâches courantes.
Git & GitHub :
• Découvrir la plateforme GitHub et ses outils collaboratifs.
• Explorer les fonctionnalités majeures comme Fork, Pull Request et Issues.
• Partager ses modifications via les commandes pull et push.
• Présenter GitHub Actions et ses applications pour l’automatisation.
• Introduction au système de gestion de version Git et ses principes fondamentaux.
• Initialisation d’un dépôt Git pour suivre l’évolution des projets.
• Approfondir les concepts clés : branches, tags et merges pour une meilleure organisation du code.
Prompt engineering & Gen IA :
• Fondamentaux de l’IA générative et du Prompt Engineering, des bases aux techniques avancées
• Applications professionnelles : productivité, créativité, analyse et synthèse
• Enjeux éthiques et juridiques : RGPD, AI Act et limites de l’usage des IA.
Test unitaires (optionnel) :
• Mettre en place des tests unitaires avec Pytest pour garantir la fiabilité du code.
• Introduction aux tests d’intégration et comprendre leur rôle.
• Présenter les bénéfices des tests : gain de temps, amélioration de la lisibilité et de la qualité du code.
Machine Learning
Modèles et algorithmes de classification :
• Introduction à la bibliothèque Scikit-learn et ses outils pour le Machine Learning.
• Présenter les algorithmes classiques de classification : Régression Logistique, KNN, SVM…
• Appliquer les techniques de bagging et boosting pour améliorer les performances des modèles.
Méthodes de régression :
• Implémenter la régression linéaire simple et multiple pour modéliser des relations entre variables.
• Appliquer la régression linéaire régularisée pour éviter le sur-apprentissage.
Méthodes de clustering (optionnel) :
• Explorer les modèles de classification non supervisée tels que K-Means, CAH, Mean Shift…
• Utiliser des métriques d’évaluation pour analyser la pertinence du clustering.
Méthode de réduction de dimensions (optionnel) :
• Sélectionner les caractéristiques les plus pertinentes avec le Feature Selection Process.
• Initier l’analyse en composantes principales (ACP) pour réduire la complexité des données.
• Appliquer l’approche Manifold Learning pour mieux représenter les données dans un espace réduit.
Machine Learning Avancé
Feature Engineering et modélisation avancée :
• Apprentissage des méthodes de prétraitement et d’encodage des variables, introduction à l’AutoML
• Approfondissement avec des techniques avancées : classification déséquilibrée et semi-supervisée, sélection de modèles, analyse de survie et classification multi-tâches.
Système de recommandation (optionnel) :
• Découverte des principes et enjeux des systèmes de recommandation, avec les approches content-based et collaboratives.
• Étude des fondements mathématiques et mise en pratique d’algorithmes permettant de personnaliser l’expérience utilisateur.
Machine Learning Appliqué
Text Mining :
• Introduction aux expressions régulières pour traiter et analyser du texte.
• Gérer des données textuelles en les nettoyant et les structurant.
• Créer un WordCloud pour visualiser les mots-clés les plus fréquents.
• Analyser les sentiments pour extraire des insights sur des textes.
Séries temporelles avec Statsmodels :
• Découvrir les modèles ARIMA et SARIMA pour l’analyse des séries temporelles.
• Analyser et décomposer un signal temporel pour identifier ses tendances et variations.
Éthique & Interprétabilité (optionnel) :
• Sensibiliser aux enjeux liés à l’utilisation des données sensibles.
• Explorer les questions éthiques autour de l’intelligence artificielle.
• Analyser les biais dans les modèles et comprendre leur impact.
• Interpréter les décisions des modèles avec l’outil SHAP.
Détection d’anomalies (optionnel) :
• Identifier et comprendre les problématiques liées à la détection d’anomalies.
• Utiliser des modèles supervisés comme KNN et Local Outlier Factor pour détecter les points aberrants.
• Appliquer des méthodes avancées comme Robust Covariance et DBScan pour repérer les anomalies dans de grands volumes de données.
Machine Learning Appliqué
Réseaux denses :
• Étudier la théorie des réseaux de neurones et leur fonctionnement.
• Découvrir le framework Keras pour concevoir des modèles de Deep Learning.
• Optimiser un réseau dense pour améliorer ses performances et sa convergence.
Réseaux de convolution :
• Analyser des images à l’aide des réseaux de neurones convolutifs (CNN).
• Explorer l’architecture LeNet pour le traitement d’images.
• Appliquer le Transfer Learning pour réutiliser des modèles pré-entraînés.
TensorFlow (optionnel) :
• Optimiser l’entraînement des modèles avec TensorFlow.
• Utiliser les callbacks et créer des modèles personnalisés.
• Exploiter TensorBoard pour visualiser et suivre les performances des modèles.
LLMs
Pytorch :
• Construction de CNNs et introduction au Transfer Learning avec TorchVision.
• Exploration de l’interprétabilité des modèles via Captum.
• Bibliothèque Hugging Face et ses modèles pré-entraînés.
Transformers, LLMs et Agents intelligents :
• Approfondissement des architectures de LLMs, de leur pré-entraînement au fine-tuning.
• Construction d’agents intelligents avec LangChain et LangGraph, intégrant mémoire et cache, optimisation via prompt caching, quantization et RLHF, avec des applications concrètes à grande échelle
Reinforcement learning (optionnel) :
• Explorer les concepts mathématiques du Reinforcement Learning.
• Appliquer la méthode de Monte-Carlo pour apprendre des actions optimales.
• Découvrir l’approche du Temporal Difference Learning.
• Comparer les algorithmes SARSA et Q-Learning pour optimiser l’apprentissage.
Data Engineering
SQL :
• Requêter une base de données pour extraire et manipuler des informations.
• Comprendre et appliquer les différents types de jointures en SQL.
• Maîtriser les requêtes imbriquées pour des analyses plus complexes.
Streamlit :
• Développer et déployer des interfaces web simples et fonctionnelles avec Streamlit, intégrant des modèles de machine learning
• Produire des visualisations dynamiques (graphiques, cartes, indicateurs) et inclure des éléments interactifs (boutons, sliders, menus déroulants, formulaires).
• Maîtriser les requêtes imbriquées pour des analyses plus complexes.
MLFlow (optionnel) :
• Explorer le cycle de vie d’un projet de Machine Learning.
• Gérer le training, le déploiement et le monitoring des modèles.
• Comprendre l’architecture MLflow : suivi des expériences, gestion des modèles et du registre.
PySpark (optionnel) :
• Explorer le calcul distribué avec PySpark pour traiter de grands volumes de données.
• Manipuler les API RDD et DataFrame pour optimiser les performances d’analyse.
• Construire un pipeline de traitement de données distribuées.
• Appliquer le Machine Learning distribué avec MLLib pour l’analyse à grande échelle.
MLOps
Docker :
• Présenter la containerisation et son rôle par rapport à la virtualisation.
• Initier au fonctionnement de Docker et à la gestion des conteneurs.
• Manipuler les images Docker et les déployer dans différents environnements.
• Utiliser Dockerfile et Docker Hub pour automatiser et partager les conteneurs.
Fondamentaux des APIs :
• Explorer le calcul distribué avec PySpark pour traiter de grands volumes de données.
• Manipuler les API RDD et DataFrame pour optimiser les performances d’analyse.
• Construire un pipeline de traitement de données distribuées.
• Appliquer le Machine Learning distribué avec MLLib pour l’analyse à grande échelle.

Nous sommes là pour vous
Soyez accompagné jusqu’à l’embauche
Coaching, CV, LinkedIn et préparation aux entretiens : notre Équipe Carrière vous accompagne dans votre recherche d’emploi jusqu’à l’embauche.
Ils sont passés chez nous
Chiffres clés 2025
Taux de satisfaction
Les apprenants plébiscitent la qualité des contenus, le suivi personnalisé et la disponibilité des formateurs tout au long du parcours.
Taux d’insertion professionnelle dans le métier*
Parmi les alumni de 2024, une grande majorité des apprenants ont accédé aux métiers ciblés durant leur formation, dans les six mois après l’obtention de leur certificat.
Taux d’insertion professionnelle global*
Parmi les alumni de 2024, plus de huit apprenants sur dix on trouvé un emploi dans les six mois après la formation.
Taux de complétion
La grande majorité des inscrits terminent leur formation avec succès grâce à un accompagnement continu et une pédagogie active.
Taux de réussite
Parmi les apprenants ayant suivi la formation jusqu’à son terme, à l’issue des épreuves de certification.
Processus d’inscription

1
Prise de rendez-vous
Choisissez un créneau pour être recontacté par un de nos conseillers pédagogiques.

2
Échange avec un conseiller
Discutez de votre projet de formation avec votre conseiller. Il répondra à toutes vos questions.

3
Test de positionnement
Après l’échange avec votre conseiller, passez le test de positionnement pour confirmer votre niveau d’entrée.

4
Finalisation et inscription
Plus que quelques étapes avant votre entrée en formation, et le début de votre nouvelle carrière professionnelle !
Frais et financement
Selon votre pays de résidence, nous proposons plusieurs solutions de financement.
- en France
- ailleurs
Frais de formation : 7 190 €
Ce montant inclut la préparation au passage de l’examen pour l’obtention de la certification AWS Certified Cloud Practitioner. À la clé, un badge reconnu dans l’univers AWS, pour valoriser vos compétences cloud.
Frais de formation : 7 190 €
Ce montant inclut la préparation au passage de l’examen pour l’obtention de la certification AWS Certified Cloud Practitioner. À la clé, un badge reconnu dans l’univers AWS, pour valoriser vos compétences cloud.
Vous avez des questions ?
Nous avons les réponses
Le Data Scientist transforme des données brutes en modèles prédictifs et en recommandations utiles pour éclairer les décisions de l’entreprise.
Ses missions couvrent notamment la collecte et la préparation des données, l’analyse statistique, la création d’algorithmes de classification, de régression, de recommandation ou de détection d’anomalies, puis l’évaluation et l’amélioration des résultats. Il peut également industrialiser ses modèles afin de les intégrer aux outils et processus métier.
Ce métier mobilise des compétences en machine learning, en programmation, en statistiques et en communication pour expliquer clairement les résultats aux équipes techniques et opérationnelles.
Le programme Data Scientist est structuré en 10 sprints thématiques :
– Sprint 1 : Introduction à Python
– Sprint 2 : Data visualisation
– Sprint 3 : Outils de programmation
– Sprint 4 : Machine learning
– Sprint 5 : Machine learning avancé
– Sprint 6 : Machine learning appliqué
– Sprint 7 : Fondamentaux du deep learning
– Sprint 8 : LLMs
– Sprint 9 : Data engineering
– Sprint 10 : MLOps
La formation intègre aussi une préparation à la certification officielle AWS Certified Cloud Practitioner, qui valorise la maîtrise des fondamentaux du cloud AWS.
Selon votre disponibilité, le parcours est proposé en bootcamp, 35 h par semaine pendant 12 semaines, ou en temps partiel, 10 h par semaine pendant 10 mois. La formation se déroule 100 % à distance.
Les cours sont conçus par les Data Scientists de Liora en interne, en collaboration avec des entreprises françaises et européennes. Cette approche permet d’aligner le programme sur les outils, les process métier et les compétences réellement attendues sur le terrain. Le contenu est régulièrement mis à jour pour suivre les évolutions du secteur.
Vous manipulerez un écosystème complet centré sur Python, la data science et la mise en production des modèles :
– Analyse et visualisation : NumPy, Pandas, Matplotlib, Seaborn, Plotly et Statsmodels.
– Machine learning et IA : Scikit-learn, TensorFlow, PyTorch, Transformers et LLM ou grans modèles de langage
– Développement : Git, GitHub, Pytest, Linux et Bash.
– Data engineering et MLOps : SQL, Streamlit, MLflow, PySpark, Docker et API.
Certains outils ou modules sont indiqués comme optionnels dans le programme.
La formation bénéficie d’une triple reconnaissance :
– Un certificat de réussite délivré par Mines Paris – PSL Executive Education.
– La préparation à la validation du bloc de compétences 2 du titre « Expert en ingénierie de l’intelligence artificielle », certification RNCP de niveau 7 enregistrée sous le numéro RNCP38587. La fiche officielle est accessible sur France Compétences.
– Une préparation à la certification AWS Cloud Practitioner, obtenue uniquement après réussite à l’examen officiel supplémentaire.
La formation vise donc une validation partielle du titre RNCP, chaque bloc pouvant être acquis séparément.
Un Data Scientist travaille dans les organisations qui exploitent des volumes importants de données :
– Les grandes entreprises, au sein d’équipes data, IA, innovation, marketing, finance ou opérations.
– Les cabinets de conseil et les entreprises de services numériques.
– Les start-up et scale-up développant des produits fondés sur la donnée ou l’intelligence artificielle.
– Les laboratoires de recherche, organismes publics et secteurs spécialisés comme la santé, la banque, l’assurance, l’industrie ou le commerce.
Il intervient sur des projets tels que la prévision de la demande, la détection de fraude, les moteurs de recommandation ou l’automatisation de l’analyse documentaire.
En France, 80 % des offres de Data Scientist proposent un salaire brut mensuel compris entre 2 250 € et 3 929 €, soit environ 27 000 € à 47 150 € brut par an, selon France Travail.
La rémunération varie principalement selon l’expérience, la localisation, le secteur, la taille de l’entreprise et le niveau de spécialisation. Les profils maîtrisant le deep learning, le cloud ou le MLOps peuvent accéder à des rémunérations plus élevées. Pour approfondir, consultez notre guide du salaire du Data Scientist.
La qualité de la formation repose sur un programme conçu par nos équipes d’experts en interne, en lien avec des entreprises françaises et européennes, afin de rester aligné avec les outils, les process métier et les compétences recherchées par les recruteurs.
Liora détient également la certification Qualiopi, délivrée par un organisme certificateur indépendant sur la base du référentiel national qualité.
Cette certification est valable 3 ans et prévoit un audit de surveillance obligatoire environ 18 mois après son obtention. Elle atteste notamment:
– des programmes clairs, complets et adaptés aux besoins du marché du travail;
– des méthodes pédagogiques structurées;
– des formateurs qualifiés et expérimentés;
– un accompagnement personnalisé et un suivi régulier de la progression;
– la conformité requise pour certains financements, comme le CPF, France Travail ou les OPCO.
La certification AWS Certified Cloud Practitioner valide une compréhension générale du cloud AWS.
La préparation intégrée à la formation couvre :
– Les fondamentaux AWS.
– La sécurité et le modèle de responsabilité partagée.
– La facturation et le support.
L’obtention de la certification est conditionnée à la réussite de l’examen officiel en ligne, supervisé par Pearson VUE. Le coût de l’examen est inclus dans les frais de formation et un voucher est remis lorsque l’apprenant est prêt à le passer.
Pour intégrer la formation Data Scientist, vous devez remplir les prérequis suivants :
– Être titulaire d’une certification de niveau 6 ou d’un équivalent dans les domaines de l’informatique ou du numérique.
– Disposer d’un bon niveau en mathématiques.
– Faire valider votre dossier et réussir les épreuves d’admission, comprenant des examens écrits et un entretien portant notamment sur vos objectifs et votre motivation.
– Disposer d’un ordinateur, d’une webcam et d’une connexion internet d’au moins 4 Mb/s en envoi et 2 Mb/s en réception.
Deux formats sont proposés :
– Bootcamp : 12 semaines.
– Temps partiel : 10 mois.
La différence se joue uniquement sur le rythme d’apprentissage : le bootcamp est un format intensif sur quelques mois, idéal si vous êtes disponible à temps plein, tandis que le temps partiel s’étale sur une période plus longue avec un volume horaire hebdomadaire réduit, compatible avec une activité professionnelle.
Le programme, la certification visée et l’accompagnement pédagogique restent identiques dans les deux formats, qui se déroulent tous deux 100 % à distance.
La formation se déroule 100% à distance. Ainsi, vous pouvez la suivre quel que soit l’endroit où vous vous trouvez.
Notre formation Data Scientist est proposée 100 % à distance. Vous pouvez donc la suivre quelle que soit votre ville de résidence :
– Formation Data Scientist Marseille
– Formation Data Scientist Lyon
– Formation Data Scientist Lille
– Formation Data Scientist Nantes
– Formation Data Scientist Rennes
– Formation Data Scientist Bordeaux
– Formation Data Scientist Toulouse
– Formation Data Scientist Nice
– Formation Data Scientist Montpellier
– Formation Data Scientist Strasbourg
– Formation Data Scientist Toulon
– Formation Data Scientist Reims
– Formation Data Scientist Saint-Étienne
– Formation Data Scientist Le Havre
– Formation Data Scientist Villeurbanne
– Formation Data Scientist Dijon
– Formation Data Scientist Angers
– Formation Data Scientist Grenoble
– Formation Data Scientist Nîmes
Nos équipes s’organisent selon votre rythme pour vous accompagner dans la finalisation de votre dossier. Le traitement est assuré sous une semaine. Si votre projet est déjà bien défini, l’inscription est peut-être finalisée en une journée. À noter : en cas de financement via le CPF, comptez 11 jours ouvrés avant la date de démarrage de la session.
Pour finaliser votre inscription, rendez-vous sur la page ci-dessous :
Les frais de formation s’élèvent à 7 190 €.
L’évaluation combine des cas pratiques en ligne tout au long du parcours et des épreuves certificatives :
– La validation d’au moins 15 certifications sur 18 du parcours principal, dans les délais fixés.
– La réalisation du projet fil rouge et le respect des exigences d’assiduité.
– Une mise en situation professionnelle portant sur l’implémentation et l’utilisation de modèles et d’algorithmes de machine learning appliqués à un cas réel.
– Une mise en situation professionnelle reconstituée consistant à développer une application capable d’interagir avec une API hébergeant des modèles pré-entraînés.
Ces deux mises en situation servent à l’évaluation du bloc 2 du RNCP38587.
Tout au long de la formation, vous menez un projet fil rouge en groupe, sur un sujet inspiré de cas réels d’entreprise et actualisé chaque mois (avec la possibilité de proposer votre propre sujet, sous validation de l’équipe pédagogique). Conçu pour vous rendre pleinement opérationnel, il vous confronte à des données brutes non nettoyées et mobilise environ un tiers de votre temps de formation. Encadré par un mentor, il donne lieu à des livrables concrets (code, dashboard) et à une soutenance devant jury, tout en développant vos soft skills : présenter, vulgariser et valoriser votre travail.
La formation est dispensée en français : cours, masterclass, supports et accompagnement pédagogique, etc.
Un niveau d’anglais de base reste toutefois utile pour comprendre les anglicismes techniques propres au domaine, ainsi que la documentation de certains outils, souvent rédigée en anglais.
Oui, l’accompagnement humain est au cœur de la formation. Nos professeurs, également concepteurs du programme, vous suivent de bout en bout :
- Assistance quotidienne : les formateurs se relaient sur un forum dédié, du lundi au vendredi de 9h à 17h, pour répondre à vos questions théoriques ou pratiques.
- Échanges continus sur Slack : un accompagnement pédagogique complète le forum pour ne jamais rester bloqué.
- Suivi proactif de votre progression : en cas d’absence prolongée sur la plateforme, votre responsable de cohorte prend directement de vos nouvelles.
Non, aucun stage n’est prévu pendant ou à l’issue de la formation. Le cursus est conçu pour vous rendre opérationnel sans passer par cette étape : le projet fil rouge, mené sur des données et des problématiques réelles d’entreprise, joue le rôle de mise en pratique professionnelle. Vous bénéficiez par ailleurs d’un accompagnement carrière personnalisé (coaching, ateliers, salons de recrutement) pour faciliter votre insertion directe sur le marché du travail.
Selon votre profil, voici les différents dispositifs de financement disponibles pour votre formation :
– Mon Compte Formation (CPF) : un crédit de 500 € est versé chaque année sur le CPF des salariés et indépendants en activité, dans la limite d’un plafond de 5 000 €. Pour les travailleurs reconnus handicapés, ce crédit annuel est majoré (généralement 800 €, avec un plafond porté à 8 000 €).
– Transitions Pro : ce dispositif (ex-CIF) permet aux salariés de financer une formation certifiante pour une reconversion ou une montée en compétences, avec une possible prise en charge des frais pédagogiques et de la rémunération pendant la formation.
– France Travail (AIF) : en complément du CPF, l’Aide Individuelle à la Formation permet de financer jusqu’à 100% des frais de formation pour les demandeurs d’emploi inscrits à France Travail.
– Financement entreprise : l’employeur peut financer la formation dans le cadre de la GPEC, suivie sur le temps de travail (avec accord de l’employeur) ou en parallèle de l’activité, pour les salariés et travailleurs handicapés.
– Financement personnel : paiement comptant en une fois ou échelonné jusqu’à 36 mensualités selon l’étude du dossier, ouvert aux salariés, demandeurs d’emploi, indépendants, travailleurs handicapés et étudiants.
Pour en savoir plus sur les frais de formation les financements adaptés à votre profil, prenez rendez-vous avec un de nos conseillers.
Oui, en général les différents modes peuvent être cumulés. Pour obtenir une confirmation, prenez rendez-vous avec un de nos conseillers.
Depuis le 26 février 2026, le CPF est plafonné à 1 500 € par dossier de formation, mais uniquement pour les formations enregistrées au Répertoire Spécifique (RS). Les formations enregistrées au RNCP, comme cette formation-ci, ne sont pas concernées par ce plafond : le titulaire peut mobiliser l’intégralité de son solde CPF disponible.
Pour en savoir plus, prenez rendez-vous avec un conseiller.
Dès le début de votre formation, notre Équipe Carrière vous accompagne de manière individuelle et personnalisée :
– définition de votre projet professionnel
– coaching pour optimiser votre CV et votre profil LinkedIn
– préparation aux entretiens techniques et RH
– et stratégie de recherche d’emploi.
Vous bénéficiez également d’ateliers carrière collectifs (plus de 70 par an), de ressources exclusives sur notre plateforme, d’un canal Slack dédié et d’une mise en relation directe avec les recruteurs via nos job datings et salons de recrutement.
Dès votre premier jour de formation, pendant la formation, et même à l’issue de celle-ci, vous accédez à une plateforme Career Service regroupant tous les workshops utiles à votre recherche d’emploi, accessible même après la formation. L’équipe Career Management vous accompagne individuellement sur rendez-vous tout au long de votre parcours.
Chaque mois : une journée dédiée à la recherche d’emploi (CV, négociation de salaire, tests techniques), un atelier animé par une consultante senior et un Alumni Talk. S’y ajoutent le salon du recrutement Liora, des webinars experts et un canal Slack dédié centralisant ateliers et offres d’emploi.
Pour en savoir plus, découvrez notre accompagnement carrière.
Liora 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 : [email protected]
d’autres voies sont possibles
Découvrez d’autres voies pour façonner votre avenir
Data & IA
Analysez et valorisez les données pour en tirer des insights utiles. Maîtrisez les outils de la Data Science et les bases de l’Intelligence Artificielle pour créer des modèles prédictifs.
Cloud & Dev
Codez des applications web modernes et performantes, manipulez les bases de données et gérez des infrastructures Cloud complètes avec des outils modernes et automatisés.
Cybersécurité
Protégez les données et les infrastructures critiques. Formez-vous aux enjeux majeurs du secteur et aux meilleures pratiques pour sécuriser les systèmes d’information.
Digital
Maîtrisez les outils numériques au cœur des entreprises : ERP, CRM, automatisation des processus et plateformes collaboratives comme Oracle ou SAP.
Vous avez besoin d’aide ?
Prenez rendez-vous avec nos conseillers gratuitement !
Ils vous guideront vers la formation qui convient le mieux à votre profil














