Image
285983187_studi

Bachelor Data et IA

En partenariat avec
Image
logo HETIC
Bac+3
60 crédits ECTS
100% en ligne
Eligible CPF
Alternance

Un diplôme pour acquérir les compétences clés de la Data et de l’intelligence artificielle !

Statistiques descriptives, visualisation de données, langages et technologies pour la manipulation et le stockage de données, ouverture vers le machine learning et le big data, cette formation vous prépare aux métiers d’aujourd’hui et de demain dans les domaines de la data science, de l’intelligence artificielle et du cloud.

Vous serez capable de :
  • Développer des applications permettant de manipuler des données
  • Développer des dashboards pour le partage d’informations
  • Communiquer de l’information à des personnes non techniques
  • Mettre à disposition des données au travers d’un navigateur web
  • Promouvoir les enjeux de la Data et de l’IA au sein de l’entreprise
Vous obtiendrez à l'issue de votre formation :
  • Titre RNCP esg

    Obtenez le Titre RNCP “Concepteur développeur de solutions digitales” de niveau 6 (Bac+3) reconnu par l’Etat

  • Diplôme &

    Obtenez le diplôme “Développeur data et IA” délivré par Studi en partenariat avec HETIC

  • 60 Crédits ECTS

    Les ECTS (Système européen de transfert et d'accumulation de crédits) permettent de reconnaître les diplômes dans tous les pays de l'Union européenne

Durée estimée :
500h
9 à 18 mois
Lieu :
100% en ligne
Démarrage :

A tout moment de l'année

Certification :
Titre RNCP
Niveau 6 (Bac+3)
Crédits ECTS :
60

J'organise ma formation

  • Je démarre à tout moment de l'année
  • 100% en ligne : j'apprends où et quand je veux
  • Garantie réussite : accès illimité durant 5 ans* à votre formation et frais d’examen offerts**

*pour les Diplômes STUDI, les Titres RNCP et les Titres Professionnels (hors Diplômes d'Etat)
**1 an pour les certificats professionnels (voir les CGV Studi)

Je simule la durée de ma formation

9

heures hebdomadaires
Total : 500h

J'aurai fini la formation en

pour l'examen de

La date de votre examen doit être postérieure à la date de fin de votre formation : prévoir 1 à 2 mois minimum en moyenne entre ces deux dates, permettant la réalisation des travaux d'évaluation finale et des révisions. Elle sera étudiée lors de votre entretien avec votre conseiller en formation.

Tarifs et solutions de financement

3 790 €

Tarif pour les particuliers.

Financement CPF
Jusquà 100%
Alternance
Prise en charge 100%

Formation réalisable en apprentissage ou contrat de professionnalisation


Pôle emploi
A partir de 0 €

Formation éligible à des aides de Pôle emploi


Bourse d'études
Jusqu'à -30%

Bénéficiez d'une bourse d'études en fonction de votre profil


Financement personnel
A partir de 59 €/mois

Maîtrisez le coût de votre formation en la finançant sur 12, 24 ou 36 mois.


4 fois sans frais
4x 948 €

Profitez d'un règlement en 4 mensualités sans aucun frais et sans condition.


Inclus
  • Cours écrits et vidéos à la demande 
  • Accès illimité aux 4 000 cours du soir* en direct et replay
  • Accompagnement pédagogique personnalisé
  • Projets professionnels
  • Coaching carrière
  • Accès illimité à Studi + pendant 5 ans
  • Frais de dossier et d'inscription**
  • Double Garantie "Réussite" & "Diplômé ou remboursé"***

*Nombre moyen de cours du soir en direct observés sur les 12 derniers mois (organisés majoritairement à partir de 18h)
**Hors Diplômes d’État
***Voir les CGV Studi

Votre réussite mérite notre soutien

Bénéficiez d'une bourse d'études Studi, 
en fonction de votre profil

Image
Bourse moins 30%

Programme Bachelor Data et IA

  • Introduction à la Data IA
    1.Se mettre à niveau
    • Les structures de données
    • L'introduction aux bases de données relationnelles
    • Les principes de bases de la programmation orientée Objet
    • Les outils d’analyse et de visualisation de données vus dans le parcours
    2.Connaître les notions de la Data IA
    • L'importance des données au 21ème siècle
    • La culture générale de la Data
    3.Connaître les fondamentaux des statistiques
    • Les bases mathématiques pour la science des données Partie 1
    • Les bases mathématiques pour la science des données Partie 2
    • Les tests de valeurs aberrantes
    • La normalisation des données
    4.Découvrir les métiers de la Data
    • L'introduction aux métiers de la data
    • Les missions du Data Engineer et du Data Architect. Collecter et stocker
    • Data scientist et Data analyst
    • Le DPO et le consultant en cyber sécurité
  • Conception d'une solution Data IA
    1.Utiliser l'éditeur de graphiques Figma
    • Présentation de l'application
    • L'application Figma
    • Importation et exportation de fichiers, utilisation de modèles
    • Conception avancée : menu déroulant, incrustation d'écran, personnaliser le design
    2.Analyser les besoins client et identifier les solutions adaptées
    • La veille et l'innovation
    • Les modes d'innovation
    • Les entreprises et l'innovation
    • La créativité moteur de l'innovation
    • Panorama des techniques de créativité
    • L'écosystème d'un projet digital
    • Étude comparative, le benchmark des solutions existantes
    • Définir la cible de la solution digitale
    • Les principaux acteurs d’un projet digital : la maîtrise d’oeuvre
    • Les principaux acteurs d’un projet digital : la maîtrise d’ouvrage
    • Identifier les parties prenantes
    • Etablir la gouvernance du projet, définir les rôles et les responsabilités
    • Comprendre les enjeux et les retombées d’un projet
    • Le cahier des charges : l'expression du besoin
    3.Analyser les données
    • L'analyse des données avec un Tableaux croisé dynamiques
    • La préparation et le nettoyage de donnée en python
    4.Définir les options techniques de la solution digitale
    • Les spécificités du projet digital
    • Le recueil de l'analyse des besoins
    • Définir la solution et le projet cibles
    • Définir les objectifs et faire valider l’opportunité du projet
    • Le choix technologique de la solution
    • Le cahier des charges technique : détailler la mise en œuvre
    • Le cahier des charges technique : du besoin à la solution technique
    • Le cahier des charges technique : description fonctionnelle et technique
    • La présentation et la validation de sa solution
    5.Découvrir les méthodologies de gestion de projets agiles
    • Les méthodologies agiles
    • Introduction à la méthode Scrum
    • Présentation du diagramme de Gantt
    6.Définir la méthodologie, la roadmap, les ressources et les livrables
    • Introduction à l'organisation d'un projet digital
    • Méthodologie pour piloter un projet digital : une démarche itérative
    • Le rôle du chef de projet digital
    • Les modes de gestion de projet dits "classiques"
    • Les processus et les disciplines de la gestion de projet selon le PMBOK
    • Les acteurs et les ressources du projet
    • La première découpe du projet
    • La construction du planning
    • La gestion du budget du projet
    • La gestion des risques
    • La communication autour du projet
    7.Concevoir une solution digitale
    • La réalisation d'une étude d'opportunité
    • Le rôle de la note de cadrage
    • L'étude de faisabilité
    • L'analyse des risques
    • L'analyse fonctionnelle
    • Proposer une solution optimale en termes de coût 
    • Proposer une solution optimale en termes de délais de production
    • Proposer une solution optimale en termes de performance attendue
    • Proposer une solution optimale en termes de pérennité
    • L'utilité du suivi de la performance
    • Les indicateurs de suivi selon les objectifs
    • La construction d'un tableau de bord opérationnel
    8.Découvrir la modélisation des données
    • L'initiation au Machine learning 
    • Le Machine Learning Supervisé VS le machine Learning Non Supervisé
    • Les algorithmes de Classification : SVM
    • Les algorithmes de Classification : SVM Implémenté en python 
    • Les algorithmes de Classification : Arbres de décision 
    • Les algorithmes de Classification : Arbres décision implémenté en python
    • Les algorithmes de Classification: Random Forest
    • Les algorithmes de Classification : Random Forest implémenté en python 
    • Les algorithmes de Classification: Régression logistique
    • Les algorithmes de régression : régression simple
    • Les algorithmes de régression : Régression simple implémentation en Python
    • Les algorithmes de régression: Régression multiple
    • Les algorithmes de régression : Régression multiple Implémentation en python 
    • Les algorithmes de régression : Polynomiale
    • Algorithme de clustering : K-means
    • L'analyse en composante principale (ACP)
    • Les algorithmes de réduction de dimension ACP Implémenté en python
    • Les Systèmes de Recommandation
    9.Comprendre la spécification fonctionnelle
    • Comprendre les objectifs de la spécification fonctionnelle
    • Comment rédiger une spécification fonctionnelle
    10.Créer des représentations visuelles des données
    • L'introduction à Power Bi
    • La visualisation de données avec Power Bi (Niveau 1)
    • L'introduction à Excel 
    • L'analyse et Visualisation de données avec Excel (Niveau 1)
    • L'introduction à Tableau Desktop
    • La visualisation de données avec Tableau (Niveau 1)
    • La visualisation les données IoT
    11.Concevoir l’architecture logicielle de la solution
    • L’architecture en appels et retours
    • L’architecture en couches
    • L’architecture centrée sur les données
    • L’architecture en flot de données
    • L’architecture orientée objets
    • L’architecture orientée agents
    12.Concevoir une base de données
    • Les propriétés ACID et le Théorème de Brewer ou de CAP
    • Introduction générale aux bases de données, notion de SGBDR
    • Les bases de données NoSQL : limites et comparatifs du relationnel au non relationnel
    • Les familles de BD NoSQL 
    • La famille des BD NoSQL : choisir sa base de données
    13.Mettre en place une solution technique pour l'application Data
    • L'architecture Big Data : introduction
    • L'écosystème Hadoop : Découverte
    • Le stockage HDFS
    • Le fonctionnement MapReduce
    14.Mettre en place une solution Data IA IoT
    • L'Introduction à l’IoT
    • La Data et l'IoT  
    • Les domaines d’applications des IoT
    • L'architecture IoT
    • La mise en place d'IoT Hub
    • La communication bidirectionnelle d'iOT Hub
    • Le traitement des données avec Stream Analytics
    • Le stockage de données IoT
  • Gestion, pilotage et testing d'une Solution Data IA
    1.Utiliser l'outil Agile : Scrum
    • Le manifeste Agile et la théorie de Scrum
    • L'équipe Scrum
    • La valeur et le product backlog
    • La gestion des itérations en Scrum
    • La gestion des flux de travail et de valeur
    • La chaîne d'intégration et de livraisons continues
    • Les règles d'équipe
    • Les événements Agile vus par le développeur
    2.Tester son application
    • Les test unitaires 
    • Le test fonctionnel
    • Les tests End 2 End
    • Les test de déploiements :  A/B Testing, évaluation utilisateurs et métiers
    • Les Niveaux de test
    • Les Tests des composants
    • Les tests d’intégration du système
    • La lecture d'un rapport statistique de classification
    3.Réaliser des tests fonctionnels
    • Tests d'intégration et recette fonctionnelle
    • Mesurer son application
    4.Proposer des solutions suite à un audit
    • La résolution d'une situation critique pour la survie du projet
    • Le suivi des indicateurs qualité et amélioration continue
    • La conception de la solution grâce au Design Thinking
    • Design Thinking : La phase d’empathie, la compréhension du besoin
    • Design Thinking : Définir la problématique
    • Design Thinking : La phase d’idéation
    • Design Thinking : La phase de prototypage de la solution
    • Design thinking : La phase de test de la solution
  • Développement d'une solution Data IA
    1.Piloter la production de contenus digitaux
    • Introduction à la production de contenus digitaux
    • La création de contenu digital en adéquation avec sa cible
    • L'orientation artistique et le brief créatif
    • La gestion de la production de contenus digitaux
    • La mise en place opérationnelle de sa stratégie de production de contenus
    • La proposition de production de contenu
    2.Créer et administrer une base de données relationnelles
    • Création et alimentation de bases de données SQL
    • L'interrogation de bases de données SQL
    • Les requêtes SQL
    • Les fonctions SQL
    • Les jointures SQL
    3.Collecter les données
    • La récupération de jeux de données open source sur Internet 
    • Le scraping de données avec Beautifulsoup : introduction
    • Le scraping de données avec Beautifulsoup : scrapper une page html type wikipedia
    • Le scraping de données avancées avec Selenium : introduction
    • Le scraping de données avancée avec Selenium : scrapper des offres d'emploi sur Welcome to Jungle
    • La modélisation d'une base de données relationnelle type MySQL
    • La modélisation d'une base de données non relationnelle type Cassandra ou Mongo
    4.Stocker les données
    • La data visualisation avec Python
    • La présentation des données et des librairies
    • La librairie numpy
    • La librairie pandas : première approche
    • La librairie pandas
    • La librairie matplotlib
    • La librairie Seaborn
    • La librairie Bokeh
    5.Programmer avec Python
    • La data visualisation avancée avec Streamlit
    • Les présentations de résultats impactantes
    • La bibliothèque Pandas
    • Installation d'Anaconda
    • Google Colab pour l'IA
    6.Déployer le langage Python pour la science de donnée
    • Le Natural Language processing NLP : introduction 
    • Le Natural Language processing NLP : la vectorisation   
    • Le Natural Language processing NLP : les algorithmes de bases 
    • Le Natural Language processing NLP : implémentation d'une pipeline de NLP avec Sklearn 
    • Les API de Machine Learning avec Python, Sklearn et Streamlit 
    • Les API de Machine Learning avec Python et Flask 
    • Installation et introduction à TensorFlow 
    • Les réseaux de neurones avec TensorFlow 
    • Le Perceptron multicouche avec la Sequential API
    • Exploitation de la Functional API
    • Exploitation de la SubClassing API
    • Les Callbacks avec tensorflow
    • La gestion des hyperparamètres d'un réseau de neurone avec Tensorflow
    • Un réseau de neurones personnalisé avec TensorFlow
    • Chargement des données avec TensorFlow
    • Prétraitement des données avec TensorFlow
    • Réutilisation de réseaux de neurones et le Transfert Learninf avec TensorFlow 
    • Les CNN avec TensorFlow 
    • TensorFlow JS
    • NLP avec Tensorflow
    • Les expressions régulières avec python
    • Le Deep learning avec Fast AI : introduction 
    • Le Deep learning avec Fast AI : le fonctionnement des réseaux de neurones profonds  
    • Le Deep learning avec Fast AI : Déployer une application de Deep Learning
    7.Concevoir et déployer une base de données
    • La création et alimentation de bases de données SQL
    • La découverte d'un autre SGBDR : PostgreSQL
    • L'introduction et l'architecture de Cassandra
    • L'installation et la configuration de Cassandra avec Docker
    • Le langage CQL (Cassandra Query Language)
    • La manipulation des données avec le CQL (part 1)
    • La manipulation des données avec le CQL (part 2)
    • L'introduction à MongoDB
    • L'installation et configuration de MongoDB avec docker 
    • La prise en main de MongoDB
    • La manipulation des documents dans MongoDB (part1)
    • La manipulation des documents dans MongoDB (part2)
    • La découverte de Neo4j
    • L'installation et la configuration de Neo4j avec Docker
    • L'indexation des données avec Neo4J
    • La gestion du Stockage et de la recherche dans Neo4J
    • L'importation de données dans Neo4J
    • La visualisation de données avec Neo4j
    8.Concevoir et déployer une base de données pour les moteurs de recherche
    • L'installation d'ElasticSearch avec docker
    • Le chargement de données
    • La manipulation de documents dans ElasticSearch
    • L'interrogation de données (partie 1)
    • L'interrogation de données (partie 2)
    • Le Software Development Kit (SDK) python pour Elastic
    • La visualisation des données avec Kibana
    • L'introduction à la logique des moteurs de recherche 
    • Projet Partie 1 : développer une application type moteur de recherche avec Flask, Elastic et Docker 
    • Projet Partie 2 : développer une application type moteur de recherche avec Flask, Elastic et Docker
    9.Implémenter une solution Data IA avec l'outils open source Apache Spark
    • L'introduction à Spark
    • Le concept du RDD
    • La SparkSession
    • Le DataFrame
    • Le Spark et l'apprentissage automatique avec MLlib
    10.Déployer les outils gratuits orientés Web pour Data IA
    • Teachable Machine
    11.Déployer une solution Data IA sur le Cloud
    • L'outil docker : principes, objectifs et solutions 
    • Le Dockerfile et ses instructions
    • Le paquetage d'une application python sous forme de container
    • Docker Compose : Introduction
    • Docker Compose : Etude de cas 
    • Les principales solutions cloud du moment : AWS / GCP / Azure 
    • La conception d'une API de machine learning sur le cloud avec FastAPI
    • Le paquetage d'une API de machine learning avec docker
    • Le déploiement d'une API de machine learning en production dans le cloud Heroku avec Docker
    12.Développer une application Mobile pour la Data IA
    • Pourquoi Kotlin ?
    • L' apprentissage du langage de programmation Kotlin
    • La prise en main d’Android Studio
    • La prise en main d'Android Studio : XML, MVC et les ressources
    • Les Activity, briques capitales du développement Android
    • L'introduction à Kotlin dans sa version procédurale : les bases de la programmation
    • Le démarrage du premier projet : le petit billard
    • L'introduction à la programmation orientée objet
    • Les mécanismes de base de la programmation orientée objet
    • UML : diagramme de classes et diagramme de séquence
    • L'exemple d'application OO : un programme d'application bancaire
    • La programmation du petit billard, reprise et animation
    • Le multithreading et les coroutines dans Kotlin
    • La finalisation du petit billard
    • L'introduction à la deuxième animation plus sophistiquée : le jeu Canon et son analyse objet
    • Les composants de base du jeu Canon dans leur version statique
    • L'animation du jeu Canon
    • La finalisation du jeu Canon
    • L'utilisation des fragments dans le développement Android
    • Les explications complémentaires sur les ressources en Android
    13.Maintenir et documenter son projet
    • Améliorer sa solution
    • La documentation pour l'utilisateur
    • Gestion de la dette technique

 

Découvrez nos deux parcours d'apprentissage
Réinventez-vous à votre façon

  • Image
    Parcours Flex coaching

     Formez-vous et avancez en toute autonomie

    Image
    frame_1228
  • Image
    Parcours Full Coaching

    Formez-vous en intégrant une team guidée par un coach dédié 

    Image
    frame_1225

La méthode Studi : votre chemin vers le succès

Layer 1
Accompagnement jusqu’à la réussite

Support pédagogique à chaque étape de votre parcours de formation, et assistance de vos formateurs experts sous 24h ouvrées maximum

Picto escalier
Coaching carrière

Programme de coaching exclusif orienté emploi et carrière pour booster votre employabilité et votre succès en poste 

Picto règle crayon
Apprendre en faisant

Pédagogie active où l’apprenant est acteur de son propre apprentissage : construisez, créez, expérimentez !

Picto valise
Se préparer pour le monde réel

Apprentissage directement applicable basé sur des exemples réels, projets, cas pratiques et contenus immersifs

Picto blason
Réseau d'experts de premier plan

Plus de 300 formateurs experts pour transmettre les meilleures pratiques dans chaque domaine

Picto devices
Excellence académique & digitale

Cours écrits et vidéos, à la demande et en direct Plateforme de formation accessible 24h/24 et 7j/7 en ligne et sur app iOS/Android

Modalités

  • Conditions d'admission

    Pour entrer en formation préparant au Titre visé, le candidat doit :

    • Avoir validé un diplôme ou un Titre certifié de niveau 5 (Bac+2)

    OU

    • Avoir validé 120 crédits ECTS et justifier d’une expérience professionnelle de 24 mois minimum dans le domaine visé par le Titre

    OU

    • Via un dossier VAPP retraçant l'expérience professionnelle (validation des acquis professionnels et personnels, sur étude par la direction pédagogique) : 

    >> avoir validé un diplôme ou un Titre de niveau 4  (Bac) et justifier d’une expérience professionnelle de 3 ans minimum dans le domaine visé par le Titre

    >> avoir validé un Baccalauréat et justifier d’une expérience professionnelle de 4 ans minimum dans le domaine visé par le Titre

    Pour toute autre situation, contactez un conseiller en formation qui étudiera votre profil pour étudier votre admissibilité.

  • Expérience professionnelle et stage

    Dans le cadre de votre formation, le stage n'est pas obligatoire. 

    Toutefois, toute expérience professionnelle, passée ou en cours, ou réalisation de stage, vous permet de développer vos compétences et de vous immerger dans le milieu que vous rejoindrez prochainement.

    Cela reste un atout pour l'obtention de votre Titre/Diplôme.

    Studi vous fournira une convention de stage sur demande.

  • Examen
    Mois d'examen : JuinDécembre
    Lieu : En ligne

    Pour obtenir le Titre, le candidat sera évalué selon les modalités suivantes :

    • Avoir validé (réussi) les épreuves d’examen des blocs de compétences. 

    Nature des épreuves : 1 épreuve par bloc de compétences, de type projet

    • Oral de soutenance devant un jury
  • Certification
    Certification : Concepteur développeur de solutions digitales
    Certificateur : HETIC
    Enregistré au RNCP par décision de France Compétences le : 26/01/2022
  • Validation par bloc de compétence

    La certification professionnelle est composée de plusieurs blocs de compétences à acquérir pour l'obtention de la certification professionnelle. 

    Il est possible de valider un ou plusieurs des blocs de compétences. Chaque bloc peut être acquis individuellement.

    La fiche RNCP accessible depuis chaque fiche formation en précise les modalités d'obtention.

     

    Pour toute question concernant les blocs de compétence, contactez votre conseiller en formation.

  • Equivalences et passerelles

    Des équivalences sont possibles avec :
    - la Licence professionnelle Métiers de l'informatique : conception, développement et tests de logiciels
    - le Titre Développeur de solutions digitales (Médiaschool/Supdeweb)
    - le Titre Concepteur développeur de solutions informatiques (42)
    - le TP - Concepteur développeur d'applications.

    Pour connaître les conditions requises dans le cadre d'une passerelle, il vous faut vous rapprocher des établissements dispensant le diplôme visé.

    Cette liste n’est pas exhaustive. Il existe d’autres équivalences.

  • Poursuite d'études

    Après avoir obtenu le Titre Concepteur développeur de solutions digitales, il est possible de :
    Soit intégrer directement le marché du travail
    Soit de poursuivre vers un Mastère CTO & Tech Lead (Titre Expert en transformation digitale et technologique, HETIC), ou un Mastère Data et IA (Titre Expert en transformation digitale et technologique, HETIC).

    Cette liste n’est pas exhaustive. Il existe d’autres poursuites possibles.

Studi vous accompagne vers l’emploi, et au delà

Bénéficiez d’un accompagnement personnalisé tout au long de votre recherche de stage ou d'emploi.

Accompagnement emploi
Définissons ensemble votre projet professionnel
  • Session de coaching pour consolider votre projet pro
  • +50 fiches métier et des vidéos immersives pour vous projeter dans votre carrière
  • Sessions d’échanges avec des professionnels du milieu
Accompagnement emploi
Perfectionnez votre candidature
  • Une bibliothèque de CV, lettres de motivations, mails de contact à disposition
  • 1 workshop de coaching sur votre CV et lettre de motivation
  • Des ressources pour vous accompagner pendant et après vos entretiens
Accompagnement emploi
Trouvez l’offre d’emploi ou de stage qui vous correspond
  • +200 offres d’emploi sélectionnées pour vous sur notre Job board
  • +250 entreprises partenaires partout en France
  • Une veille sectorielle pour être au courant des actualités du marché
Accompagnement emploi
Préparer votre entretien d’embauche
  • Une mise en situation de simulation d’entretien par un professionnel du milieu
  • Des vidéos de coaching sur des thèmes ciblés : “confiance en soi”, “créer un pitch”, “gérer son stress en entretien”
Accompagnement emploi
Apprenez à valoriser et entretenir votre réseau professionnel
  • Masterclass pour maîtriser les codes Linkedin
  • Des centaines futurs alumnis Studi à intégrer dans votre réseau, à mobiliser et rencontrer lors de nos évènements

Chez Studi, les + qui font la différence sont inclus en illimité dans votre formation

  • Options métier

    Je complète mon diplôme avec la spécialisation de mon choix

    Tag A choisir

  • Campus

    Je suis mes ateliers en présentiel sur l'un des 10 campus Studi

  • Langues

    Je suis des cours de langues et je prépare mes tests reconnus par l'État et les entreprises

  • Logiciels

    J'accède à plus de 50 000 formations vidéo sur les logiciels de référence

  • Soft skills

    Je développe les compétences transversales utiles à ma réussite : créativité, intelligence relationnelle, prise de parole en public avec le Cours Florent...

  • Business

    Je me forme à la création d'entreprise

  • Bibliothèque 

    J'accède en ligne à plus de 29 000 ouvrages de référence dans leur domaine

  • Licence Office 365

    Offerte pendant 5 ans

Voir plus

Contactez-nous

Bachelor Data et IA

*Informations obligatoires
Studi traite les données recueillies afin de gérer vos demandes d’information et vous accompagner dans votre orientation. Nous vous informons que Studi utilise vos données à des fins marketing pour personnaliser et adapter ses offres de services à vos besoins et établir des statistiques et des modèles de profils marketings. Vos données seront conservées pour une durée de 3 ans ; pour en savoir plus sur la gestion de vos données personnelles et pour exercer vos droits, veuillez consulter la politique de protection des données.