Appui à la transformation en contexte professionnel

MR123B43
Appui à la transformation en contexte professionnel

Description

Gérer des contextes professionnels ou d’études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles
Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe
Conduire un projet (conception, pilotage, coordination d’équipe, mise en œuvre et gestion, évaluation, diffusion) pouvant mobiliser des compétences pluridisciplinaires dans un cadre collaboratif
Analyser ses actions en situation professionnelle, s’autoévaluer pour améliorer sa pratique dans le cadre d'une démarche qualité
Respecter les principes d’éthique, de déontologie et de responsabilité environnementale

-Définir un sujet, formaliser une problématique à partir de situations professionnelles ainsi que la méthodologie pour la résoudre
- Identifier et sélectionner les données nécessaires
- Mettre en oeuvre les méthodes identifiées 
- Produire des rapports synthétiques présentant les données et résultats des analyses

-Exploiter les données et techniques de fouilles avec des méthodes non supervisées (cartes de Kohonen, règles d'association) et des méthodes supervisées (arbres de décision, forêts aléatoires, deep learning, etc.)
- Utiliser les outils spécifiques à l'entreposage et à la fouille de données  (Environnements freeware : R, Python / outils spécifiques : SAS-EM,  SPAD / Data Mining et bases de données : OLAP Business Object)
- Maitriser les méthodes avancées d'analyse des données en utilisant les techniques de fouille et de visualisation pour extraire des informations pertinentes à partir de données complexes: structurées ou non, hétérogènes, incomplètes,...

Public

X

Nombre d’ECTS
39
Domaine
Modélisation ingénierie mathématiques &t statistique
Code répertoire
RNCP34039BC04
Date de début de validité

Unités d'Enseignement requises

STA201 : Analyse multivariée approfondie ( 9 ECTS)

Nombre d'heures : 90.00

Approfondir les méthodes statistiques d'analyse exploratoire, de régression et de classification

STA211 : Entreposage et fouille de données ( 9 ECTS)

Nombre d'heures : 90.00

RCP216 : Ingénierie de la fouille et de la visualisation de données massives ( 6 ECTS)

Nombre d'heures : 60.00

Cet enseignement s'intéresse à l'impact des caractéristiques des données massives (volume, variété, vélocité) sur les méthodes de fouille de données.