Description

• USEC8C-1 : Fondements théoriques (7h)
• USEC8C-2 : Études de cas, implémentation d’algorithmes, évaluation de modèles (14 heures)
• USEC8C-3 : Projet de Data Science ou d’IA appliquée à un jeu de données réel (7 heures)

Finalité

• Comprendre les fondements théoriques de la Data Science et de l’Intelligence Artificielle et leur intérêt stratégique pour la performance de la supply chain.
• Identifier les problématiques décisionnelles de la supply chain (prévision, planification, optimisation, gestion des risques) pouvant être résolues par des approches analytiques avancées.
• Collecter, préparer et structurer des données issues de systèmes logistiques (ERP, WMS, TMS, données fournisseurs, données clients).
• Mettre en œuvre des algorithmes de Machine Learning pour la prévision, la classification ou l’optimisation dans un contexte supply chain.
• Évaluer la performance et la robustesse d’un modèle à l’aide d’indicateurs adaptés (MAE, précision, etc.).
• Interpréter les résultats des modèles afin d’éclairer la prise de décision managériale.
• Conduire un projet de Data Science appliqué à un jeu de données réel, de la problématisation métier jusqu’à la recommandation stratégique.

Compétences visées

• Usages avancés et spécialisés des outils numériques
• Développement et intégration de savoirs hautement spécialisés
• Appui à la transformation en contexte professionnel
• Intégrer et mobiliser des savoirs spécialisés pour résoudre un problème supply chain concret.
• Produire des analyses et recommandations utiles pour la prise de décision stratégique et opérationnelle.

Description des modalités d'évaluation

Pour chaque module à la responsabilité de chaque enseignant de module :

• QCM + questions ouvertes courtes par module.
• Études de cas (individuelles ou en groupe).
• Mini-projet de synthèse sur la planification et l’optimisation des flux.

Prérequis

Pas de prerequis