Expert en sciences des données

Présentation

• Identifier les problématiques « décisionnelles » des directions métiers.
• Définir une modélisation mathématique qui permette de répondre à la problématique.
• Construire des outils d'analyse pour collecter les données de l'entreprise.
• Rassembler l'ensemble des sources de données pertinentes (structurées ou non structurées) liées aux processus de production, de vente ou de la connaissance du client/usager.
• Organiser, étudier et synthétiser ces sources de données sous forme de résultats exploitables.
• Modéliser les comportements et en extraire de nouveaux usages utilisateurs.

Compétences attestées

• Intitulé : Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d’aide à la décision
• Descriptif :
• Explorer, décrire et interpréter des données dans leur aspect multidimensionnel.
• Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques.
• Mesurer la liaison entre deux variables.
• Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation.
• Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels.
• Intitulé : Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives.
• Descriptif :
• Participer, avec des Data Engineers, à la rédaction d'un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses.
• Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark.
• Contribuer à la définition de l’architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l’intelligence artificielle.
• Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL).
• Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate)
• Intitulé : Détecter et évaluer l’état de l’art de l’intelligence artificielle pour développer des projets innovants.
• Descriptif :
• Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics. Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics.
• Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire.
• Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images.
• Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l’hybridation des approches intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement).
• Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant. B3C6 - Utiliser l’écosystème des solutions SAS pour la modélisation prédictive (préparation à la certification SAS® Certified Predictive Modeler Using SAS® Enterprise Miner™)
• Intitulé : Conduire des projets complexes en intégrant les contraintes légales et les valeurs d’éthique pour diffuser les bonnes pratiques dans les organisations.
• Descriptif :
• Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données dans un projet Data Science.
• Prendre la mesure de l’environnement international sur la réglementation de la protection des données, notamment aux Etats-Unis.
• Intégrer les deux grandes familles de pratiques de gestion de projets informatiques complexes (en cascade et en agilité) ainsi que les approches du « juste-à-temps ».

Blocs de compétences (4)

Voies d'accès

• En contrat d’apprentissage
• Par candidature individuelle
• En contrat de professionnalisation
• Après un parcours de formation sous statut d’élève ou d’étudiant
• Après un parcours de formation continue
• Par expérience

Emplois accessibles

• Data Scientist
• Machine Learning Engineer
• Data Analyst
• M1403 : Études et prospectives socio-économiques M1802 : Expertise et support en systèmes d'information M1805 : Études et développement informatique M1806 : Conseil et maîtrise d'ouvrage en systèmes d'information

Secteurs d'activité

• Toutes entreprises industrielles et de services, organismes publics, associations, sociétés de services et de conseil en ingénierie (y compris informatique).
• Toutes ces structures ont comme point commun de générer et/ou d’avoir accès à des volumes importants de données numériques.

Réglementations

Non Applicable

Composition des jurys

Métiers visés (codes ROME)

Statistiques de certification

Informations générales

Code

RNCP34262

Type d'enregistrement

Enregistrement sur demande

Date de décision

11/10/2019

Date d'effet

—

Fin d'enregistrement

10/10/2024