Concepteur développeur en science des données

Présentation

• A1. Contruction d'une infrastructure de gestion de données adaptée à l'organisation
• A2. Collecte de données
• A3. Gestion d'entrepôts de données (Data Warehouse)
• A4. Analyse exploratoire de données
• A5. Visualisation et présentation de données
• A6. Mise en place d'un algorithme d'apprentissage automatique
• A7. Segmentation et réduction de base de données
• A8. Optimisation des performances des algorithmes d'apprentissage automatique
• A9. Mise en place d'un apprentissage automatique profond
• A10. Optimisation des performances des algorithmes d'apprentissage automatique profond pour industrialisation
• A11. Industrialisation d'algorithmes d'apprentissage automatique
• A12. Production d'applications d'intelligence artificielle utilisables par toutes les équipes métier
• A13. Définition d'une modélisation statistique qui permette de répondre aux problématiques des directions métiers
• A14. Construction d'un système de gestion et de suivi de projet d'analyse et de gestion de données
• A15. Direction de projets de gestion de données

Compétences attestées

• Bloc n°1 - Construction et alimentation d'une infrastructure de gestion de données
• C1.1 - Concevoir une architecture de données robuste et adaptée en créant des lacs de données (Data Lake en anglais) et des entrepôts de données (Data Warehouse en anglais) afin de répondre aux besoins de stockage, d'utilisation, de sécurité et de protection de l'organisation définie par un cahier des charges
• C1.2 - Intégrer la dimension de stockage et de calcul distribuée à l'infrastructure de données via l'utilisation d'outils comme Spark ou AWS Redshift afin de l'adapter à des besoins de gestion de données massives (Big Data en anglais)
• C1.3 - Collecter des données provenant de différentes sources (Web, Logiciels internes de type Sage / Excel ou externes de type Google Analytics) via des librairies de programmation de type Scrapy ou Beautifulsoup dans le respect des normes de protection des données utilisateurs définies dans le RGPD pour alimenter le Data Lake afin d'affiner le résultat d'analyses futures.
• C1.4 - Nettoyer et organiser les données dans l'entrepôt de données (Data Warehouse en anglais) en écrivant des processus d'extraction, transformation et chargements (ETL en anglais) afin de rendre ces données disponibles et compréhensibles pour les autres équipes métiers.
• Bloc n°2 - Analyse exploratoire, descriptive et inférentielle de données
• C2.1 - Traiter des bases de données grâce à des analyses statistiques descriptives et inférentielles via des librairies de programmation comme Numpy ou Pandas, pour les organiser et les nettoyer afin de les normaliser par rapport à la population étudiée. C2.2 - Effectuer des analyses univariées et multivariées sur des bases de données structurées afin de préciser des relations entre plusieurs variables et d'établir des liens statistiques entre elles. C2.3 - Optimiser les analyses statistiques grâce au traitement parallélisé via l'utilisation d'outils comme Spark pour accélérer le temps de calcul d'un ordinateur afin de pouvoir analyser des volumes de données massifs (Big Data)
• C2.4 - Présenter le résultat d'une analyse statistique de données structurées, massives ou non, grâce à des librairies de programmation comme Plotly ou Matplotlib pour synthétiser ce résultat devant un public profane afin de faciliter la prise de décisions et appuyer leurs déclinaisons opérationnelles
• Bloc n°3 - Analyse prédictive de données structurées par l'intelligence artificielle
• C3.1 - Traiter des données structurées en créant un pipeline de traitement grâce à des librairies de programmation comme Scikit-Learn pour encoder, normaliser et découper des données afin de les rendre interprétables par un algorithme d'apprentissage automatique (Machine Learning en anglais) C3.2 - Effectuer des analyses prédictives sur un jeu de données structurées grâce à des algorithmes d'apprentissage automatique supervisés adaptés afin d'automatiser des tâches liées aux résultats des prédictions de ces algorithmes
• C3.3 - Élaborer un algorithme d'apprentissage automatique non-supervisé pour segmenter une base de données en différents groupes homogènes ou réduire la dimension de cette dernière afin de pouvoir comprendre des observations de manière granulaire et de permettre leur visualisation
• C3.4 - Évaluer la performance prédictive des algorithmes d'apprentissage automatique en déterminant l'influence des différentes variables pour pouvoir l'améliorer afin de démontrer son utilité aux directions métiers, par rapport aux processus déjà établis dans l'organisation
• Bloc n°4 - Analyse prédictive de données non-structurées par l'intelligence artificielle
• C4.1 - Traiter des données non-structurées (image, texte, audio) par la création de fonction de traitements via l'utilisation de librairies de programmation comme TensorFlow ou Numpy pour les transformer en matrices afin de les rendre interprétables par un algorithme d'apprentissage automatique profond (Deep learning en anglais) C4.2 - Élaborer des réseaux de neurones adaptés (classiques, convolutifs ou recursifs) en superposant des couches neuronales via des librairies de programmation comme TensorFlow pour analyser des données non-structurées afin de détecter des signaux sur ces dernières C4.3 - Créer un algorithme robuste et précis en configurant un réseau de neurones pré-entrainé profond afin de répondre à des problématiques de prédiction sur des volumes de données massifs C4.4 - Créer des données non-structurées en élaborant des réseaux de neurones adverses afin de construire de nouvelles bases d'entrainement pour des applications d'intelligence artificielle
• C4.5 - Évaluer la performance d'un algorithme d'apprentissage automatique profond en évaluant des indicateurs sur des données d'entrainement et de validation afin d'industrialiser son utilisation
• Bloc n°5 - Industrialisation d'un algorithme d'apprentissage automatique et automatisation des processus de décision
• C5.1 - Standardiser la construction et l'environnement informatique d'un algorithme d'apprentissage automatique grâce des outils de production comme MLflow et Docker afin de faciliter la mise en production de projets d'intelligence artificielle sur tous types de plateformes C5.2 - Créer une interface de programmation applicative grâce à des outil comme AWS sagemaker afin de donner un accès à échelle aux prédictions des algorithmes d'apprentissage automatique à l'ensemble des équipes métiers concernées
• C5.3 - Déployer une application web intégrant des algorithmes de statistiques prédictives (Machine Learning et Deep Learning) grâce à des outils comme Flask, Heroku ou AWS sagemaker pour les rendre utilisables par l'ensemble des équipes métiers afin d'automatiser leurs processus de décision
• Bloc n°6 - Direction de projets de gestion de données
• C6.1 - Traduire les enjeux métiers en problématiques mathématiques/data grâce à une compréhension des besoins propres à chaque projet data afin de pouvoir répondre aux objectifs de l'organisation C6.2 - Maîtriser les technologies les plus récentes et adaptées du marché grâce à de la veille technologique et de la pratique constante pour développer une expertise afin d'être à même de proposer aux directions métiers les solutions les plus adaptées actuellement à une problématique et l'amélioration constante des process de gestion de données déjà en place C6.3 - Définir un cahier des charges, un retroplanning et un budget afin de défendre et détailler aux directions métier un projet data répondant aux besoins de l'organisation
• C6.4 - Gérer un projet d'analyse et de gestion de données (analyse statistique descriptive, Machine Learning, Deep Learning, Big Data ou non) grâce à l'élaboration d'indicateurs adaptés et de tableaux de bords, afin de faire le suivi et le bilan de l’action, ainsi que de la déclinaison opérationnelle de ses résultats, le tout dans le respect des normes de protection des données utilisateurs définies dans le RGPD
• C6.5 - Transmettre aux directions-métiers le process d'extraction d'informations et d'analyse de données en le vulgarisant afin de soutenir la mise en place d'une stratégie et d'actions futures. C6.6 - Diriger un projet de gestion de données, allant de sa conception à la mise en place de solutions, afin de le mener jusqu'à son terme, d'être la personne clé disposant de toutes les informations sur le projet à tout moment, et d'accompagner d'autres services de l'organisation dans l'ensemble des activités relatives à celui-ci

Blocs de compétences (6)

Voies d'accès

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

Emplois accessibles

• * Data Scientist
• * Data Engineer
• * Machine Learning Engineer
• * Développeur Full-Stack Python (ou Software Engineer)
• * Data Analyst (ou Data Miner)
• * Business Analyst
• * Consultant Intelligence Artificielle (ou Consultant Data)
• * Product Manager Data (ou Product Owner ou chef de produit Data)
• * Chef de Projet Data (ou Project Manager Data)
• * Ingénieur d'études / Chargé d'études
• * Ingénieur en Business Intelligence
• * Directeur / Directrice de l'Organisation et des Systèmes d'Information -DOSI
• * Attaché / Attachée d’études statistiques

Secteurs d'activité

• Depuis l'émergence de l’Intelligence Artificielle et des Big Data, les Concepteurs Développeurs en Science des Données sont recrutés dans de différents et nombreux domaines (commercial, finance, santé, recherche, administration…), à des postes pouvant différer par leur niveau hiérarchique et leur niveau de technicité, et par une grandes variété d’organisations : dans l’industrie, par de grandes entreprises comme de jeunes start-up, dans le service public et l’administration, par des institutions scientifiques, des organisations médicales ou paramédicales et même des structures associatives. En effet, leur travail d'analyse peut facilement se retrouver à la base de l’élaboration de la stratégie générale d’une organisation.
• Tous les secteurs d’activités utilisant de la donnée sont ainsi concernés et quel que soit la taille de l’entreprise. Le “Concepteur Développeur en Science des Données” pourra exercer son activité :
• * Dans une entreprise de Services Numériques (ESN ou ex SSII) réalisant des prestations de science des données ou d’intelligence artificielle, en régie ou au forfait
• * Dans l’ensemble des structures utilisatrices d’Intelligence Artificielle, possédant un service dédié à l’analyse de données et aux développements de ces IA, du secteur privé ou public, entreprises ou association (ex : Banque, Assurance, startups spécialisées dans l’Intelligence Artificielle, certains établissements de recherche ou de santé, etc)
• * En tant qu’indépendant pour des missions de gestion de données, de conceptions ou mise en production d’algorithmes, ou de pilotage de projet Data.
• * Dans des organismes de formation spécialisés dans l’Intelligence Artificielle.

Réglementations

• L’ensemble du processus de conception et de développement d’algorithmes d’apprentissage automatique doit se dérouler dans le respect des réglementations en vigueur quant à l’utilisation de données personnelles (RGPD) et des critères définissant l’utilisation responsable des données. Le règlement général sur la protection des données (RGPD, ou encore GDPR, de l'anglais General Data Protection Regulation) est le règlement de l'Union Européenne qui constitue le texte de référence en matière de protection des données à caractère personnel : il renforce la protection de ces données pour les individus, responsabilise les acteurs du traitement de ces données et augmente le pouvoir des autorités de régulation au sein de l'Union européenne. Il est entré en application dans l'ensemble des 28 États membres de l'Union européenne à compter du 25 mai 2018. Il met en place des principes nouveaux, dont les plus importants sont :
• * Un consentement explicite et positif doit être donné par l’utilisateur. Il dispose également d’un droit à l’effacement de ses données personnelles dans les meilleurs délais et peut demander à recevoir l’ensemble des données personnelles détenues par l’entreprise le concernant.
• * Le principe de protection des données dès la conception (Privacy by Design) impose aux organisations de prendre en compte les exigences relatives à la protection des données personnelles dès la conception des produits, services et systèmes exploitant ces données.
• * La minimisation des données impose à l’organisation de ne collecter, traiter et stocker que les données nécessaires en vue de l’exécution de ses tâches.
• * Les organisations publiques, traitant des données très sensibles ou de plus de 250 personnes ont l’obligation de nommer un délégué à la protection des données pour contrôler le respect du règlement, de conseiller le responsable des traitements sur son application et de faire office de point de contact avec l'autorité de contrôle, de répondre aux sollicitations de personnes qui souhaitent exercer leurs droits.
• * L’ensemble des dispositions du RGPD s'appliquent aux organisations établies en dehors de l'UE qui traitent les données relatives aux activités des organisations de l'UE ou appartenant à des résidents de l'UE
• L’utilisation responsable des données implique également de manière plus large un certain nombre de critères qui préviennent la création d’intelligences artificielles intrusives, pouvant porter atteinte à l’ordre public, inciter à la haine ou de manière plus générale promouvant ou permettant toute activité interdite par la loi ou allant à l’encontre de l’éthique. L’éthique des données est une problématique en perpétuelle évolution, mobilisant nombre de groupes de travail publics comme indépendants. Si le cadre actuel est défini par le RGPD, ces acteurs et groupes de travail essayent de créer des cadres pour faire en sorte que les évolutions permises en science des données bénéficient directement à l’intérêt général et pas uniquement à des acteurs privés. Ces cadres incluent par exemple le site d’open source de bases de données Kaggle ou la plateforme de travail Data for Good.

Composition des jurys

Métiers visés (codes ROME)

Informations générales

Code

RNCP35288

Type d'enregistrement

Enregistrement sur demande

Date de décision

10/02/2021

Date d'effet

—

Fin d'enregistrement

10/02/2026