FILIÈRE
DATA [nom]
[nom]
Email : [e-mail]
[nom]
[nom]
COMPETENCES A ACQUERIR
La filière DS a pour objectif de former des ingénieurs maitrisant les compétences suivantes :
Mise en œuvre, gestion et exploitation des environnements
Big Data
Acquisition de données non structurées : crawling, scrapping, ETL
Manipulation de données
Utilisation des données des réseaux sociaux et moteurs de recherche
Développement des systèmes informatiques « Data product » : architecture matérielle/logicielle
Visualisation de données massives (Dataviz) et explication des résultats
Développement des applications à base de technologies IA
Manipulation des données SIG
Gestion des projets informatiques : Agile, DevOps, DataOps
DÉBOUCHÉS DE LA FORMATION
La formation proposée suit les tendances du marché qui concernent les profiles suivants :
Consultant en Data [nom]
Consultant Data Analyst
Consultant Business Analytics
Consultant Data Architect
Consultant Machine Learning et Deep Learning
Consultant en Ingénierie de données
Ingénieur Big Data
Concepteur des Systèmes d’information Décisionnels
Gestionnaire et développeur de projets informatiques orientés vers la Data « Data driven »
Consultant en modélisation des systèmes complexes
OBJECTIFS DE LA FORMATION
L’objectif de la filière est de former un profil spécialisé dans la gestion et l'analyse pointue de données massives « Big Data ». Ce profil recherché, à savoir le « Data Scientist », est une intégration des profils « Data Analyst » et « Data Engineer » ; il est capable de générer des valeurs prédites à partir de données brutes. Il détermine en se basant sur des sources de données multiples, dispersées et non structurées, des modèles de prédiction et des indicateurs permettant
FINANCIAL FREEDOM
la mise en place d'une stratégie répondant à une problématique précise. FOR Il X est GENERATION donc spécialisé en Informatique, Statistique et Mathématiques Appliquées.
L’ingénieur · bénéficie · aussi · de · cours · en · Economie,
Entreprenariat, Sociologie, Communication et langues pour renforcer des compétences en Soft Skills.
Cette formation triplement polyvalente permet à l’ingénieur Data
Scientist de l’INSEA d’analyser tout type de problèmes reliés aux données massives, de proposer des solutions informatiques et des modèles de prédictions adaptés et de qualité, d’intégrer aisément le monde professionnel, et d’intervenir dans tous les domaines et spécialisations de la Data [nom]
LISTE DES MODULES
SEMESTRE 1
ALGORITHMIQUE ET PROGRAMMATION
ARCHITECTURE DES ORDINATEURS ET SYSTÈMES D'EXPLOITATION 3
ANALYSE ET CONCEPTION RELATIONNELLES & BASES DE DONNÉES
ANALYSE DE DONNÉES ET PROGRAMMATION AVEC SAS
PROBABILITÉS ET INFÉRENCE STATISTIQUE
PROGRAMMATION LINÉAIRE & MATHÉMATIQUES POUR DATA [nom]
PRINCIPES DE L'ÉCONOMIE ET HISTOIRE DE LA PENSÉE ÉCONOMIQUE
[nom] SOCIALES, COMMUNICATION AND BUSINESS ENGLISH 1
SEMESTRE 2
STRUCTURES DE DONNÉES ET PROGRAMMATION AVANCÉE
PROGRAMMATION ORIENTÉE OBJET
RÉGRESSION LINÉAIRE ET SÉRIES CHRONOLOGIQUES
CALCUL SCIENTIFIQUE POUR DATA [nom]
PROCESSUS STOCHASTIQUES & FILES D'ATTENTE
PRINCIPES DE L’ÉCONOMIE II ET COMPTABILITÉ NATIONALE
ENTREPRENARIAT I
SEMESTRE 3 · [nom] SOCIALES, COMMUNICATION AND BUSINESS ENGLISH 2
DATA VIZ LANGUAGE & MULTIMEDIA INFORMATION SYSTEMS
MODÉLISATION ORIENTÉE OBJET DES SI
DATA ARCHITECTURES & SECURITY BLOCKCHAINS
STATISTIQUES MULTIVARIÉES ET SÉRIES CHRONOLOGIQUES AVANCÉES
APPRENTISSAGE STATISTIQUE SUPERVISÉ ET NON SUPERVISÉ
THÉORIE DES GRAPHES ET MODÈLES DISCRETS
[nom] SOCIALES, COMMUNICATION AND BUSINESS ENGLISH 3
ENTREPRENARIAT II
SEMESTRE 4
BUSINESS INTELLIGENCE&KNOWLEDGE DISCOVERY
SOFTWARE ENGINEERING, AGILE &DATAOPS
INTELLIGENCE ARTIFICIELLE
RÉGRESSION SUR VARIABLES CATÉGORIELLES ET MODÈLES GLM
SIMULATION I & PROGRAMMATION NON LINÉAIRE
PROJET ENCADRÉ
ENTREPRENEURIAT III
[nom] SOCIALES, COMMUNICATION AND BUSINESS ENGLISH 4
SEMESTRE 5
BIG DATA
MACHINE AND DEEP LEARNING
ECHANTILLONNAGE ET TRAITEMENT DES VALEURS MANQUANTES
STATISTIQUE POUR LE BIG DATA
APPRENTISSAGE PAR MARKOV CACHÉS ET FILTRAGE
MÉTAHEURISTIQUES &OPTIMISATION STOCHASTIQUE& MÉTHODES DE DÉCOMPOSITION
SÉMINAIRES D’OUVERTURE
SEMESTRE 6 : Projet de fin d’études
