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 oeuvre 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 et symboliques.

Le programme DSTI Applied MSc in Data Analytics en 6 mois de cours et 6 mois de stage, avec ses deux rentrées en automne et printemps, vous permettra d'acquérir des compétences business et d'augmenter vos possibilités d'emploi en renforçant la prise de décision par l'analyse de données. Dans ce Applied MSc, vous maîtriserez les techniques et les outils nécessaires livrer vos analyses à l'aide de rapports pertinents et structurés, améliorant ainsi le retour sur investissement des projets de votre entreprise. Le Data Analyst fait partie des rôles importants qui devraient connaître une demande croissante d'ici 2022.

Développer un esprit analytique précis pour structurer vos actions scientifiques et techniques en délivrant des rapports d¿aide à la décision clairs et exploitables ; Maîtriser les logiciels leaders du marché en matière d¿informatique décisionnelle (business intelligence & decision science) et de visualisation de données, en plus des certifications industrielles ; Acquérir des compétences uniques et à forte valeur ajoutée dans diverses technologies de bases de données, dépassant le profil standard d¿un Data Analyst ; Se familiariser avec le Machine Learning pour l¿analyse prédictive, avec des bases scientifiques solides et des applications concrètes grâce aux technologies les plus répandues ; Rafraîchir ses connaissances en mathématiques simples mais puissantes pour des applications statistiques pratiques ; Etre sensibiliser à la gestion de projets informatiques et aux conséquences juridiques du traitement des données, avec une réflexion éthique sur les conséquences de l¿usage de Big Data.