Mathématiques appliquées à l'analyse de données et l'intelligence artificielle. Développement informatique pour l'apprentissage automatique par la machine (machine learning) et l'intelligence artificielle avec les langages C, C++, Python, R, SAS. Exploitation des bases de données relationnelles avec SQL. Exploitation des réservoirs de données (data lake) avec des données structurées et non structurées, notamment sur l'architecture Hadoop & Spark. Exploitation de l'informatique dans les nuages (cloud computing) pour les systèmes distribués. Contextes juridique et éthique du traitement des données en France, Europe (RGPD) et Etats-Unis. Gestion de projets informatiques complexe.

- Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d'aide à la décision - Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives. - Détecter et évaluer l'état de l'art de l'intelligence artificielle pour développer des projets innovants - Conduire des projets complexes en intégrant les contraintes légales et les valeurs d'éthique pour diffuser les bonnes pratiques dans les organisations

Le métier visé est celui d'expert (« Data Scientist » en Anglais) dans le domaine des Sciences des Données. Ces dernières peuvent être de toute taille, jusqu'à la qualification de « massives » (« Big Data » en Anglais). Ces données partagent une complexité nécessitant l'utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes. Ces implémentations sont localisées sur des infrastructures informatiques locales et/ou dans les nuages (« cloud computing » en Anglais). Le Data Scientist conçoit des indicateurs pour l'aide à la décision à partir de sources de données multiples et dispersées, mises en place par des experts en ingénierie des données (« Data Engineers » en Anglais). Ces indicateurs sont construits à l'aide d'analyses mathématiques et de prototypes d'implémentations informatiques. Ces prototypes sont ensuite industrialisés à l'échelle de l'organisation par les Data Engineers.