| Niveau d'études visé | Bac +3 |
|---|---|
| Durée de la formation en année | 3 ans |
| Statut de l'école | Non renseigné |
| Rythme de formation | Temps plein |
| Modalité | En présentiel |
| Prix | Non renseigné |
Description
Le BUT Science des données parcours Exploration et Modélisation Statistique proposé par l'IUT 2 de Grenoble forme des professionnels capables de recueillir, traiter et analyser des données complexes. Au cœur de cette formation : la maîtrise des outils statistiques appropriés, la définition et le recueil de données pertinentes pour répondre à une problématique donnée, et la mise en œuvre d'analyses et de modélisations rigoureuses. Les étudiants développent des compétences en gestion et analyse statistique des données, ainsi qu'en informatique décisionnelle, à travers 1800 heures d'enseignement et des mises en situation professionnelles. Ils apprennent à produire des résultats précis sous forme de rapports, tableaux et graphiques exploitables. À l'issue du cursus, les diplômés peuvent exercer comme assistant statisticien, assistant data-scientist, chargé d'études statistiques, chargé d'analyse et de reporting, assistant chargé d'études marketing ou développeur statistique au sein de structures publiques ou privées.
Programme
- Fondamentaux de la science des données : statistiques descriptives, probabilités, programmation en Python et R
- Exploration de données : techniques d’exploration, visualisation, nettoyage et préparation des données
- Modélisation statistique avancée : régressions multiples, modèles linéaires généralisés, méthodes bayésiennes
- Machine learning supervisé et non supervisé : arbres de décision, forêts aléatoires, clustering, réduction de dimensionnalité
- Projets pratiques et applications métier : analyse de données réelles, mise en œuvre de modèles prédictifs, communication des résultats
Objectifs de la formation
- Maîtriser les techniques d’exploration et de visualisation de données pour en extraire des insights pertinents
- Développer des compétences avancées en modélisation statistique et en inférence pour construire des modèles prédictifs fiables
- Utiliser les outils et langages informatiques propres à la science des données, notamment R et Python, pour manipuler et analyser des jeux de données complexes
- Acquérir la capacité à formuler des problématiques data-driven et à concevoir des démarches analytiques adaptées
- Interpréter et communiquer efficacement les résultats statistiques auprès de différents publics, garantissant ainsi la prise de décision éclairée
Découvrir l’établissement
