| Niveau d'études visé | Bac +6 |
|---|---|
| Durée de la formation en année | 1 an |
| Statut de l'école | Non renseigné |
| Rythme de formation | Temps plein |
| Modalité | En présentiel |
| Prix | Non renseigné |
Description
Le Mastère spécialisé Data Sciences pour l'ingénierie de l'École d'ingénieurs SIGMA Clermont - Clermont Auvergne INP développe une expertise complète en science des données appliquée aux enjeux industriels. Au programme : analyse numérique, méthodes d'optimisation, big data, machine learning et deep learning, complétés par la maîtrise des bases de données, du cloud, de la data visualisation et de l'éthique des données. Les étudiants acquièrent des compétences opérationnelles couvrant l'ensemble de la chaîne de valeur : de la collecte et du stockage des données à leur valorisation via l'intelligence artificielle. Grâce à un projet encadré et une mission en entreprise de 22 semaines, les diplômés deviennent des experts en science des données capables de déployer des solutions data innovantes dans des environnements industriels complexes et sous contraintes.
Programme
- Techniques fondamentales en data science : analyse numérique, méthodes d'optimisation, probabilités et statistiques, modélisation et simulation de données
- Collecte, stockage et accès aux données : bases de données, Big Data, gestion de la véracité et incertitude des mesures
- Valorisation des données : business intelligence, data visualisation, machine learning, deep learning, quantification des incertitudes
- Solutions opérationnelles et gestion de projet : grille de calcul, cloud, éthique des données, conduite de projet, projet pratique
- Outils transversaux : algorithmique et programmation Python, anglais technique
Objectifs de la formation
- Maîtriser les techniques avancées de traitement et d’analyse statistique des données massives.
- Concevoir et développer des modèles prédictifs à l’aide d’algorithmes d’apprentissage automatique.
- Utiliser des outils et langages de programmation spécialisés tels que Python, R et SQL pour manipuler les données.
- Interpréter les résultats analytiques pour orienter la prise de décision dans un contexte industriel.
- Appliquer des méthodologies robustes pour la gestion, la qualité et la sécurisation des données dans des projets réels.