La statistique fait partie intégrante des mathématiques appliquées. Elle se base sur le calcul des probabilités. En première année, après des compléments en mathématiques nécessaires à une mise à niveau des étudiants n’ayant pas fréquenté les classes préparatoires scientifiques, quatre cours fondamentaux pour la compréhension scientifique des techniques statistiques enseignées par la suite sont abordés : intégration, probabilités, introduction à la statistique et statistique exploratoire multivariée.

Les étudiants réalisent également plusieurs projets statistiques, en groupe, mettant en oeuvre des méthodes de statistique descriptive ou des méthodes plus avancées. Les logiciels SAS et R, dédiés à la statistique, font également l'objet d'enseignement.

La seconde année est centrée sur l’apprentissage des techniques utiles au statisticien de profession : la modélisation, paramétrique ou non, d’une régression, l’étude des séries chronologiques modélisables par la méthode de Box-Jenkins, la théorie des sondages, l’analyse des modèles à choix discrets, l’apprentissage supervisé, les chaînes de Markov, les calculs bayésiens, les modèles de durée. Ces bases sont complétées, selon le statut de l’étudiant et ses choix, par une initiation aux processus stochastiques, des cours de méthodes de régression non paramétrique, ré-échantillonnage, de compléments de séries temporelles, de statistique mathématique, de cartographie ou d’échantillonnage avancée.

Un projet statistique, encadré par des professionnels et fonctionnant en petits groupes, permet aux étudiants de mettre en oeuvre sur des données réelles un large éventail des techniques étudiées au cours des deux premières années. Les étudiants peuvent également participer à un Data Challenge.

Les cours de troisième année s’inscrivent dans des voies de spécialisation. Ils présentent les développements spécifiques des probabilités et de la statistique utiles au domaine étudié, tout en apportant les connaissances indispensables sur l’environnement dans lequel sera amené à travailler le statisticien.

L'enseignement informatique de première année est adossé à trois concepts principaux : l'algorithmique, la conception d'applications, et le stockage de données. Des liens sont effectués avec les enseignements de statistique.

Python est le langage utilisé en 1ère année. L'algorithmique est introduit dans un premier temps avec les notions algorithmiques de base. Les étudiants issus des voies « économie » et « BUT SD » bénéficient en outre d’un cours portant sur l’algorithmique et la programmation des algorithmes étudiés. Dans un deuxième temps, une introduction à la programmation orientée objet est abordée par tous avec le langage Python. Le lien avec les enseignements de statistique est notamment effectué à travers de TP sous Python dans le cours d'optimisation et méthodes numériques.

La conception d'applications est abordée à travers des cours sur la documentation du code (y compris le métalangage de modélisation UML) et d'un projet de traitement de données. Enfin, les fichiers, les bases de données relationnelles et les tables statistiques SAS/R sont les trois principaux modes de stockage des données mis en pratique. Les accès aux fichiers sont abordés lors des cours de de programmation objet et du projet. Le langage SQL est l'outil standard de mise en œuvre et d'interrogation de bases de données relationnelles.

Par la suite, tous les étudiants réalisent dès le début de la deuxième année un projet dont l’objectif est de mettre en application les enseignements reçus en première année et des compléments informatiques sur la gestion des bases de données dans des contextes Web et/ou Big Data.

Au cours du second semestre, les ingénieurs suivent un cours de programmation orientée objet en C++ ou Java, ainsi qu’une introduction aux outils pour le Big Data. Plusieurs cours optionnels sont proposés en informatique, R avancé, technologies mobiles, conception de logiciel, traitement du signal, et data visualisation. Des compléments informatiques sur des outils (R Shiny, VBA, Libre Office Basics, Compléments de SAS) sont proposés sans ECTS.

La troisième année apporte les compléments nécessaires à la mise en œuvre informatique des méthodes statistiques dans les domaines de spécialisation proposés. Elle offre également une voie d'approfondissement dans le domaine spécifique du traitement de l'information (compléments sur les bases de données, génie logiciel, conception et programmation orientées objet, administration de projets informatiques, intelligence artificielle, Big Data, Datamining, réseaux, technologies Web, etc.).

Les enseignements d'économie, de gestion et de sciences sociales ont pour objectif d’offrir à tous les étudiants une réelle capacité d’analyse et de compréhension des aspects essentiels du monde contemporain, à travers la mobilisation de la modélisation économique et de données fruits d'un comportement humain.

En première année, on distingue un public d'étudiants ayant de bonnes connaissances en sciences économiques et sociales et un public d'étudiants débutants ou n'ayant eu qu'une première initiation dans cette discipline. Pour les premiers, l'école propose un programme de macroéconomie appliquée abordant les développements récents en économie formalisée, et pour les seconds, des cours plus progressifs, avec en particulier une introduction à la modélisation macroéconomique (questions macroéconomiques contemporaines) et une introduction aux sciences sociales.

En deuxième année, le cours d’économétrie du tronc commun vise à donner aux étudiants les méthodes de validation empirique des modèles théoriques. Ce cours peut être complété au second semestre par des cours de micro et macroéconométrie appliquée. Des cours électifs complètent cette formation en ouvrant sur l’économie du risque, l’économie industrielle, l’économie des contrats ou l’économie financière notamment.

Pour nos ingénieurs Data Scientists ou statisticiens publics, la notion de compétence renvoie aux notions d’autonomie et de savoir agir dans le champ de la production et de l’analyse de données et de la décision en situation complexe (tâches non répétitives). Les connaissances en mathématiques, informatique, statistique, économie (l’ADN de l’ENSAI) forment le socle indispensable à la formation d’un ingénieur Data Scientist compétent. Les compétences transversales ou Soft Skills sont également indispensables pour valoriser dans un contexte professionnel tout le potentiel acquis durant les 3 années de l’ENSAI.

L’école a produit un référentiel de ces domaines de compétences adapté aux futurs métiers des étudiants qu’elle forme. Il est attendu d’un Data Scientist qu’il présente des qualités importantes dans les domaines suivants : la rigueur intellectuelle, le raisonnement analytique et la conceptualisation, la créativité et le sens de l’innovation, la communication et la pédagogie, les relations humaines, le travail en équipe en mode projet et la gestion du temps, l’ouverture au monde et la responsabilité sociale et civique. Ces qualités sont mises en œuvre dans les différents processus d’apprentissages : les cours, les TP et TD, le travail personnel demandé.

L’école a fait le choix de renforcer spécifiquement la montée en compétence sur « le savoir agir » de ses étudiants à partir principalement de situations s’approchant le plus de situations professionnelles : les projets, les Data Challenges, les stages, les pratiques associatives.

L’apprentissage des techniques de communication et de la gestion de projet est progressif, basé sur la pratique et le conseil personnalisé. Les étudiants sont sensibilisés à ces compétences dans le cadre du projet de statistique descriptive en première année, puis les développent en travaillant sur les projets qui jalonnent leur scolarité, en particulier le projet statistique de deuxième année, le projet informatique de deuxième année et le projet statistique de troisième année.

Durant le stage d’observation de première année, les étudiants élargiront leurs connaissances du monde professionnel et développeront leur capacité d’analyse à travers la rédaction du rapport.

L'étude de l'anglais est obligatoire tout au long de la scolarité. Les étudiants sont répartis en groupes de niveau pour assurer un contenu et une pédagogie adaptés. Des modules de préparation au TOEIC sont intégrés aux cours mais l’acquisition et le développement des compétences linguistiques et communicationnelles restent les objectifs principaux des cours. Le niveau B2 du CECRL est obligatoire pour l’obtention du diplôme d’ingénieur mais les cours visent l’acquisition du niveau C1. Au-delà des compétences linguistiques, les cours d’anglais cherchent à équiper les futurs ingénieurs avec les compétences transversales qui leur permettront d’évoluer dans des contextes internationaux variés, d’effectuer la veille scientifique et de comprendre les normes culturelles dans les pays étrangers. Les cours des Humanités visent à approfondir les connaissances des étudiants dans plusieurs disciplines des arts et des sciences sociales et humaines. Du fait de leur structure et contenu, ils permettent aux étudiants de développer des compétences transversales, notamment celles liées à l’ouverture au monde et la responsabilité sociale et civique. Les étudiants doivent choisir parmi deux types de cours :

Langues optionnelles : L’allemand, le chinois, l’espagnol, l’italien, le japonais et le russe peuvent être étudiés du niveau A1 jusqu’au niveau B2+. Outre les compétences linguistiques et communicationnelles, les cours de langues optionnelles cherchent à préparer les futurs ingénieurs à agir dans des contextes pluriculturels.

Cours d’ouverture : Plusieurs options sont organisées chaque année. Certains cours visent l’ouverture via la culture générale (géopolitique, histoire de l’art, philosophie…), d’autres stimulent la créativité et la connaissance de soi via la pratique artistique (dessin, musique, peinture, théâtre…). Enfin, la possibilité de participer aux activités associatives ou aux projets spéciaux encourage l’engagement social et citoyen.