Titre RNCP – Master for Smart Data Science

Description des emplois et activités visés

Le développement de systèmes d’information permet aujourd’hui de disposer de données massives et complexes, dont l’exploitation requiert des approches pluridisciplinaires à dominante statistique et informatique.  Le parcours Science des données, statistique et économétrie forme aux métiers de la Data. En compléments des enseignements d’apprentissage automatique (machine learning) et d’apprentissage profond (deep learning), l’accent est mis sur le traitement automatique du langage naturel (natural language processing), l’analyse des réseaux sociaux, l’économétrie et la prévision de séries temporelles. Elle aborde les différents types de données : individuelles, temporelles, spatiales, réseaux, textes, images.

En complément des enseignements d’apprentissage automatique et d’apprentissage profond qui peuvent s’appliquer sur des données des grandes dimensions ou d’image, l’accent est aussi mis sur le traitement des données textuelles (NLP), l’analyse de données de réseaux comme les réseaux sociaux, l’analyse de données multidimensionnelle comme les données mixtes, de panel ou encore spatiale et enfin l’analyse de série temporelle afin de faire des prévisions.

La formation vise à former des experts de la science des données, des Data Scientist, spécialistes des données complexes nécessitant l’utilisation de techniques statistiques avancées comme l’intelligence artificielle et maitrisant les outils informatiques et numériques pour les mettre en œuvre. Ce parcours apporte des compétences complémentaires en statistique, en économétrie et en techniques de prévisions.

Description des compétences évaluées et attestées

Les étudiants sont formés aux méthodes d’analyse statistique les plus récentes, aux algorithmes d’intelligence artificielle, et aux outils informatiques et numériques indispensables pour exercer les métiers de data scientist et data analyst. Ce cursus propose également des modules de formation aux techniques de prévisions et de modélisation des comportements individuels.

Les diplômés seront en mesure de :

• utiliser des outils de programmation et de modélisation ;
• concevoir et mettre en œuvre une étude statistique de sa phase initiale du recueil des données jusqu’à la restitution des résultats sous forme de tableaux de bord et d’indicateurs numériques ;
• mettre en œuvre des méthodes de traitement et d’analyse de données en utilisant des logiciels et des langages de programmation spécialisés (Python, R, SAS…) dans un environnement numérique approprié ;
• proposer et développer une stratégie statistique ou numérique (indicateurs et modèles) pertinente pour modéliser un phénomène complexe et analyser son adéquation au regard de données expérimentales ;
• mettre en œuvre différentes méthodes de visualisation de données, de machine learning et de deep learning appropriées au contexte ;
• interpréter/présenter les résultats en vue d’un échange avec des non-mathématiciens ;
• exploiter des infrastructures informatiques distribuées pour stocker et traiter des données (SQL, NOSQL…) ;
• conduire des projets intégrant des contraintes légales et éthiques pour diffuser les bonnes pratiques.

Méthodes de validation

Les modalités du contrôle permettent de vérifier l’acquisition de l’ensemble des aptitudes, connaissances, compétences et blocs de compétences constitutifs du diplôme. Ces éléments sont appréciés soit par un contrôle continu et régulier, soit par un examen terminal, soit par ces deux modes de contrôle combinés.

Secteurs d’activité et types d’emploi

Le master Science des données, statistique et économétrie est à très forte insertion professionnelle, et ouvre sur un nombre très important, en pleine croissance, de débouchés de cadres statisticiens dans l’ensemble des secteurs d’activité (conseil, commerce, systèmes intelligents, média, banque, assurance, industrie, biologie, santé, administration, recherche, sport…).

Les diplômés peuvent accéder à des métiers dans des secteurs variés :

• Data Scientist
• Data Analyst
• Prévisionniste
• Statisticien Economiste
• Economètre

Les diplômés peuvent également poursuivre leurs études en doctorat pour accéder aux métiers de maître de conférences, chercheur à l’Université, au CNRS ou dans un EPST (INRIA, INRA, IFREMER).

Publics visés

Le Master for Smart Data Science est ouvert aux étudiants de toutes nationalités. Tous les candidats doivent avoir au minimum un niveau Bac + 4 équivalent à 240 crédits ECTS (au moins une licence de 4 ans ou la première année d’un Master).

Des connaissances solides en statistique, mathématiques et informatique sont requises. Les candidats ayant en plus une expérience professionnelle sont les bienvenus. Les candidats retenus sont sélectionnés en fonction de leurs diplômes, résultats scolaires et compétences.

Prérequis Master Smart Data

Ce programme est entièrement dispensé en anglais. Les candidats qui ne sont pas natifs anglophones doivent attester d’un niveau minimum B2 en anglais (échelle CECR) en fournissant les résultats d’une certification officielle telle que le TOEIC, TOEFL, IELTS, CLES etc.

Les étudiants non-francophones sont fortement incités à suivre les cours de français intensifs (Université d’été) en août avant le début du semestre. Ils peuvent également suivre les cours de français hebdomadaires dispensés le soir à l’ENSAI. 

Le Master est accessible par le biais de la formation initiale, de la formation continue et de la validation des acquis de l’expérience.