Data Science : analyse et gestion de grandes masses de données

Objectifs et contexte de la certification :

Les compétences en Data Science peuvent être mises en œuvre dans de nombreux domaines d’application spécifiques et transverses, qui revêtent des enjeux économiques de taille. Leur valeur ajoutée n’est pas circonscrite à l’industrie informatique mais imprègne tous les secteurs économiques et l’ensemble des fonctions de l’entreprise, en particulier, les technologies et usages liés au Big data (industrie, santé, énergie, transport, assurances, marketing, prédiction de modèles économiques, avantages concurrentiels liés à l’amélioration des systèmes d’information etc.).

Ces compétences sont devenues indispensables pour la transformation digitale et la compétitivité des organisations et des entreprises.

La certification en data science vise à vérifier l’acquisition des compétences nécessaires à l’exploitation de grandes masses de données et la réalisation d’analyses prédictives de systèmes.

Compétences attestées :

1. Proposer des axes de gestion et d’analyse de grandes masses de données
2. Prendre en compte les contraintes techniques pour proposer une solution d’analyse de grandes masses de données de types pouvant être variés
3. Définir une architecture de traitement et une modélisation en déterminant les types de données, les outils statistiques et les méthodes de machine Learning appropriées
4. Proposer une architecture de gestion et d’analyse appropriée aux besoins et aux contraintes d’un système cible.
5. Combiner des outils et des méthodes adaptés et tenant compte des évolutions récentes des techniques.
6. Sourcer, rassembler et nettoyer l’ensemble des sources de données en utilisant les technologies adéquates afin de répondre aux besoins du système cible
7. Utiliser des outils d'analyse et de gestion de bases de données de types variés dans de grands volumes en faisant preuve de réactivité et d'adaptation afin de surmonter les obstacles rencontrés
8. Utiliser et adapter des outils statistiques, de calcul distribué ainsi que des techniques de passage à l’échelle afin de procéder à l’analyse ou à la gestion des grandes masses de données
9. Identifier les obstacles lors de l’implémentation d’un modèle d’analyse et de gestion des grandes masses de données afin d’établir des préconisations d’amélioration
10. Synthétiser les résultats d'une analyse sous une ou des formes adaptées au besoin (rapport, graphique, tableau de bord, indicateur...) afin de permettre leur exploitation par les utilisateurs, clients et/ou partenaires du système cible

Modalités d'évaluation :

L'évaluation se base sur plusieurs modalités (à l'écrit ou à l'oral) mises en œuvre en continu tout au long de la formation, et sur une évaluation finale qui se déroule sur 1 journée. L'évaluation continue est constituée, pour chaque module, d'un projet réalisé sur données réelles, et de  la rédaction et présentation d'un rapport sur une problématique donnée, le tout en phase avec le module, ainsi que d'un QCM. L'évaluation finale consiste en la réalisation d'un projet tutoré donnant lieu à la rédaction et à la soutenance d'un mémoire devant un jury de formateurs et de professionnels.

Actions pré-formatives 

La formation est précédée d’une action pré-formative constituée :

• d’une session de formation / évaluation type MOOC
• d’un entretien de motivation et de positionnement

Ces actions pré-formatives peuvent donner lieu à des ajustements du contenu de la formation, notamment dans le cadre d'un dispositif de formation intra-entreprise.