RNCP34262RNCPNiveau 7InactiveCadre européen · Niv. 7· Publiée

Expert en sciences des données

Suivre ce titre

Fiche & référentiel officiels

Niveau: Niveau 7
Date d'effet: —
Fin d'enregistrement: 10/10/2024
Délivrable jusqu'au: —
Certificateurs: 1 +2 part.

Financement

Éligible CPF

Non (titre inactif)

Une certification active au RNCP / RS est mobilisable au Compte Personnel de Formation.

Prise en charge apprentissage (NPEC)

Donnée non disponible

Aucun niveau de prise en charge publié pour ce code dans le référentiel NPEC.

Insertion professionnelle · promotion 2017

Certifiés

88 %

Insertion globale 6 mois

100 %

Dans le métier 2 ans

Promotion	Certifiés	Insertion 6 mois	Métier 2 ans
2017	16	88 %	100 %
2016	22	86 %	100 %
2015	7	86 %	86 %

Voies d'accès

Après un parcours de formation sous statut d'élève ou d'étudiant
En contrat d'apprentissage
Après un parcours de formation continue
En contrat de professionnalisation
Par candidature individuelle
Par expérience (VAE)

Certificateur

DATA SCIENCETECH INSTITUTE81023913700039

+ 2 organismes partenaires habilités à préparer / délivrer.

Télécharger la liste complète (Excel)

Blocs de compétences (4)

RNCP34262BC01Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d’aide à la décision

Explorer, décrire et interpréter des données dans leur aspect multidimensionnel. Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques. Mesurer la liaison entre deux variables. Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation. Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels.

Modalités d'évaluation : Examens écrits. Projets d’application. Mise en situation professionnelle réelle au travers du stage obligatoire d’application.

RNCP34262BC02Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives.

Participer, avec des Data Engineers, à la rédaction’ un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses. Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark. Contribuer à la définition de l’architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l’intelligence artificielle. Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL). Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate)

Nomenclatures

NSF

114g · Mathématiques de l'informatique, mathématiques financières, statistique de la santé

ROME

M1403 · Études et prospectives socio-économiques
M1802 · Expertise et support en systèmes d'information
M1805 · Études et développement informatique
M1806 · Conseil et maîtrise d'ouvrage en systèmes d'information

Formacode

31026 · Data science

Objectifs et contexte

Le métier visé est celui d’ expert (« Data Scientist » en Anglais) dans le domaine des Sciences des Données. Ces dernières peuvent être de toute taille, jusqu’à la qualification de « massives » (« Big Data » en Anglais). Ces données partagent une complexité nécessitant l’utilisation de techniques mathématiques avancées avec leurs implémentations informatiques correspondantes. Ces implémentations sont localisées sur des infrastructures informatiques locales et/ou dans les nuages (« cloud computing » en Anglais). Le Data Scientist conçoit des indicateurs pour l’aide à la décision à partir de sources de données multiples et dispersées, mises en place par des experts en ingénierie des données (« Data Engineers » en Anglais). Ces indicateurs sont construits à l’aide d’analyses mathématiques et de prototypes d’implémentations informatiques. Ces prototypes sont ensuite industrialisés à l’échelle de l’organisation par les Data Engineers. Le métier de Data Scientist est donc spécialisé en modélisation mathématique -qu’elle soit de nature probabiliste/statistique, déterministe ou stochastique-, en informatique scientifique et en architecture des systèmes d’information. Ce spectre large de compétences débouche, en partie, sur ce que l’on appelle aujourd’hui et communément « l’intelligence artificielle – IA » Référentiel Utilisé : Data Scientist – Référentiel Métiers OPIIEC - La fiche métier « Data Scientist » du référentiel métier OPIIEC a été choisie délibérément, car elle est la seule en France sur ce métier précis. Elle est par ailleurs attachée à la branche SYNTEC, qui est la principale source d’emploi de nos certifiés.

Activités visées

Identifier les problématiques « décisionnelles » des directions métiers. Définir une modélisation mathématique qui permette de répondre à la problématique. Construire des outils d'analyse pour collecter les données de l'entreprise. Rassembler l'ensemble des sources de données pertinentes (structurées ou non structurées) liées aux processus de production, de vente ou de la connaissance du client/usager. Organiser, étudier et synthétiser ces sources de données sous forme de résultats exploitables. Modéliser les comportements et en extraire de nouveaux usages utilisateurs.

Compétences attestées

Intitulé : Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d’aide à la décision Descriptif : Explorer, décrire et interpréter des données dans leur aspect multidimensionnel. Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques. Mesurer la liaison entre deux variables. Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation. Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels. Intitulé : Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives. Descriptif : Participer, avec des Data Engineers, à la rédaction d'un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses. Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark. Contribuer à la définition de l’architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l’intelligence artificielle. Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL). Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate) Intitulé : Détecter et évaluer l’état de l’art de l’intelligence artificielle pour développer des projets innovants. Descriptif : Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics. Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics. Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire. Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images. Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l’hybridation des approches intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement). Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant. B3C6 - Utiliser l’écosystème des solutions SAS pour la modélisation prédictive (préparation à la certification SAS® Certified Predictive Modeler Using SAS® Enterprise Miner™) Intitulé : Conduire des projets complexes en intégrant les contraintes légales et les valeurs d’éthique pour diffuser les bonnes pratiques dans les organisations. Descriptif : Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données dans un projet Data Science. Prendre la mesure de l’environnement international sur la réglementation de la protection des données, notamment aux Etats-Unis. Intégrer les deux grandes familles de pratiques de gestion de projets informatiques complexes (en cascade et en agilité) ainsi que les approches du « juste-à-temps ».

Titres proches

Repérés par proximité sémantique. Utile pour situer votre offre, vos concurrents et d'éventuelles passerelles.

Source : répertoires nationaux France Compétences (open data data.gouv.fr), schéma v4.1. Adéqua restitue la donnée telle qu'enregistrée ; il n'est pas un service public et n'emporte aucun agrément.