Ingénieur diplômé du Conservatoire national des arts et métiers, spécialité Science de la donnée et intelligence artificielle

RNCP39541BC01Piloter des projets en sciences de la donnée

• - Établir le cahier des charges du projet (budget, temps, contraintes légales et environnementales, tests publics, éthique, impact sociétal, gestion des locaux, RGPD, etc). - Définir un plan de gestion des risques (causes internes ou externes peuvent forcer le projet à être modifié, SWOT) en identifiant les facteurs d'adaptabilité dont dispose l'entreprise afin d'anticiper sur les facteurs d'échecs du projet. - Développer la relation client et envisager l'extension du projet et les perspectives futures en établissant un contact régulier avec le client pour valider ses demandes et leur évolution. - Mettre en place des revues de projet pour assurer la transmission d'informations entre les différents corps de métiers ; et des systèmes de tracking au moyen d’un calendrier unique afin de surveiller les performances du projet, de déterminer sa progression et d’opérer les ajustements nécessaires. - Mettre en place des outils et des méthodes de gestion de projet (méthode en V, méthode itérative, méthode Agile, combinaison de méthodes...). - Communiquer et négocier dans un contexte international et multiculturel en utilisant une ou plusieurs langues étrangères et notamment des langages techniques de l’informatique et du numérique, à l’oral et à l’écrit y compris en anglais.

Évaluation : Évaluation des séquences académiques • Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir. • Travaux et projets individuels ou en groupe. Évaluation des séquences entreprises • Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise • Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation. Critères d’évaluation • Rigueur des analyses techniques proposées. • Analyse critique de solutions techniques existantes. • Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents). • Pertinence des outils et des méthodologies utilisés. • Adéquation entre données collectées et projet. • Qualité de synthèse et de communication des principaux résultats.

RNCP39541BC02Concevoir, modéliser et élaborer un système informatique, des développements logiciels, des bases de données, un dispositif d'optimisation des données

• - Analyser le besoin client en matière de conception d'un système informatique, des développements logiciels, des bases de données, et d'un dispositif d'optimisation des données en matière de conception de SI, développement informatique, d'architecture réseaux, etc. et en communiquant avec les experts métier. - Rédiger et valider avec le client le cahier des charges fonctionnel en intégrant les contraintes techniques, qualité, sécurité, environnemental, sociététal, normes réglementaire et standards informatique du contexte interculturel et international. - Organiser et animer des réunions métier afin de définir les spécifications du système d'information, ses développements, réseaux, bases de données, ainsi que son optimisation. - Élaborer le schéma directeur du SI en évaluant les risques / opportunités en utilisant une matrice SWOT et en intégrant un cycle de formation continue. - Élaborer, concevoir, tester et valider des modèles, protocoles et architectures système informatique, développements logiciels, réseaux, bases de données, cybersécurité et optimisation des données.

Évaluation : Évaluation des séquences académiques • Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir. • Travaux et projets individuels ou en groupe. Évaluation des séquences entreprises • Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise • Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation. Critères d’évaluation • Rigueur des analyses techniques proposées. • Analyse critique de solutions techniques existantes. • Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents). • Pertinence des outils et des méthodologies utilisés. • Adéquation entre données collectées et projet. • Qualité de synthèse et de communication des principaux résultats.

RNCP39541BC03Préparer et analyser les données massives par des techniques d'apprentissage de fouille des données afin de mettre en place des outils d’aide à la décision

• - Identifier et collecter des données en quantité importante, structurées ou non structurées, issues de sources diversifiées internes et externes à l’entreprise (appareils intelligents ou connectés, capteurs..). - Stocker et organiser les données recueillies dans des bases de données massives - Nettoyer les données recueillies afin de les rendre exploitables par le système numérique de destination. - Effectuer des analyses de type descriptives et prédictives au moyen d’outils de modélisation statistique, fouilles de données et d’apprentissage statistique (méthodes de régression, méthodes d’analyse factorielle, méthodes de classification supervisée et non supervisée). - Développer et entrainer des architectures d'apprentissage automatique via des algorithmes (SVM, k-means, arbres de décisions, réseaux de neurones, boosting, etc.). - Évaluer les performances des algorithmes d’Intelligence Artificielle en utilisant des mesures appropriées - Réaliser l'amélioration continue des modèles et des processus en fonction des retours et des évolutions des données.

Évaluation : Évaluation des séquences académiques • Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir. • Travaux et projets individuels ou en groupe. Évaluation des séquences entreprises • Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise • Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation. Critères d’évaluation • Rigueur des analyses techniques proposées. • Analyse critique de solutions techniques existantes. • Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents). • Pertinence des outils et des méthodologies utilisés. • Adéquation entre données collectées et projet. • Qualité de synthèse et de communication des principaux résultats.

RNCP39541BC04Manager l'équipe pluridisciplinaire d'un projet en sciences de la donnée

• - Identifier les responsabilités éthiques et professionnelles, et prendre en compte les enjeux des relations au travail, de sécurité et de santé au travail et de la diversité. - Inscrire dans une démarche d’amélioration continue les équipes métier en informatique et mathématiques, en confrontant les travaux à une veille prospective métier (évolution technologique, méthodologique, sectorielle…) et en participant à la définition du plan de formation de l’entreprise. - Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au sein de l’entreprise dans des projets entrepreneuriaux. - Établir un bilan de la collaboration de son équipe ou de l’organisation en identifiant les forces et des écueils possibles pour la mise en place future d’un processus collaboratif. - Gérer les conflits, les tensions au sein d’une équipe pluridisciplinaire en identifiant : la nature des freins de la collaboration entre professionnels, les logiques et les représentations inter-métiers, les enjeux de territoires professionnels afin de favoriser la cohésion pluridisciplinaire. - Déployer des outils métiers de mesure de performances et d'évaluation des équipes afin de garantir le succès des projets en science des données au niveau de la qualité des résultats et de l'alignement avec les objectifs métier.

Évaluation : Évaluation des séquences académiques • Mises en situations, analyse d'articles, études de cas, examens sur table et questionnaires de vérification du savoir. • Travaux et projets individuels ou en groupe. Évaluation des séquences entreprises • Évaluation des rapports et travaux conduits en entreprise : présentation des projets conduits en entreprise • Évaluation par le maitre d'apprentissage des savoir-faire et savoir être tout au long de la formation. Critères d’évaluation • Rigueur des analyses techniques proposées. • Analyse critique de solutions techniques existantes. • Qualité de la formalisation écrite et orale en français ou en anglais (fond scientifique et technique, forme des documents). • Pertinence des outils et des méthodologies utilisés. • Adéquation entre données collectées et projet. • Qualité de synthèse et de communication des principaux résultats.