Expert en sciences des données - Modules Data Science

Intitulé : Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d'aide à la décisionDescriptif : 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.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. 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.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, de réseaux ou d'images. Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l'hybridation des approches intelligence artificielle connectivistes et symboliques.