Formations -> Compétences -> Certifications -> Métiers -> Emplois

Analyser et modéliser la data

Item

Libelle

Analyser et modéliser la data

Code

RNCP36398BC04

Liste des compétences

Utiliser des outils permettant l'analyse et la classification de données sous différents angles afin d'identifier les liaisons ou les patterns (motifs) entre les nombreuses bases de données relationnelles Déployer un modèle d'apprentissage profond (Deep Learning) en développant des modèles, des algorithmes via une interface de programmation/graphique, en réalisant un document méthodologique/technique et en communiquant oralement sur ce modèle afin de favoriser l'intégration sa démarche de modélisation auprès de ses utilisateurs Assurer le traitement de volumes variés (gros ou non) de données avec un langage de programmation/logiciel dédié gérant des algorithmes afin de permettre à la structure d'opérer plus vite.

Modalités d'évaluation

Réalisation de Projets : le projet demande dans un premier temps d'expliquer pourquoi nous sommes dans une problématique de grande dimension. La deuxième partie réclame la mise en application des techniques de grande dimension. La problématique est tournée soit vers un problème de classification, soit vers un problème de prédiction. Le rendu du projet se fera sous forme d'une présentation orale, devant un jury composé du professeur et de deux étudiants. Réalisation de Projets : le projet est tourné vers deux axes. Le premier axe concerne la prédiction. Pour qualifier cette prédiction, des indicateurs seront précisés et discutés (leur pertinence). Un deuxième axe est orienté vers la consommation de ressources et l'impact environnemental. L'étudiant devra rendre un rapport écrit en ne négligeant pas l'impact environnemental. En effet, il devra convaincre le lecteur au déploiement de son algorithme de Deep Learning Réalisation de Projets : le projet est axé principalement sur l'explication détaillée et argumentée par l'étudiant du traitement de la masse des données. Il ne négligera pas la prise en compte de l'énergie dépensée pour traiter la masse de données. Il devra mettre en concurrence plusieurs prestataires pour résoudre son problème d'énergie. Un rapport écrit est demandé avec la mise en pratique du traitement de la masse des données et les bons arguments. Il expliquera comment il a choisi et motivera ses décisions. La présentation se fera à l'oral devant un jury composé du professeur et deux professionnels extérieurs.