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

Concevoir des études statistiques, analyser des données à partir de modèles explicatifs ou prédictifs, fournir des outils d’aide à la décision

Item

Libelle

Concevoir des études statistiques, analyser des données à partir de modèles explicatifs ou prédictifs, fournir des outils d'aide à la décision

Code

RNCP37725BC01

Liste des compétences

Identifier et mobiliser des connaissances scientifiques et techniques pointues dans un contexte industriel en France ou à l'international Comprendre et s'approprier le problème à résoudre : définition de l'objectif, utilisation des résultats, niveau de performance attendu, … Construire un protocole de récoltes de données par plan d'expérience ou plan d'échantillonnage. Obtenir les données à traiter : interroger si besoin des bases de données, lister les données nécessaires et éventuellement leur quantité (nombre de sujets nécessaires), vérifier les obligations légales et obtenir les autorisations nécessaires Prétraiter des données stockées dans diverses sources en corrigeant les éventuelles erreurs et incohérences présentes afin de rendre ces dernières exploitables : structurer, nettoyer, fusionner, convertir, … Choisir la ou les méthodes statistiques appropriées en fonction de l'objectif visé (exploration, segmentation, prédiction) et du type des variables disponibles (quantitatives, qualitatives) Réaliser l'analyse préliminaire des données : rechercher la présence de valeurs aberrantes, traiter les valeurs manquantes, réaliser les analyses univariée (graphique, résumé statistique), bivariée (corrélations appropriées en fonction du type des variables), identifier les transformations nécessaires (discrétisation, regroupement de modalités), sélectionner les variables à conserver Créer des fonctions qui permettent d'appliquer de façon rapide les transformations à effectuer Entrainer un ou plusieurs modèles appropriés, ajuster finement les paramètres associés à partir de données d'apprentissage et de test ou par validation croisée. Construire un échantillon de validation afin de comparer les performances des différents modèles proposés. Choisir un critère de performance de modèle en fonction de l'objectif de l'étude afin de sélectionner le meilleur modèle. Préparer la solution pour la mise en production Monitorer le système, vérifier sa performance régulièrement re-calibrer le modèle lorsque sa performance baisse. Fournir des outils d'aide à la décision dans différents domaines comme les essais thérapeutiques, l'épidémiologie, la fiabilité. Intégrer les contraintes environnementales et sociétale notamment en termes de sobriété numérique Respecter les principes d'éthique, de déontologie Respecter les principes de qualité de vie et sécurité et santé au travail Mettre en place ou appliquer une démarche qualité Expliquer et justifier ses choix, communiquer à l'oral et à l'écrit par tout moyen, y compris numérique, face à des publics divers (clients, partenaires, équipes, managers) dans un contexte international et multiculturel, et adapter son discours et son comportement à ses interlocuteurs

Modalités d'évaluation

Contrôles continus individuels (contrôles écrits, exposés oraux, rapports et soutenances de stages en entreprise, évaluation par les tuteurs en entreprise ...) et en groupe (comptes rendus de travaux pratiques, rapport et soutenance de projets avec des commanditaires du monde socioéconomique). Mises en situation lors de stages et projets dans le domaine des mathématiques appliquées. L'acquisition des connaissances et compétences est toujours évaluée au travers de grilles critériées et associées à l'utilisation de radars des apprentissages critiques et/ou connaissances et/ou compétences.