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

Préparer 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

Item

Libelle

Préparer 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

Code

RNCP39541BC03

Liste des compétences

- 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.

Modalités d'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.