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

* Extraction et préparation des données : collecte et nettoyage des données provenant de diverses sources. * Mise en place de méthodes efficaces pour assurer la qualité et la pertinence des données collectées. * Structuration des bases de données : conception de structures de bases de données optimales pour assurer une récupération rapide et efficace des informations. * Analyse statistique et modélisation prédictive : application de méthodes statistiques avancées pour comprendre les tendances, les corrélations et les anomalies dans les données ; conception, validation et mise en œuvre d'algorithmes d'apprentissage automatique (machine learning) destinés à anticiper des événements à venir, à détecter des schémas complexes et assister l’humain dans la prise de décision et l’évolution de l’entreprise. * Intégration et interprétation des résultats : intégration des résultats de l'analyse dans des rapports clairs et compréhensibles pour les équipes métiers. * Optimisation continue : réalisation d'une amélioration continue des modèles et des processus en fonction des retours et des évolutions des données. * Conception de modèles analytiques : élaboration de modèles adaptés aux besoins spécifiques de l'entreprise. * Gestion de projets en data science : coordination des équipes et des ressources pour la réalisation de projets complexes. * Veille méthodologique et technologique : suivi constant des évolutions dans le domaine de la data science et les domaines connexes pour intégrer les dernières avancées.

- 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. - 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. - 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. - 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.

Tous secteurs avec en particulier : * l'assurance, * santé, * banque, * e-commerce, * industrie lourde (automobile, transport, transformation), * nucléaire, * industrie 4.0. Ces domaines ne sont pas exhaustifs, et les diplômés peuvent également trouver des opportunités dans d'autres secteurs émergents au fur et à mesure que les sciences des données et leurs applications continuent de se développer.

Les diplômés pourront occuper des postes tels que : * Data scientist, analyste de données, * Services R&D pour la modélisation et l'optimisation, * Chef de Projet en Data Science. * Chargé d'études statistiques. * Data analyst. * Data miner. * Data scientist. * Ingénieur statisticien * Statisticien * Architecte de bases de données. * Analyste décisionnel - Business Intelligence. * Développeur Big Data. * Chargé d'études analytiques en industrie. * Ingénieur fiabilité en industrie. * Ingénieur d'études-recherche-développement en industrie. * Ingénieur systèmes et simulations en industrie. * Directeur des systèmes d'information. * Informaticien de la recherche scientifique