Sciences et ingénierie, Sciences du management - Sciences des données pour une entreprise responsable

* Compréhension d'un besoin métier et rédaction, sur la base du contact client, d'un cahier des charges pour la qualification d'une base de données. * Modélisation d’un problème d’analyse de données dans la perspective de la réponse à une question métier, en tenant compte des questions sociales, environnementales et économiques. * Collecte et préparation de données à partir de sources diverses, et en collaboration avec différents acteurs dans l'entreprise * Sélection et paramétrage d’algorithmes de traitement de données adaptés au besoin exprimé par un client (interne ou externe) * Mise en œuvre d’un algorithme de traitement de données (tenant compte de la gestion des ressources), interprétation et exploitation des résultats dans le contexte métier donné, en interface avec les acteurs concernés dans l'entreprise * Gestion d’un projet de modélisation et d’analyse des données, y compris management d'une petite équipe technique.

Les compétences du diplômé en "Science des données pour une entreprise responsable" lui permettent d’être un professionnel en phase avec les demandes et les besoins des entreprises en matière de développement de solutions faisant intervenir l'intelligence artificielle. Il est en mesure de : * • Collecter des données via différents outils (API, scrapping, etc.) et différentes sources pour obtenir des données exhaustives • Anticiper les besoins de gestion et flux de données pour les besoins d'analyse de données et de science des données • Concevoir les infrastructures de stockage et de traitement de données afin d’avoir des données structurées, ordonnées et exploitables • Analyser l'activité de la structure ou du service afin d'identifier des axes d'évolution en matière d'organisation, de gestion et de collecte de données • Mettre en oeuvre les sources de données et outils de requêtage adaptés à une problématique métier spécifique • Agréger des types de données et modes de collecte différents, internes et externes pour obtenir des données exhaustives et exploitables • Concevoir et maintenir une plateforme de traitement de volumes importants de données (Big data) • Concevoir des traitements de données en utilisant les techniques de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques. * • Concevoir et tester des algorithmes prédictifs adaptés à une problématique métier spécifique • Adapter les outils de traitement statistique de données afin qu’ils puissent être utilisé pour des besoins métiers • Concevoir et mettre en oeuvre des technologies d’apprentissage automatique pour l'aide à la prise de décision • Concevoir, tester et valider des algorithmes d'apprentissage automatique avec les logiciels et outils de cloud computing (AWS, GCP, Azure, Web, etc.) • Intervenir sur l'introduction et l'adaptation de technologies et de solutions d’intelligence artificielle (algorithmes, solutions intégrées, etc.) à un contexte métier donné afin de formuler des préconisations pour une analyse automatisée des données. • Procéder à une veille documentaire et technologique en vue de repérer les risques et opportunités liés à l'exploitation de modèles d’intelligence artificielle. • Intégrer les technologies complémentaires (web sémantique, modélisation multiagents) pour l’hybridation des approches d’intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement) * • Établir des prévisions et outils décisionnels sur la base de technologies d’intelligence artificielle • Concevoir et produire des indicateurs pertinents en lien avec une problématique métier et rédiger une note méthodologique • Prototyper une solution de modèle-machine, l'interpréter et valider sa pertinence métier et les possibles conséquences des erreurs • Élaborer des procédures et plans de test (étapes, scénarii, etc.) afin de valider les outils et algorithmes et leur performance (temps de calcul, qualité d'approximation, estimation de la généralisation, etc.) • Participer à des processus de développement d’intelligence artificielle (méthodes agiles, etc.), réaliser un travail de modélisation et l’interpréter afin de répondre à une problématique métier * • Construire et conduire une approche design avec les parties prenantes en vue d'établir un cahier des charges • Définir les spécifications du projet (finalités, jeu de données, etc.) et critères de performance pour aider l’utilisateur/client dans ses décisions • Dimensionner les ressources nécessaires à la conduite d'un projet (Data, cloud...) • Proposer des cas d'usages responsables et pertinents de technologies d'intelligence artificielle • Mettre en place une démarche de sobriété numérique et d’écoconception en intégrant les enjeux de la soutenabilité environnementale et énergétique • Superviser et coordonner les réalisations, études, activités, et équipes pluridisciplinaires impliquées dans le projet afin d’assurer une démarche qualité et le respect du cadre juridique et des règles éthiques • Réaliser des supports techniques en vue de l'appropriation d'une technologie par son utilisateur final • Planifier et suivre le déroulement d'un projet en respectant les spécifications techniques dans le respect des délais • Piloter le développement d'applications intégrant de l’intelligence artificielle dans le respect des règles éthiques et du cadre juridique en vigueur • Interpréter et valoriser les données auprès des interlocuteurs projet (DataViz, Oral, etc..) et les communiquer en français et en anglais • Mettre en place une démarche qualité afin de respecter les standards de qualité dans le projet • Préparer et restituer les différents livrables d'une mission/projet * • Analyser le contexte scientifique, technique et réglementaire et anticiper les risques et opportunités associés • Décliner les enjeux RSE en projets technologiques concrets (Projet en science des données et intelligence artificielle) en veillant au respect des normes et des règlements (CNIL, RGPD) et dans le respect de la protection des données • Prendre en compte les facteurs humains, sociaux et technologiques, en développant l’écoute et le dialogue afin de garantir le bon déroulement du projet • Donner du sens à l’action des équipes, en anticipant les évolutions éthiques, politiques, sociétales et environnementales • Convaincre et argumenter en maitrisant les aspects scientifiques, techniques, économiques et sociétaux liés à la préservation de l’environnement et au développement durable • Adapter une politique de développement durable et de protection de l’environnement en intégrant une dimension éthique et en proposant des solutions techniques innovantes * • Porter un regard critique sur ses actions et postures, pratiquer une analyse réflexive et identifier ses points d'excellence et ses propres axes de développement. • Identifier les forces et faiblesses d’une équipe multiculturelle, à la fois dans le champ des compétences scientifiques et celui des comportements et en motiver les membres pour en garantir une performance durable et une approche inclusive. • Construire et pérenniser : porter les projets de changement au sein de l'équipe et jouer un rôle essentiel dans la mise en oeuvre opérationnelle du changement dans l’organisation pour l'aider à se réinventer en proposant des idées innovantes. • Donner du sens : concevoir un plan d’action dans un contexte d’évolution de la société et des besoins en mobilisant un collectif de travail dans une équipe étendue à des collaborateurs externes et dans une direction partagée

Le diplômé du certificat "Science des données pour une entreprise responsable" peut travailler dans des secteurs d’activités très divers. Notons les principaux : * Technologie, information et communication * Audit et Conseil * Industrie et BTP * Finance, banque et assurance * Commerce et distribution * Média, arts et culture

* Data scientist, analyste des données (y compris données massives) * chef de projet en intelligence artificielle * développeur en intelligence artificielle * consultant en intelligence d’affaires * analyste d’affaires * analyste en marketing digital