Analyser une problématique data science et en extraire les enjeux métier, informatique et mathématique afin de formaliser une étude Extraire des données depuis des bases de type SQL et NoSQL en utilisant des API (web scraping) et des techniques distribuées (Hadoop) afin de pouvoir mener une analyse Mener une analyse exploratoire d’un jeu de données afin de synthétiser l’information sous-jacente en choisissant la méthode adaptée au problème (analyse factorielle ou classification non supervisée) Mettre en œuvre un modèle de Machine Learning pour obtenir des prévisions d’une variable d’intérêt à partir de facteurs explicatifs connus en utilisant un algorithme approprié au contexte (random forest, gradient boosting, SVM, réseaux de neurones…) Explorer et analyser des données non structurées (textes ou graphes) pour mettre en lumière des arrangements (sacs de mots ou communautés) à l’aide d’algorithmes de text mining ou de graph mining Produire des synthèses visuelles afin de rendre accessibles aux décideurs des informations complexes issues de jeux de données en utilisant des outils de visualisation (dataviz)