J'ai un diplôme "Expert en sciences des données (MS)"
Je sais faire les actions suivantes :
L’expert en sciences des données réalise la gestion et l’analyse pointue des données massives pour la stratégie et l’opérationnel de l’entreprise. Dans ce cadre, il réalise plusieurs activités : - dans ce premier grand champ d’activité, il va analyser les données, en procédant à leur analyse dans le cadre de la modélisation des données massives hétérogènes ou non d’une entreprise puis il va élaborer un modèle prédictif de traitement de données afin de modéliser ces données. - dans un second grand champ d’activités, il va s’atteler à extraire et collecter des données via une technique d’analyse et de stockage pour chaque donnée ; il va réaliser le traitement et l’exploitation des données collectées et veiller à l’amélioration continue du traitement des données structurées ou non structurées. - enfin, il va avoir pour mission d’élaborer une stratégie d’exploitation et de valorisation de la donnée lui permettant d’exploiter les données hétérogènes de la structure, puis d’organiser et planifier des projets de la structure, de façon collaborative et avec les différents services de la structure concernés par la donnée.
OÙ SUIVRE CE DIPLÔME ?
INST NAT SCIENCES APPLIQUEES ROUEN
Saint-Etienne-du-Rouvray
Non renseigné
Détails du diplôme
Quelles sont les compétences que vous allez apprendre mais aussi comment l'examen va-t-il se passer ?
Compétences attestées :
Bloc de compétences 1 : Modéliser les données massives d'une structure C1.1. Maitriser les outils d’analyse pour décrire les données en tenant compte du contexte. C1.2. Identifier l’outil de modélisation statistique en fonction du type de donnée, structurée ou non structurée, afin de la traiter. C1.3. Effectuer l’analyse exploratoire et la description des masses de données au travers d’une méthode statistique pour déterminer les problématiques de description, de projection, de visualisation et de regroupement des données en catégories homogènes. C2.1. Sélectionner une méthodologie de traitement statistique au regard du problème posé, du type de donnée pour la modéliser. C2.2. Concevoir et réaliser un prototype du modèle à partir de logiciels de programmation haut niveau pour montrer la faisabilité et la pertinence du modèle. C2.3. Evaluer la performance du modèle au regard des contraintes de mise en production pour le mettre en œuvre. Bloc de compétences 2 : Collecter, structurer et traiter les données d'une structure C1.1. Maitriser et utiliser les outils d’interrogation des bases de données pour extraire et collecter les données. C1.2. Concevoir un système d’ingénierie de données en définissant une approche méthodologique de collecte, de stockage et d’interrogation pour l’analyse de masse de données réelles. C2.1. Elaborer et mettre en place une stratégie de traitement distribué en ligne ou hors ligne de la donnée structurée et non structurée par un langage de programmation fonctionnel afin de les exploiter. C2.2. Développer des implémentations au regard des données à traiter pour cadrer les algorithmes et performances prédictives. C3.1. Analyser les retours pour mettre à jour l’exploitation et le stockage des données. C3.2. Repérer le type de problème rencontré, d’apprentissage ou de fouille de données, en utilisant des algorithmes d’optimisation pour le résoudre. Bloc de compétences 3 : Concevoir une stratégie de valorisation de la donnée C1.1. Maîtriser les fonctionnalités d’une architecture informatique robuste pour le stockage et le traitement distribué des données. C1.2. Traduire un problème business en problème mathématiques/statistiques afin de définir une stratégie de valorisation des données pour exploiter les informations décisionnelles de la structure. C1.3. Concevoir une stratégie de valorisation des données en proposant des « entrepôts de données » tenant compte de l’écosystème économique, réglementaire et des contraintes de sécurité liées au traitement des données. C.2.1 Formuler et présenter des analyses statistiques décisionnels à viser des différents services de la structure pour les accompagner dans leur prise de décision. C.2.2 Communiquer sur le potentiel des outils innovants de représentation, de modélisation et de visualisation pour contribuer à la plus-value et la prise de décisions utiles à la structure. C.2.3 Dimensionner les actions du projet en définissant les choix techniques et méthodologiques des interventions pour évaluer et planifier les ressources techniques, budgétaires et humaines. C.2.4 Communiquer sur la stratégie de valorisation des données de la structure pour sensibiliser les acteurs, accompagner au changement et améliorer le fonctionnement interne.
Voies d'accès à la certification :
| Voies d'accès | Composition des Jurys |
|---|---|
|
Après un parcours de formation sous statut d’élève ou d’étudiant Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
|
En contrat d’apprentissage Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
|
Après un parcours de formation continue Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
|
En contrat de professionnalisation Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
|
Par candidature individuelle Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
|
Par expérience Autorisé |
2 Responsables de la formation et 4 professionnels extérieurs. |
Segmentation de la certification
Cette certification se compose de 3 Blocs de compétences
Les modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par équivalence sont définies par chaque certificateur accrédité qui met en œuvre les dispositifs qu’il juge adaptés. Ces modalités peuvent être modulées en fonction du chemin d’accès à la certification : formation initiale, VAE, formation continue.
RNCP35197BC01 - Modéliser les données massives d'une structure
- C1.1. Maitriser les outils d’analyse pour décrire les données en tenant compte du contexte. C1.2. Identifier l’outil de modélisation statistique en fonction du type de donnée, structurée ou non structurée, afin de la traiter. C1.3. Effectuer l’analyse exploratoire et la description des masses de données au travers d’une méthode statistique pour déterminer les problématiques de description, de projection, de visualisation et de regroupement des données en catégories homogènes. C2.1. Sélectionner une méthodologie de traitement statistique au regard du problème posé, du type de donnée pour la modéliser. C2.2. Concevoir et réaliser un prototype du modèle à partir de logiciels de programmation haut niveau pour montrer la faisabilité et la pertinence du modèle. C2.3. Evaluer la performance du modèle au regard des contraintes de mise en production pour le mettre en œuvre.
RNCP35197BC02 - Collecter, structurer et traiter les données d'une structure
- C1.1. Maitriser et utiliser les outils d’interrogation des bases de données pour extraire et collecter les données. C1.2. Concevoir un système d’ingénierie de données en définissant une approche méthodologique de collecte, de stockage et d’interrogation pour l’analyse de masse de données réelles. C2.1. Elaborer et mettre en place une stratégie de traitement distribué en ligne ou hors ligne de la donnée structurée et non structurée par un langage de programmation fonctionnel afin de les exploiter. C2.2. Développer des implémentations au regard des données à traiter pour cadrer les algorithmes et performances prédictives. C3.1. Analyser les retours pour mettre à jour l’exploitation et le stockage des données. C3.2. Repérer le type de problème rencontré, d’apprentissage ou de fouille de données, en utilisant des algorithmes d’optimisation pour le résoudre.
RNCP35197BC03 - Concevoir une stratégie de valorisation de la donnée
- C1.1. Maîtriser les fonctionnalités d’une architecture informatique robuste pour le stockage et le traitement distribué des données. C1.2. Traduire un problème business en problème mathématiques/statistiques afin de définir une stratégie de valorisation des données pour exploiter les informations décisionnelles de la structure. C1.3. Concevoir une stratégie de valorisation des données en proposant des « entrepôts de données » tenant compte de l’écosystème économique, réglementaire et des contraintes de sécurité liées au traitement des données. C.2.1 Formuler et présenter des analyses statistiques décisionnels à viser des différents services de la structure pour les accompagner dans leur prise de décision. C.2.2 Communiquer sur le potentiel des outils innovants de représentation, de modélisation et de visualisation pour contribuer à la plus-value et la prise de décisions utiles à la structure. C.2.3 Dimensionner les actions du projet en définissant les choix techniques et méthodologiques des interventions pour évaluer et planifier les ressources techniques, budgétaires et humaines. C.2.4 Communiquer sur la stratégie de valorisation des données de la structure pour sensibiliser les acteurs, accompagner au changement et améliorer le fonctionnement interne.
