Aller au contenu principal

Diplôme d'Etablissement "Big Data et Statistique pour l'Ingénieur"

Date de mise à jour :
Identifiant Offre Info : 02_202001078632
Organisme responsable : BORDEAUX INP (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Cette formation vise, à l'issue du cursus : A sensibiliser les stagiaires de la formation aux problématiques et aux outils actuels et futurs du Big Data et de l'Intelligence Artificielle (IA) ; A maîtriser les outils de la Statistique, du traitement des données et de l'IA, et à les mettre en œuvre sur des applications concrètes. La présentation théorique des différents méthodologies de la Statistique et de l'IA sera illustrée par de nombreux cas pratiques. Des outils…

Cette formation vise, à l'issue du cursus : A sensibiliser les stagiaires de la formation aux problématiques et aux outils actuels et futurs du Big Data et de l'Intelligence Artificielle (IA) ; A maîtriser les outils de la Statistique, du traitement des données et de l'IA, et à les mettre en œuvre sur des applications concrètes. La présentation théorique des différents méthodologies de la Statistique et de l'IA sera illustrée par de nombreux cas pratiques. Des outils actuels du Big Data et leurs mises en œuvre seront présentés par des start-up spécialistes du domaine, hébergées à l'ENSC. La maîtrise de nombreuses méthodes sera proposée à partir d'un logiciel libre R destiné à la Statistique et à la Science des Données, logiciel permettant aux participants de poursuivre éventuellement leurs activités avec ce même outil. D'autres logiciels (Python, Matlab) et outils numériques (IBM Watson, …) seront également manipulés lors de la formation. - Maîtriser les outils de la statistique, du traitement des données et de l'Intelligence artificielle avec des applications concrètes. - Sensibiliser aux problématiques et aux outils actuels et futur du Big data et de l'intelligence artificielle. - Utiliser des méthodes et outils statistiques les ingénieurs de l'industrie, de la santé, des transports, des services ou de la défense, confrontés à des problèmes de traitement des données et à leur compréhension. - Permettre la compréhension des domaines d'application de la statistique et du traitement des données. - Mettre en œuvre les méthodes. - Maîtriser les outils statistiques, pour des applications concrètes dans l'entreprise.

Programme de la formation

Session 1 : - Enjeux socio-économiques du Big Data. - Introduction à la Statistique. - Statistique descriptive univariée et bivariée. - Initiation au logiciel statistique R. Session 2 : - Statistique inférentielle : estimateurs, intervalles de confiance et tests d'hypothèses paramétriques et non paramétriques. - Illustration à l'aide du logiciel R. Session 3 : - Statistique multidimensionnelle : analyse en composantes principales, analyse factorielle des correspondances,…

Session 1 : - Enjeux socio-économiques du Big Data. - Introduction à la Statistique. - Statistique descriptive univariée et bivariée. - Initiation au logiciel statistique R. Session 2 : - Statistique inférentielle : estimateurs, intervalles de confiance et tests d'hypothèses paramétriques et non paramétriques. - Illustration à l'aide du logiciel R. Session 3 : - Statistique multidimensionnelle : analyse en composantes principales, analyse factorielle des correspondances, analyse des données mixtes, analyse discriminante, classification automatique (clustering), classification de variables, réseaux de neurones. - Illustration à l'aide du logiciel R. Session 4 : - Big Data : stockage de très grands volumes de données dans des architectures passant à l'échelle, calcul parallèle, méthodologie adaptée, etc. - Mise en œuvre pratique. Session 5 : - Modélisation statistique : régression linéaire simple et régression linéaire multiple, analyse de la variance (ANOVA), analyse de la covariance (ANCOVA). - Illustration à l'aide du logiciel R. Session 6 : - Modélisation statistique : forêts aléatoires, régression non paramétrique, régression semi paramétrique. - Illustration à l'aide du logiciel R. Session 7 : - Etudes de cas. - Deep learning. - Analyse des données du web et gestion de la qualité des données.

Validation et sanction

-

Type de formation

Non certifiante

Niveau de sortie

Information non communiquée

Durée, rythme, financement

Durée

En centre

147 h

Financement

Conventionnement
Non
Financeur
  • Autre

    Programme : Non conventionnée / sans dispositif

Conditions d'accès

Publics visés

  • Demandeur d'emploi
  • Handicapé
  • Jeune (dans le cadre du plan jeune)
  • Jeune 16-25 ans
  • Public en emploi
  • Salarié
  • Salarié dans le cadre du CIF
  • Salarié dans le cadre du DIF
  • Salarié dans le cadre du plan de formation
  • Salarié en contrat aidé
  • Salarié en période de professionnalisation
  • Salarié en reconversion
  • Tout public

Niveau d'entrée

Bac + 3 et 4

Conditions spécifiques et prérequis

Le DE est ouvert à tous les diplômés d'une formation scientifique de niveau BAC+5 ou équivalent. La formation est ouverte sur autorisation du directeur des études de l'École. La formation du DU BDSI est accessible aux candidats après l'examen d'un dossier de candidature précisant : les diplômes ; le niveau professionnel ; l'expérience du candidat ; un exposé des motivations. Le dossier peut éventuellement être accompagné de lettres de soutien de responsables de l'entreprise, ou d'autres personnes telles que enseignants ou chercheurs avec lesquels le candidats a pris des premiers contacts. Cet examen se fait par le comité pédagogique afin de vérifier que le candidat sera en capacité de suivre à bien la formation.

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

109 Avenue ROUL
33400 Talence

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
109 Avenue ROUL
33400 Talence
Modalités
Entrées / Sorties à dates fixes