Certification professionnelle

Maîtriser un large champ de sciences fondamentales (notamment en mathématiques, physique et informatique) et développer une capacité d’analyse et de synthèse permettant d’aborder des problématiques complexes liées aux structures industrielles, aux systèmes et réseaux informatiques ou aux marchés financiers.

Mobiliser des ressources provenant d’un ou plusieurs champs scientifiques et techniques spécifiques, tels que l’apprentissage machine (machine learning), la gestion des systèmes complexes (industriels, informatiques, ou financiers), les technologies numériques, pour proposer des solutions adaptées aux besoins de l'entreprise et du marché.

Identifier, sélectionner et analyser avec un esprit critique une diversité de ressources spécialisées (articles scientifiques, bases de données, outils logiciels, etc.), pour documenter un sujet et en extraire des données utiles, dans un contexte technologique, financier ou industriel.

Développer une conscience critique des savoirs, non seulement dans un domaine scientifique spécifique, mais également aux interfaces de plusieurs domaines incluant les sciences humaines.

Communiquer à des fins de formation ou de transfert de connaissances, par oral et par écrit, en utilisant des outils numériques et des supports adaptés, en français et dans au moins une langue étrangère.

Examens sur table en mathématiques, physique et informatique.

Etudes de cas sur de l'analyse numérique ou de la modélisation de données.

Projets individuels ou réalisés en groupe sur les systèmes mécaniques, électroniques et informatiques.

Restitutions orales (colles en mathématiques, soutenances de projets)

Choisir et utiliser des logiciels d’acquisition et d’analyse de données pour étudier le comportement des systèmes, tout en favorisant la collaboration entre équipes pour optimiser les choix technologiques et répondre aux besoins opérationnels.

Automatiser le nettoyage et la collecte des données selon les spécifications retenues, afin de garantir leur intégrité et en tenant compte des besoins des utilisateurs finaux.

Analyser les données à l'aide de méthodes d'apprentissage automatique (apprentissage machine). Déterminer les variables pertinentes à introduire dans les modèles.

Concevoir et tester des algorithmes d’apprentissage machine (machine learning) ou d'apprentissage profond (deep learning).

Interpréter les données et présenter les résultats de manière claire et adaptée aux différentes parties prenantes, en tenant compte de leurs compétences et de leurs attentes.

Garantir la qualité des données tout au long de leur traitement, y compris pour les données massives, et définir des critères de qualité en collaboration avec les parties prenantes.

Gérer le cycle de vie de la donnée conformément aux directives inscrites dans le RGPD et sensibiliser les équipes aux bonnes pratiques en matière de traitement des données.

Mettre en place des systèmes de sauvegarde, de restauration et des stratégies de maintenance pour assurer la sécurité et la disponibilité des données.

Développer et maintenir l’industrialisation des modèles d’apprentissage machine, en optimisant leur exploitation et leur performance.

Assurer la conformité des systèmes de gestion de la sécurité avec la réglementation en vigueur, en impliquant tous les collaborateurs pour promouvoir une culture de la sécurité.

Examens sur table sur de l'analyse numérique, des statistiques de la donnée, …

Études de cas autour des systèmes d’exploitation, mises en situation sur l’éthique et la sécurité des données, …

Apprentissages par problèmes sur de la modélisation computationnelle.

Rapport et soutenance présentant l'expérience professionnelle en entreprise.

Analyser les enjeux et la complexité d'une situation, pour proposer des solutions technologiques et numériques adaptées et innovantes.

Effectuer des activités de recherche scientifique, fondamentale ou appliquée, et mettre en place des dispositifs expérimentaux.

Adapter les systèmes industriels, informatiques ou financiers existants en tenant compte des évolutions du marché et des technologies.

Créer de nouvelles procédures pour résoudre des problèmes techniques complexes, en intégrant des connaissances interdisciplinaires et en adoptant une approche systémique.

Intégrer les aspects réglementaires nationaux et internationaux permettant de respecter les obligations légales et de prendre des décisions éclairées.

Entreprendre et innover, dans le cadre de projets personnels, ou par l’initiative et l’implication au sein de l’entreprise.

Créer de la valeur et la préserver par le management du risque, la prise de décisions, et l’amélioration de la performance.

Études de cas sur des technologies de fabrication, des techniques expérimentales, des systèmes mécatroniques, …

Apprentissages par problèmes : machine design et prototypage, data science …

Projets individuels ou réalisés en groupe autour de l'éco-conception ou la recherche opérationnelle.

Rapport et soutenance présentant l'expérience professionnelle en entreprise, avec un chapitre d’approfondissement scientifique pour le stage de fin d’étude.

Mettre en place les méthodologies de l’approche systémique et de l’ingénierie système (spécification, conception et vérification de la sécurité du système).

Intégrer les spécificités des processus à l'interface de systèmes de nature différente, comprenant des composants matériels, logiciels et humains interconnectés et interdépendants.

Intégrer des mesures de sécurité dans les systèmes, en mettant en place des infrastructures dédiées, des processus clairs et des bonnes pratiques.

Définir, mettre en place, maintenir et améliorer un système de management de la sûreté et de la sécurité, et le communiquer aux différentes parties prenantes.

Maintenir une surveillance continue et mettre en place des procédures systématiques de maintenance prédictive.

Intégrer dans la conception des produits et des services, l'analyse de leur cycle de vie (de la production à l'élimination) pour évaluer et minimiser leur impact environnemental.

Prendre en considération le contexte interne et externe d’un système, y compris le comportement humain et les facteurs culturels sous-jacents qui peuvent impacter sa sécurité.

Études de cas sur du traitement du signal physique ou informatique, la sécurité de l’information, l'éthique de l’ingénieur …

Apprentissages par problèmes en bases de données et interopérabilité, concepts et modèles financiers avancés, gestion du cycle de vie des produits, …

Projets individuels ou réalisés en groupe sur de la simulation numérique, des objets connectés (IoT), …

Rapport et soutenance présentant l'expérience professionnelle en entreprise.

Définir les délais et ressources (matérielles, humaines et budgétaires) nécessaires à la réalisation d'un projet technique.

Utiliser diverses méthodes (méthodes agiles, lean management, cycle en V, ...) pour organiser et gérer le projet.

Utiliser de manière autonome des outils numériques avancés pour gérer et optimiser des projets informatiques ou industriels.

Adapter les procédures et équipements en réaffectant les ressources selon les besoins, la réglementation et l'impact environnemental.

Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe.

Travailler en contexte international et multiculturel : maîtrise d’une ou plusieurs langues étrangères et ouverture culturelle associée, capacité d’adaptation aux contextes internationaux.

Organiser un travail collaboratif et à distance avec mise en place d'un suivi régulier (reporting) avec les différentes parties prenantes.

Respecter les principes d’éthique, de déontologie et de responsabilité environnementale.

S’insérer dans la vie professionnelle, dans une organisation, l’animer et la faire évoluer : exercice de la responsabilité, engagement et leadership, gestion de projets, capacité à travailler en collaboration et à communiquer.

Se connaître, s’auto-évaluer, gérer ses compétences (notamment dans une perspective de formation tout au long de la vie), opérer des choix professionnels pour améliorer sa pratique dans le cadre d'une démarche qualité.

Études de cas avec des tableaux de bord, utilisation de la méthodologie projet, implémentation du management de la qualité, …

Projets d’innovation industrielle réalisés en partenariat avec des entreprises ou des chercheurs.

Rapport et soutenance présentant l'expérience professionnelle en entreprise.