Data Science : analyse et gestion de grandes masses de données
L'essentiel
Certification
remplacée par
RS6017 - Data Science : analyse et gestion de grandes masses de données
Code(s) NSF
326m : Informatique, traitement de l'information
326n : Analyse informatique, conception d'architecture de réseaux
326t : Programmation, mise en place de logiciels
Formacode(s)
31054 : Informatique et systèmes d'information
Date d’échéance
de l’enregistrement
31-12-2021
| Nom légal | Siret | Nom commercial | Site internet |
|---|---|---|---|
| INSTITUT MINES TELECOM - TELECOM PARIS | 18009202500022 | - | - |
Objectifs et contexte de la certification :
Les compétences en Data Science peuvent être mises en œuvre dans de nombreux domaines d’application spécifiques et transverses, qui revêtent des enjeux économiques de taille. Leur valeur ajoutée n’est pas circonscrite à l’industrie informatique mais imprègne tous les secteurs économiques et l’ensemble des fonctions de l’entreprise, en particulier, les technologies et usages liés au Big data : (industrie, santé, énergie, transport, assurances, marketing, prédiction de modèles économiques, avantages concurrentiels liés à l’amélioration des systèmes d’information etc.)
(source : rapport «Industrial Internet Insights Report for 2015 (https://www.accenture.com/tw-en/_acnmedia/Accenture/next-gen/reassembling-industry/pdf/Accenture-Industrial-Internet-Changing-Competitive-Landscape-Industries.pdf) », General Electric / Accenture)
(source : Etude Deloite Tendances Data et Analystics (http://www2.deloitte.com/fr/fr/pages/technology/articles/tendances-data-et-analytics-2016.html))
La certification en data science vise à vérifier l’acquisition des compétences nécessaires à l’exploitation de grandes masses de données et la réalisation d’analyses prédictives de systèmes
Compétences attestées :
C.1 Proposer des axes de gestion et d’analyse de grandes masses de données
C2. Définir une architecture de traitement et une modélisation en déterminant les types de données, les outils statistiques et les méthodes appropriées
C.3 Sourcer, rassembler et nettoyer l’ensemble des sources de données
C.4 Utiliser des outils d'analyse et de gestion de bases de données de types variés dans de grands volumes en faisant preuve de réactivité et d'adaptation afin de surmonter les obstcles rencontrés
C.5 Synthétiser les résultats d'une analyse sous une ou des formes adaptées au besoin
CE1. Prendre en compte les contraintes techniques pour proposer une solution d’analyse de grandes masses de données de types pouvant être variés
CE2a. Proposer une architecture de gestion et d’analyse appropriée aux besoins et aux contraintes d’un système cible.
CE2b. Combiner des outils et des méthodes adaptés et tenant compte des évolutions récentes des techniques.
CE3. Sourcer, rassembler et nettoyer l’ensemble des sources de données en utilisant les technologies adéquates afin de répondre aux besoins du système cible
CE4a. Utiliser et adapter des outils statistiques, de calcul distribué ainsi que des techniques de passage à l’échelle afin de procéder à l’analyse ou à la gestion des grandes masses de données
CE4b. Identifier les obstacles lors de l’implémentation d’un modèle d’analyse et de gestion des
grandes masses de données afin d’établir des préconisations d’amélioration
CE5. Synthétiser les résultats d’une l’analyse sous un ou des formes adaptées (rapport,
graphique, tableau de bord, indicateur...) afin de permettre leur exploitation par les utilisateurs, clients et/ou partenaires du système cible
Modalités d'évaluation :
Méthode Pédagogique et Organisation
La formation alterne cours théoriques et travaux pratiques. Elle a lieu en présentiel et à distance (FOAD).
- Elle est d’une durée totale de 25 jours (175 heures en présentiel), dont 1 journée d’évaluation finale. Les jours de formation sont répartis par sessions de 2 jours toutes les deux ou trois semaines.
- Entre chacune des 12 sessions de formation en présentiel, les participants doivent réaliser des travaux en ligne (nécessitant environ 3h de travail individuel) permettant demettre en application les compétences acquises.
La formation est d’une durée totale de 12 mois (dont 3 mois dédiés à la réalisation d’un projet personnel tutoré présenté lors d’une soutenance finale). A titre exceptionnel, 2 mois supplémentaires peuvent être octroyés pour améliorer le projet personnel.
Actions pré-formatives
La formation est précédée d’une action pré-formative constituée :
- d’une session de formation / évaluation type MOOC
- d’un entretien de motivation et de positionnement
Ces actions pré-formatives peuvent donner lieu à des ajustements du contenu de la formation, notamment dans le cadre d'un dispositif de formation intra-entreprise.
Références juridiques des règlementations d’activité :
Le cas échant, prérequis à l’entrée en formation :
- Diplôme de niveau bac + 5 ou expérience professionnelle équivalente
- Bonnes connaissances en mathématiques (optimisation, probabilités/statistique, algèbre linéaire)
- Bonne expérience de la programmation
- Validation de l’action pré-formative (MOOC)
Le cas échant, prérequis à la validation de la certification :
Aucune correspondance
| Date d'échéance de l'enregistrement | 31-12-2021 |
|---|
Statistiques :
Lien internet vers le descriptif de la certification :
https://www.telecom-paristech.fr/fileadmin/documents/pdf/formation_continue/CES/Data-Scientist.pdf
http://www.telecom-evolution.fr/fr/formations-certifiantes/ces-data-scientist
Le certificateur n'habilite aucun organisme préparant à la certification
Nouvelle(s) Certification(s) :
| Code de la fiche | Intitulé de la certification remplacée |
|---|---|
| RS6017 | Data Science : analyse et gestion de grandes masses de données |
