|
DES RESSOURCES ET DES OUTILS AU SERVICE DES ACTEURS ET DES PROFESSIONNELS. |
Diplôme d'Etablissement "Big Data et Statistique pour l'Ingénieur"Date de mise à jour : 27/06/2024
| Identifiant OffreInfo : 02_202001078632 |
Cap Métiers Nouvelle-Aquitaine |
- 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.
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.
Non certificiante
Information non communiquée
Conventionnement : Non
Autre
Niveau d'entrée : Bac + 3 et 4
-