|
DES RESSOURCES ET DES OUTILS AU SERVICE DES ACTEURS ET DES PROFESSIONNELS. |
Diplôme d'établissement : Spécialisation Science des donnéesDate de mise à jour : 21/08/2024
| Identifiant OffreInfo : 06_24144454F |
GREF Bretagne |
L'essor considérable du recours au numérique a placé les données au cœur de nombreux processus agricoles et agroalimentaires tels que
- L'automatisation des mesures par imagerie ou spectrométrie des rendements agricoles
- L'analyse des propriétés des aliments à l'échelle moléculaire
- L'usage d'outils de géo-localisation ou de captation des mouvements animaliers
- L'adaptation aux évolutions des modes de consommation grâce aux croisements de données
- Les études consommateurs ou analyse sensorielle
La capacité à gérer, analyser, valoriser d'importants volumes de données, souvent hétérogènes (big data) est devenue un enjeu majeur dans les domaines de l'agronomie et de l'industrie agro-alimentaire, qui nécessite des compétences en informatique, mathématiques et statistiques
Les objectifs principaux
- Analyser des données pour accompagner la prise de décision et en évaluer l'impact
- Concevoir et évaluer des projets interdisciplinaires intégrant la valorisation de données
- Mettre en œuvre des outils d'aide à la décision fondés sur une analyse de l'adéquation des données disponibles aux besoins
• Réduction de la complexité (50 h) : Analyse factorielle ; Visualisation de données massives et hétérogènes
• Statistiques pour données biologiques (66 h) : Données expérimentales ; Apprentissage de données biologiques ; Statistique bayésienne (écologie) OU Sensométrie
• Apprentissage statistique (39 h) : Classification non supervisée ; Machine learning
• Programmation scientifique (43 h) : Computer Science for Big Data ; Analyse de données massives sous R
• Projet professionnalisant (300 h)
• Anglais (24 h)
• Stage (6 mois)
Non certificiante
Sans niveau spécifique
Conventionnement : Non
Entreprise
Niveau d'entrée : Bac + 5 et plus
Très bon niveau en statistique et informatique (méthodes de base de régression, analyse de variance, langage informatique R et/ou Python). Idéalement, avoir suivi le MOOC "Analyse de données" et obtenu la certification liée à ce module.