Ingénieur diplômé de l’École polytechnique universitaire de l’université Lyon-I, spécialité Mathématiques appliquées
Certification RNCP39487
Formacodes 11052 | Mathématiques appliquées 11025 | Calcul scientifique 31025 | Analyse de données 31026 | Data science 32062 | Recherche développement
Nomenclature Europe Niveau 7
Formacodes 11052 | Mathématiques appliquées 11025 | Calcul scientifique 31025 | Analyse de données 31026 | Data science 32062 | Recherche développement
Nomenclature Europe Niveau 7
Les métiers associés à la certification RNCP39487 : Études et prospectives socio-économiques Direction des systèmes d'information Études et développement informatique Management et ingénierie études, recherche et développement industriel Recherche en sciences de l'univers, de la matière et du vivant
Codes NSF 114 | Mathématiques 326t | Programmation, mise en place de logiciels
Voies d'accès : Formation initiale Formation continue Contrat de professionnalisation VAE
Prérequis : Il est possible d’intégrer la spécialité mathématiques appliquées de Polytech Lyon sur la base d’un niveau 5 ou 6 acquis : * après un cycle préparatoire externe (CPGE) ou un cycle préparatoire intégré (PEIP) * une licence 2 scientifique à forte composante mathématique / informatique * un niveau M1 en accès direct. Pour plus d’éléments sur les conditions d’admission:
Certificateurs :
Voies d'accès : Formation initiale Formation continue Contrat de professionnalisation VAE
Prérequis : Il est possible d’intégrer la spécialité mathématiques appliquées de Polytech Lyon sur la base d’un niveau 5 ou 6 acquis : * après un cycle préparatoire externe (CPGE) ou un cycle préparatoire intégré (PEIP) * une licence 2 scientifique à forte composante mathématique / informatique * un niveau M1 en accès direct. Pour plus d’éléments sur les conditions d’admission:
Certificateurs :
| Certificateur | SIRET |
|---|---|
| UNIVERSITE CLAUDE BERNARD LYON 1 - ECOLE POLYTECHNIQUE DE L'UNIVERSITE LYON 1 | 19691774400720 |
Activités visées :
L'ingénieur en mathématiques appliquées participe à la mise en place de solutions répondant aux problématiques actuelles faisant appel au calcul scientifique : énergie, santé, environnement, climatologie, transport, communication, etc.
Il est l’interlocuteur privilégié en matière de calcul scientifique au sens large et assure l’interface avec les équipes de conception et d’application.
Il identifie les besoins des utilisateurs et clients de l’entreprise.
Il propose des solutions logicielles et matérielles en réponse, et en assure la démonstration.
Il participe au cycle de développement des produits de l’entreprise: spécification, développement, test, validation et certification.
Il assure une veille scientifique et technologique.
Il assure le transfert des connaissances et des savoir-faire dans l’entreprise.
L'ingénieur en mathématiques appliquées participe à la mise en place de solutions répondant aux problématiques actuelles faisant appel au calcul scientifique : énergie, santé, environnement, climatologie, transport, communication, etc.
Il est l’interlocuteur privilégié en matière de calcul scientifique au sens large et assure l’interface avec les équipes de conception et d’application.
Il identifie les besoins des utilisateurs et clients de l’entreprise.
Il propose des solutions logicielles et matérielles en réponse, et en assure la démonstration.
Il participe au cycle de développement des produits de l’entreprise: spécification, développement, test, validation et certification.
Il assure une veille scientifique et technologique.
Il assure le transfert des connaissances et des savoir-faire dans l’entreprise.
Capacités attestées :
L’ingénieur spécialité Mathématiques appliquées de Polytech Lyon est en mesure de :
* Traduire un problème pratique en un problème mathématique déterministe et/ou statistique.
* Identifier, appréhender, utiliser les modèles mathématiques sous-jacents adaptés au problème posé.
* Identifier les architectures, les systèmes et les logiciels susceptibles de résoudre un problème donné et de tenir compte de ses spécificités dans sa résolution.
* Mettre en œuvre des modèles mathématiques au travers de codes et d’architectures.
* Développer, utiliser, adapter et valider ces codes et architectures dans le domaine du calcul hautes performances.
* Coder en plusieurs langages de programmation tels que Python, R, Matlab, C++, etc. pour développer des outils et des algorithmes de calcul et de modélisation.
* Analyser et interpréter les résultats des modèles pour répondre aux questions posées par les utilisateurs ou les clients. Cela nécessite une capacité à comprendre les données, à identifier les tendances et les modèles, et à formuler des hypothèses basées sur les résultats.
* Gérer de grands flux de données, les préparer avant leur traitement et analyser les résultats de la simulation afin de les rendre interprétables.
* Trouver les sources de données pertinentes et les exploiter en utilisant les techniques innovantes issues de la recherche en machine learning et intelligence artificielle
* Concevoir, mettre en œuvre, maintenir et faire évoluer des systèmes décisionnels (Big data, IA)
* Appréhender les enjeux de la sécurité, la traçabilité, la validation, la certification, la fiabilité et l’intégrité dans le domaine du calcul et en comprendre les outils,
* Assurer une veille scientifique et technologique de son domaine d’activité et en faire profiter son entreprise.
* Evaluer les besoins, conseiller, intervenir au sein de l’entreprise ou organisation.
* Piloter des projets de calcul scientifique ou systèmes décisionnels de manière méthodologique.
* Interagir avec le client: formuler, proposer et argumenter des solutions en adéquation avec les besoins, rendre compte de l’avancée des projets et négocier.
* Prendre en compte les dimensions économiques, éthiques et sociétales: développement durable, responsabilité sociétale des entreprises.
* Développer l’innovation et contribuer aux travaux de recherche fondamentale et appliquée.
* S’adapter et travailler en contexte international et multiculturel.
* Identifier et se conformer aux règles de qualité et de sécurité en vigueur dans le contexte professionnel.
L’ingénieur spécialité Mathématiques appliquées de Polytech Lyon est en mesure de :
* Traduire un problème pratique en un problème mathématique déterministe et/ou statistique.
* Identifier, appréhender, utiliser les modèles mathématiques sous-jacents adaptés au problème posé.
* Identifier les architectures, les systèmes et les logiciels susceptibles de résoudre un problème donné et de tenir compte de ses spécificités dans sa résolution.
* Mettre en œuvre des modèles mathématiques au travers de codes et d’architectures.
* Développer, utiliser, adapter et valider ces codes et architectures dans le domaine du calcul hautes performances.
* Coder en plusieurs langages de programmation tels que Python, R, Matlab, C++, etc. pour développer des outils et des algorithmes de calcul et de modélisation.
* Analyser et interpréter les résultats des modèles pour répondre aux questions posées par les utilisateurs ou les clients. Cela nécessite une capacité à comprendre les données, à identifier les tendances et les modèles, et à formuler des hypothèses basées sur les résultats.
* Gérer de grands flux de données, les préparer avant leur traitement et analyser les résultats de la simulation afin de les rendre interprétables.
* Trouver les sources de données pertinentes et les exploiter en utilisant les techniques innovantes issues de la recherche en machine learning et intelligence artificielle
* Concevoir, mettre en œuvre, maintenir et faire évoluer des systèmes décisionnels (Big data, IA)
* Appréhender les enjeux de la sécurité, la traçabilité, la validation, la certification, la fiabilité et l’intégrité dans le domaine du calcul et en comprendre les outils,
* Assurer une veille scientifique et technologique de son domaine d’activité et en faire profiter son entreprise.
* Evaluer les besoins, conseiller, intervenir au sein de l’entreprise ou organisation.
* Piloter des projets de calcul scientifique ou systèmes décisionnels de manière méthodologique.
* Interagir avec le client: formuler, proposer et argumenter des solutions en adéquation avec les besoins, rendre compte de l’avancée des projets et négocier.
* Prendre en compte les dimensions économiques, éthiques et sociétales: développement durable, responsabilité sociétale des entreprises.
* Développer l’innovation et contribuer aux travaux de recherche fondamentale et appliquée.
* S’adapter et travailler en contexte international et multiculturel.
* Identifier et se conformer aux règles de qualité et de sécurité en vigueur dans le contexte professionnel.
Secteurs d'activité :
L’ingénieur de la spécialité mathématiques appliquées de Polytech Lyon exerce son activité dans les secteurs d’activités suivants : * l’industrie (Aéronautique, automobile, transports ferroviaires ..), énergie (pétrolière, électrique), chimie et environnement (climat, stockage de déchets), médical (pharmacologie et statistique de la santé), sécurité et défense, * banque et assurances, * entreprise de services numériques - ESN, * sociétés de conseil * éditeurs de logiciels de simulation numérique, informatique scientifique, * recherche et développement industriel et scientifique
L’ingénieur de la spécialité mathématiques appliquées de Polytech Lyon exerce son activité dans les secteurs d’activités suivants : * l’industrie (Aéronautique, automobile, transports ferroviaires ..), énergie (pétrolière, électrique), chimie et environnement (climat, stockage de déchets), médical (pharmacologie et statistique de la santé), sécurité et défense, * banque et assurances, * entreprise de services numériques - ESN, * sociétés de conseil * éditeurs de logiciels de simulation numérique, informatique scientifique, * recherche et développement industriel et scientifique
Types d'emplois accessibles :
Il peut prétendre à occuper les fonctions de : * ingénieur recherche et développement * ingénieur statisticien * ingénieur en data science * ingénieur simulation numérique * ingénieur en calcul scientifique intensif (HPC)
Il peut prétendre à occuper les fonctions de : * ingénieur recherche et développement * ingénieur statisticien * ingénieur en data science * ingénieur simulation numérique * ingénieur en calcul scientifique intensif (HPC)
Objectif contexte :
L'objectif principal d'un ingénieur en modélisation mathématique, calcul scientifique et data science est d'utiliser des outils de modélisation mathématique et de data science pour résoudre des problèmes pratiques dans divers domaines tels que la finance, la santé, la logistique, l'industrie, la sécurité, entre autres. Les ingénieurs data-analyst et data-scientist occupent une place centrale dans de nombreux métiers actuels. Cela s'explique par le fait que les données sont devenues un élément crucial dans la prise de décision pour de nombreuses entreprises et organisations. En effet, les données peuvent fournir des informations précieuses sur les clients, les marchés, les tendances, les performances de l'entreprise, etc. Pour y parvenir, l'ingénieur en modélisation mathématique et data science doit posséder des compétences en mathématiques, en statistiques, en programmation et en analyse de données. Il doit également être capable de comprendre les besoins des clients ou des parties prenantes et de traduire ces besoins en modèles mathématiques ou en algorithmes de data science qui peuvent être appliqués à des données réelles. Il est appelé à identifier et mettre en œuvre des connaissances scientifiques et techniques pluridisciplinaires dans un contexte de création et gestion de projet R&D ou ingénierie. En utilisant ces compétences, l'ingénieur en modélisation mathématique et data science peut aider à optimiser les processus, à réduire les coûts, à améliorer la qualité et à prendre des décisions éclairées en utilisant des données fiables. En fin de compte, leur objectif est d'aider à résoudre des problèmes concrets en utilisant des approches quantitatives et basées sur les données.
L'objectif principal d'un ingénieur en modélisation mathématique, calcul scientifique et data science est d'utiliser des outils de modélisation mathématique et de data science pour résoudre des problèmes pratiques dans divers domaines tels que la finance, la santé, la logistique, l'industrie, la sécurité, entre autres. Les ingénieurs data-analyst et data-scientist occupent une place centrale dans de nombreux métiers actuels. Cela s'explique par le fait que les données sont devenues un élément crucial dans la prise de décision pour de nombreuses entreprises et organisations. En effet, les données peuvent fournir des informations précieuses sur les clients, les marchés, les tendances, les performances de l'entreprise, etc. Pour y parvenir, l'ingénieur en modélisation mathématique et data science doit posséder des compétences en mathématiques, en statistiques, en programmation et en analyse de données. Il doit également être capable de comprendre les besoins des clients ou des parties prenantes et de traduire ces besoins en modèles mathématiques ou en algorithmes de data science qui peuvent être appliqués à des données réelles. Il est appelé à identifier et mettre en œuvre des connaissances scientifiques et techniques pluridisciplinaires dans un contexte de création et gestion de projet R&D ou ingénierie. En utilisant ces compétences, l'ingénieur en modélisation mathématique et data science peut aider à optimiser les processus, à réduire les coûts, à améliorer la qualité et à prendre des décisions éclairées en utilisant des données fiables. En fin de compte, leur objectif est d'aider à résoudre des problèmes concrets en utilisant des approches quantitatives et basées sur les données.
Bloc de compétences
RNCP39487BC01 : Spécifier, concevoir et développer des logiciels
Compétences :
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Utiliser des systèmes d’exploitation à base d’UNIX (bash) et WINDOWS, et gérer des développements collaboratifs de logiciel/projet via l’utilisation de forge, d’outils de versionnage de fichiers (git), de documentation de code (Doxygen) et de spécifications techniques (Unified Modelling Language (UML)).
* Gérer une équipe de développeurs logiciel, en tenant compte des possibilités de chacun, dans un contexte socio-économique d’innovation ou de recherche, en France ou à l’Etranger.
* Programmer dans des langages impératifs ( C / Matlab ) et orienté objet (C++ / python), et utiliser des bibliothèques scientifiques dans le domaine du numérique (Math Kernel Library (MKL) , Portable, Extensible Toolkit for Scientific Computation (PETSc), Suite of nonlinear and differential /algebraic equation solvers (SUNDIALS)) et de la data science (SAS, R).
* Traduire en algorithmes efficaces et implémentés sur ordinateur, les méthodes numériques de discrétisation et de résolution ainsi que les méthodes de prédiction en data science.
* Connaitre les limites de l’arithmétique finie des ordinateurs et ses conséquences sur le conditionnement des calculs, et appliquer les techniques mathématiques et informatiques de vérification (solution manufacturée, ordre de convergence observé, analyse rétrograde des erreurs d’arrondis, analyse statique, analyse dynamique, tests unitaires) et de validation de code (analyse statistique) .
* Pratiquer des paradigmes de parallélisation pour le Calcul Haute Performance, parallélisation à mémoire distribuée (Message Passing Interface (MPI)) , mémoire partagé (Open Multi-Processing ()OpenMP) et sur GPU/CPU (Open Computing Language (OpenCL)) avec une compréhension approfondie des architectures des ordinateurs et de l’optimisation et évaluation des performances de leur implémentation.
* Dimensionner les besoins de calcul matériels, logiciels, et techniques de parallélisation en établissant un cahier des charges des besoins fonctionnels du client, en prenant en compte les enjeux de développement durable et de responsabilité sociétale de l’entreprise.
* Mettre en œuvre des logiciels de modélisation et de simulation (FreeFem++, COMSOL, SciKit learn) dans le cadre de la résolution de problèmes complexes dans des domaines applicatifs (mécanique des fluides et des solides, modélisation financière, machine learning, classification).
* Maîtriser les outils de communications (revue de projet, rapport d’avancement (latex)) lors d’une présentation de projet aux différents partenaires.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Utiliser des systèmes d’exploitation à base d’UNIX (bash) et WINDOWS, et gérer des développements collaboratifs de logiciel/projet via l’utilisation de forge, d’outils de versionnage de fichiers (git), de documentation de code (Doxygen) et de spécifications techniques (Unified Modelling Language (UML)).
* Gérer une équipe de développeurs logiciel, en tenant compte des possibilités de chacun, dans un contexte socio-économique d’innovation ou de recherche, en France ou à l’Etranger.
* Programmer dans des langages impératifs ( C / Matlab ) et orienté objet (C++ / python), et utiliser des bibliothèques scientifiques dans le domaine du numérique (Math Kernel Library (MKL) , Portable, Extensible Toolkit for Scientific Computation (PETSc), Suite of nonlinear and differential /algebraic equation solvers (SUNDIALS)) et de la data science (SAS, R).
* Traduire en algorithmes efficaces et implémentés sur ordinateur, les méthodes numériques de discrétisation et de résolution ainsi que les méthodes de prédiction en data science.
* Connaitre les limites de l’arithmétique finie des ordinateurs et ses conséquences sur le conditionnement des calculs, et appliquer les techniques mathématiques et informatiques de vérification (solution manufacturée, ordre de convergence observé, analyse rétrograde des erreurs d’arrondis, analyse statique, analyse dynamique, tests unitaires) et de validation de code (analyse statistique) .
* Pratiquer des paradigmes de parallélisation pour le Calcul Haute Performance, parallélisation à mémoire distribuée (Message Passing Interface (MPI)) , mémoire partagé (Open Multi-Processing ()OpenMP) et sur GPU/CPU (Open Computing Language (OpenCL)) avec une compréhension approfondie des architectures des ordinateurs et de l’optimisation et évaluation des performances de leur implémentation.
* Dimensionner les besoins de calcul matériels, logiciels, et techniques de parallélisation en établissant un cahier des charges des besoins fonctionnels du client, en prenant en compte les enjeux de développement durable et de responsabilité sociétale de l’entreprise.
* Mettre en œuvre des logiciels de modélisation et de simulation (FreeFem++, COMSOL, SciKit learn) dans le cadre de la résolution de problèmes complexes dans des domaines applicatifs (mécanique des fluides et des solides, modélisation financière, machine learning, classification).
* Maîtriser les outils de communications (revue de projet, rapport d’avancement (latex)) lors d’une présentation de projet aux différents partenaires.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
Modalités d'évaluation :
* Contrôles continus individuels : contrôles écrits, exposés oraux, rapports et soutenances de stages en entreprise, évaluation par les tuteurs en entreprise. * Contrôles continus en groupe : comptes rendus de travaux pratiques, rapport et soutenance de projets. * Mises en situation lors de stages et projets.
* Contrôles continus individuels : contrôles écrits, exposés oraux, rapports et soutenances de stages en entreprise, évaluation par les tuteurs en entreprise. * Contrôles continus en groupe : comptes rendus de travaux pratiques, rapport et soutenance de projets. * Mises en situation lors de stages et projets.
RNCP39487BC02 : Proposer et analyser des modèles mathématiques déterministes ainsi que des méthodes d’approximation numérique de ces modèles.
Compétences :
* Identifier et mobiliser un socle de connaissances pointus en mathématiques (analyse, algèbre linéaire, optimisation, équations différentielles) dans un contexte socio-économique d’innovation ou de recherche en France ou à l’étranger.
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Intervenir dans des divers domaines d’application scientifique tels que la physique, la mécanique, la biologie ou l’économie.
* Modéliser mathématiquement une situation de la vie réelle par une équation différentielle (EDO)/aux dérivées partielles (EDP)/problème d’optimisation, en s’appuyant sur une démarche scientifique dans le domaine d’application du client.
* Utiliser des méthodes numériques de base pour la résolution des systèmes algébriques linéaires ou non linéaires, interpolation polynomiale ou intégration numérique.
* Mettre en œuvre des méthodes d’approximation numérique des équations différentielles ordinaires comme par exemple les méthodes d’Euler implicite ou explicite ou les méthodes de Runge
- Kutta, et en différencier le cadre théorique.
* Connaitre le cadre théorique d’étude (espaces fonctionnels, formulation variationnelle, solution faible) des divers types d’équations aux dérivées partielles (EDP) comme les lois de conservation, les EDP elliptiques, paraboliques ou hyperboliques.
* Proposer et mettre en œuvre des méthodes d’approximation numérique des EDP telles que les méthodes de différences finies, volumes finis, éléments finis, Galerkin discontinu ou les méthodes spectrales.
* Analyser et évaluer les performances des méthodes de résolution d’une EDP donnée au moyen de notions telles que maillage, conformité, flux numérique, stabilité, erreur d’approximation …
* Utiliser des logiciels d’appui tels que Comsol Multiphysics ou FreeFem, évaluer et interpréter les résultats numériques obtenus et évaluer les performances numériques de ces logiciels.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
* Identifier et mobiliser un socle de connaissances pointus en mathématiques (analyse, algèbre linéaire, optimisation, équations différentielles) dans un contexte socio-économique d’innovation ou de recherche en France ou à l’étranger.
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Intervenir dans des divers domaines d’application scientifique tels que la physique, la mécanique, la biologie ou l’économie.
* Modéliser mathématiquement une situation de la vie réelle par une équation différentielle (EDO)/aux dérivées partielles (EDP)/problème d’optimisation, en s’appuyant sur une démarche scientifique dans le domaine d’application du client.
* Utiliser des méthodes numériques de base pour la résolution des systèmes algébriques linéaires ou non linéaires, interpolation polynomiale ou intégration numérique.
* Mettre en œuvre des méthodes d’approximation numérique des équations différentielles ordinaires comme par exemple les méthodes d’Euler implicite ou explicite ou les méthodes de Runge
- Kutta, et en différencier le cadre théorique.
* Connaitre le cadre théorique d’étude (espaces fonctionnels, formulation variationnelle, solution faible) des divers types d’équations aux dérivées partielles (EDP) comme les lois de conservation, les EDP elliptiques, paraboliques ou hyperboliques.
* Proposer et mettre en œuvre des méthodes d’approximation numérique des EDP telles que les méthodes de différences finies, volumes finis, éléments finis, Galerkin discontinu ou les méthodes spectrales.
* Analyser et évaluer les performances des méthodes de résolution d’une EDP donnée au moyen de notions telles que maillage, conformité, flux numérique, stabilité, erreur d’approximation …
* Utiliser des logiciels d’appui tels que Comsol Multiphysics ou FreeFem, évaluer et interpréter les résultats numériques obtenus et évaluer les performances numériques de ces logiciels.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
Modalités d'évaluation :
* Contrôle écrit individuel sur la résolution des problèmes mathématiques et la mise en œuvre numérique. * Réalisation des travaux pratiques sur les applications des mathématiques dans la vie réelle. * Réalisation des travaux tutorés sur la résolution théorique des problèmes de mathématiques appliquées et approximation numérique. * Rédaction de rapports de stage (assistant ingénieur et ingénieur) et soutenances orales du travail réalisé en entreprises ou organismes de recherche publique.
* Contrôle écrit individuel sur la résolution des problèmes mathématiques et la mise en œuvre numérique. * Réalisation des travaux pratiques sur les applications des mathématiques dans la vie réelle. * Réalisation des travaux tutorés sur la résolution théorique des problèmes de mathématiques appliquées et approximation numérique. * Rédaction de rapports de stage (assistant ingénieur et ingénieur) et soutenances orales du travail réalisé en entreprises ou organismes de recherche publique.
RNCP39487BC03 : Décrire, caractériser et analyser des données par des méthodes statistiques et probabilistes, dans un environnement complexe.
Compétences :
* Identifier et mobiliser des connaissances pointues (probabilités, statistique, programmation…) dans un contexte socio-économique, d’innovation ou de recherche en France ou à l’étranger.
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Analyser les informations disponibles (unité statistique, variables observées, échantillon, population, type de variables, données manquantes) pour choisir la modélisation statistique appropriée.
* Utiliser différentes méthodes statistiques tels que des indicateurs numériques et certains graphiques, en vue d’en analyser les tendances et les anomalies.
* Calibrer des paramètres à l’aide d’outils probabilistes et statistiques (maximum de vraisemblance, moindres carrés, méthode des moments...).
* Par des procédés probabilistes estimer des paramètres associés à des dynamiques aléatoires et/ou déterministes, et de générer de nouvelles données permettant de valider le modèle considéré (Monte-Carlo, discrétisation de processus...).
* Interpréter des grandeurs d’intérêt dans le cadre de données complexes (finance, biologie, physique…), grâce à des théories mathématiques avancées.
* Sur le ou les modèle(s) validé(s), faire des prédictions sur les données, tout en connaissant la marge d’erreur relative. Des méthodes statistiques linéaires permettant d’avoir des intervalles de confiances, ainsi que de procéder à des tests statistiques.
* Adapter les méthodes considérées pour tenir compte des enjeux liés aux grandes masses de données, notamment à l’aide d’outils propres à l’apprentissage statistique et de sélection de données.
* Coder dans différents langages de programmation : python, R… et utiliser les différentes fonctionnalités statistiques associées.
* Prendre en compte le caractère confidentiel des données traitées, le cas échéant, certaines d’entre elles étant particulièrement sensibles notamment dans le secteur de la santé, la banque, l’énergie ou de la défense.
* Faire un rapport à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise ou de l’organisme.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
* Identifier et mobiliser des connaissances pointues (probabilités, statistique, programmation…) dans un contexte socio-économique, d’innovation ou de recherche en France ou à l’étranger.
* Identifier la demande et évaluer les besoins du client, du service et de l’entreprise.
* Analyser les informations disponibles (unité statistique, variables observées, échantillon, population, type de variables, données manquantes) pour choisir la modélisation statistique appropriée.
* Utiliser différentes méthodes statistiques tels que des indicateurs numériques et certains graphiques, en vue d’en analyser les tendances et les anomalies.
* Calibrer des paramètres à l’aide d’outils probabilistes et statistiques (maximum de vraisemblance, moindres carrés, méthode des moments...).
* Par des procédés probabilistes estimer des paramètres associés à des dynamiques aléatoires et/ou déterministes, et de générer de nouvelles données permettant de valider le modèle considéré (Monte-Carlo, discrétisation de processus...).
* Interpréter des grandeurs d’intérêt dans le cadre de données complexes (finance, biologie, physique…), grâce à des théories mathématiques avancées.
* Sur le ou les modèle(s) validé(s), faire des prédictions sur les données, tout en connaissant la marge d’erreur relative. Des méthodes statistiques linéaires permettant d’avoir des intervalles de confiances, ainsi que de procéder à des tests statistiques.
* Adapter les méthodes considérées pour tenir compte des enjeux liés aux grandes masses de données, notamment à l’aide d’outils propres à l’apprentissage statistique et de sélection de données.
* Coder dans différents langages de programmation : python, R… et utiliser les différentes fonctionnalités statistiques associées.
* Prendre en compte le caractère confidentiel des données traitées, le cas échéant, certaines d’entre elles étant particulièrement sensibles notamment dans le secteur de la santé, la banque, l’énergie ou de la défense.
* Faire un rapport à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise ou de l’organisme.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
Modalités d'évaluation :
* Contrôle écrit individuel sur la résolution des problèmes mathématiques et la mise en œuvre numérique. * Réalisation des travaux pratiques sur les applications des mathématiques dans la vie réelle. * Réalisation des travaux tutorés sur la résolution théorique des problèmes de mathématiques appliquées et approximation numérique. * Rédaction de rapports de stage (assistant ingénieur et ingénieur) et soutenances orales du travail réalisé en entreprises ou organismes de recherche publique.
* Contrôle écrit individuel sur la résolution des problèmes mathématiques et la mise en œuvre numérique. * Réalisation des travaux pratiques sur les applications des mathématiques dans la vie réelle. * Réalisation des travaux tutorés sur la résolution théorique des problèmes de mathématiques appliquées et approximation numérique. * Rédaction de rapports de stage (assistant ingénieur et ingénieur) et soutenances orales du travail réalisé en entreprises ou organismes de recherche publique.
RNCP39487BC04 : Explorer les données afin d’en extraire des informations dans un but de prédiction et d’aide à la décision
Compétences :
* Avoir une bonne compréhension des concepts mathématiques et statistiques, notamment les probabilités, la théorie des échantillonnages, les modèles de régression, l'analyse factorielle, 'analyse des séries chronologiques, etc., pour comprendre les données.
* Identifier la demande du client, du service et de l’entreprise.
* Identifier et mobiliser des connaissances scientifiques et techniques pointues (algorithmique, langages de programmation, modèles de bases de données, …) dans un contexte socio-économique, d’innovation ou de recherche, en France ou à l’étranger.
* Evaluer les besoins et concevoir une base de données adaptée.
* Manipuler, nettoyer et préparer les données
* Analyser les données pour en extraire des informations pertinentes et utiles
* Résoudre des problèmes complexes et trouver des solutions innovantes en utilisant des techniques d'analyse.
* Coder avec des logiciels et des langages de programmation interprétés, multiparadigmes et multiplateformes, tels que Python, R, SQL, SAS, etc., et écrire des scripts pour l'analyse des données et l'automatisation de tâches.
* Concevoir, gérer et interroger des bases de données, notamment dans un contexte de données massives.
* Prendre en compte le caractère confidentiel des données traitées, le cas échéant, certaines d’entre elles
* Etre particulièrement sensibles notamment dans le secteur de la santé, la banque, l’énergie ou de la défense.
* Utiliser des bibliothèques et des frameworks d'apprentissage automatique tels que TensorFlow, PyTorch, Scikit-learn, etc.
* Présenter les résultats d'analyse de manière claire et concise, à travers des tableaux de bord interactifs, des graphiques et des visualisations de données.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
* Avoir une bonne compréhension des concepts mathématiques et statistiques, notamment les probabilités, la théorie des échantillonnages, les modèles de régression, l'analyse factorielle, 'analyse des séries chronologiques, etc., pour comprendre les données.
* Identifier la demande du client, du service et de l’entreprise.
* Identifier et mobiliser des connaissances scientifiques et techniques pointues (algorithmique, langages de programmation, modèles de bases de données, …) dans un contexte socio-économique, d’innovation ou de recherche, en France ou à l’étranger.
* Evaluer les besoins et concevoir une base de données adaptée.
* Manipuler, nettoyer et préparer les données
* Analyser les données pour en extraire des informations pertinentes et utiles
* Résoudre des problèmes complexes et trouver des solutions innovantes en utilisant des techniques d'analyse.
* Coder avec des logiciels et des langages de programmation interprétés, multiparadigmes et multiplateformes, tels que Python, R, SQL, SAS, etc., et écrire des scripts pour l'analyse des données et l'automatisation de tâches.
* Concevoir, gérer et interroger des bases de données, notamment dans un contexte de données massives.
* Prendre en compte le caractère confidentiel des données traitées, le cas échéant, certaines d’entre elles
* Etre particulièrement sensibles notamment dans le secteur de la santé, la banque, l’énergie ou de la défense.
* Utiliser des bibliothèques et des frameworks d'apprentissage automatique tels que TensorFlow, PyTorch, Scikit-learn, etc.
* Présenter les résultats d'analyse de manière claire et concise, à travers des tableaux de bord interactifs, des graphiques et des visualisations de données.
* Rendre compte à l’oral et à l’écrit de façon claire et concise à des spécialistes et à des non spécialistes.
* Prendre en compte les enjeux de développement durable et responsabilité sociétale de l’entreprise.
* Développer des pratiques réflexives sur son parcours professionnel et les projets mis en œuvre.
* Travailler en équipe en adaptant une attitude inclusive, notamment envers les personnes porteuses de handicap.
* Interagir avec son environnement en s’adaptant aux différents interlocuteurs en prenant en compte la dimension internationale et interculturelle.
Modalités d'évaluation :
* Examens écrits individuels en temps limité (QCM, restitution de connaissances théoriques, résolution de problèmes simples avec ou sans l’aide d’outils informatiques…) * Interrogations orales individuelles * Travaux tutorés autonomes * Rapports de travaux pratiques individuels ou en groupe * Exposés individuels ou en groupe * Evaluation de projets individuels ou en groupe sur des problématiques concrètes proposées par des entreprises ou des enseignants (rapports écrits, soutenances orales) * Evaluation de stage ou d’année d’alternance (rapport écrit, soutenance orale).
* Examens écrits individuels en temps limité (QCM, restitution de connaissances théoriques, résolution de problèmes simples avec ou sans l’aide d’outils informatiques…) * Interrogations orales individuelles * Travaux tutorés autonomes * Rapports de travaux pratiques individuels ou en groupe * Exposés individuels ou en groupe * Evaluation de projets individuels ou en groupe sur des problématiques concrètes proposées par des entreprises ou des enseignants (rapports écrits, soutenances orales) * Evaluation de stage ou d’année d’alternance (rapport écrit, soutenance orale).