RS7616
Active
· Répertoire spécifique
Data Science : prédire et décider avec le machine learning opérationnel
Certificateur · GROUPE DES ECOLES NATIONALES D ECONOMIE ET STATISTIQUE
L'essentiel
Nomenclature du niveau de qualification
Répertoire spécifique
Code(s) NSF
Date d'échéance de l'enregistrement
26-06-2031
Certificateur(s)
Nom légalSIRETSite
Résumé de la certification
Objectifs et contexte
La certification « Data Science : prédire et décider avec le machine learning opérationnel », s’inscrit dans un contexte de transformation durable des organisations, caractérisé par la montée en puissance des usages de la donnée et de l’intelligence artificielle dans les processus de décision, d’optimisation et de pilotage. La croissance des volumes de données, leur diversification (données structurées, semi-structurées et non structurées) et les progrès des capacités de calcul ont profondément renouvelé les pratiques analytiques, faisant de la donnée un actif stratégique dans l’ensemble des secteurs d’activité.
Compétences attestées
Formaliser une problématique data science : analyser un besoin métier et le traduire en problématique de data science en identifiant les objectifs analytiques, les variables d’intérêt et les indicateurs de performance.
Identifier et collecter des données pertinentes : identifier et extraire des données issues de différentes sources (bases SQL, NoSQL, API, web scraping ou open data) afin de constituer un jeu de données exploitable.
Préparer et mettre en forme les données : nettoyer, structurer et mettre en forme les données dans un format utilisable par les algorithmes (jointure, filtrage, traitement des valeurs manquantes, ventilation des variables qualitatives) afin d'obtenir un jeu de données fiable et exploitable.
Mettre en œuvre un pipeline de traitements de données : concevoir un pipeline de traitement automatisé permettant d’assurer la reproductibilité des opérations de collecte, préparation et transformation des données.
Réaliser une analyse exploratoire des données : explorer un jeu de données à l’aide de statistiques descriptives et de visualisations afin d’identifier les relations entre variables et les structures sous-jacentes.
Mettre en œuvre des modèles de machine learning : développer des modèles de machine learning pour des problèmes de régression ou de classification supervisée.
Évaluer et comparer les modèles : comparer plusieurs modèles prédictifs à l’aide d’indicateurs de performance et de méthodes de validation (validation croisée, échantillon test).
Mettre en œuvre des méthodes avancées d’apprentissage : appliquer des méthodes avancées de machine learning et de deep learning (gradient boosting, SVM, réseaux de neurones) afin de traiter des problématiques complexes.
Industrialiser un projet de machine learning : mettre en œuvre les principes du MLOps pour structurer, déployer et suivre un modèle de machine learning en production.
Restituer et valoriser les résultats d’une analyse : communiquer les résultats d’un projet de data science à des décideurs ou utilisateurs non spécialistes en produisant des visualisations et des synthèses claires.
Secteur d'activité et type d'emploi
Références juridiques des réglementations d'activité
Sans objet
Voie d'accès à la certification
Prérequis à l'entrée
L’accès à la formation certifiante est conditionné à un niveau de formation équivalent au niveau 7, préférentiellement dans des disciplines telles que les mathématiques, l’informatique, la statistique ou l’économétrie. À défaut, peuvent également être admis des candidats disposant d’une expérience professionnelle avérée et régulière dans le traitement et l’analyse de données. Les candidats doivent par ailleurs justifier d’une expérience professionnelle d’au moins trois années.
Composition du jury — Formation continue
Le Responsable Pédagogique de l'ENSAE-ENSAI Formation Continue en charge du certificat qui en assure la présidence. 2 professionnels du monde de la Data Science, externes à l'ENSAE-ENSAI Formation Continue.
Liens avec d'autres certifications
Anciennes versions
Base légale
Date de décision26-06-2026
Durée de l'enregistrement5 ans
Date d'échéance26-06-2031
Dernière délivrance possible26-12-2031
Pour plus d'informations · Statistiques
AnnéeCertifiésInsertion 6 moisMétier visé 2 ans
2025
21
—
—
2024
27
—
—
2023
20
—
—
2022
42
—
—
2021
34
—
—