Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

Transcription

1 Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

2 Plan Objectifs Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires

3 Structure générale des études à l UTC Règlement des études : -Minimum 22 UVs réussies -Dont 14 dans les catégories CF/CP -NPML, communication -Culture générale -Validation stage et projet Specialisation 1st Internship Fondamental Training 2nd Internship Fondamental& Specialisation

4 Structure du département GI Pierre Morizet

5 Double-diplômes : Cranfield (UK) Saragosse (Esp) Turin (It)* Les séjours à l étranger

6 Photographie d une promotion Flux moyen : 150 diplômés par an Profil moyen d un diplômé du GI 25 UV environ. Dont 18 CF/CP Plus de 3 mentionnées 2 semestres en entreprise Quelques chiffres Près de 40% ont passé au moins 6 mois dans un pays étranger Plus de 20% sortiront avec 2 diplômes (DEA, Masters étrangers)

7 Objectifs Constat Besoin Réponse Les entreprises et administrations sont confrontées à des données surabondantes Extraire des informations permettant de faciliter les prises de décision. Former des ingénieurs mineurs de données information = minerai ingénieur = mineur

8 Débouchés Deux orientations Informatique décisionnelle Gestion d entrepôts de données Secteurs d activités très variés : Entreprises utilisatrices : des multinationales à l administration en prililégiant les banques et les assurances ; Sociétés de Services et d Ingénierie Informatiques (SSII) Editeurs de logiciels (SAS, SPPS...).

9 Débouchés Domaines d applications Analyse de risque: assurance Analyse financière: tendance boursière Décisionnel : stratégie industrielle et commerciale Marketing: prospection de clients, CRM Médecine: recherche de structures génétiques, Prédiction : pic de pollution Gestion de stock...

10 Formation Objectif double : structurer et constituer de vastes entrepôts de données à partir de systèmes parfois hétérogènes «fouiller» ces données pour répondre à des questions précises, tester des hypothèses, réaliser des prédictions ou découvrir des relations cachées.

11 Formation UV s spécifiques NF26 SY09 SY19 AP NF26 : Data Warehouse et décisionnel Principes de développement et d'exploitation des outils informatiques pour la conception et l'exploitation d'entrepôts de données la prise de décision Concepts de base des modèles multidimensionnels; Alimentation; Interrogation, requêtage, OLAP (On-Line Analytical Processing). Outils décisionnels (régression, CRM, tableaux de bord, ) Sources de données BO Data Integrator BO Enterprise Bases Temps Réel Data Cleansing Applications Métiers, ERP Fichiers, Web, XML, COBOL Batch Data profiling Moteur ETL Data Validation Data Auditing Data Warehouse Pilotage Reporting Interrogation Analyses Analyse d Impacts Metadonnées Origine des données

12 Formation UV s spécifiques NF26 SY09: Analyse de données pour le Data Mining Visualisation des données SY09 SY19 AP Exploration statistique Classification automatique Regression

13 Formation UV s spécifiques NF26 SY09 SY19 SY19 : Méthodes de décision statistiques Théorie de la décision Reconnaissance des formes Réseaux de neurones à couches Arbres de décision AP

14 Formation UV s spécifiques NF26 SY09 SY19 Atelier projet (en cours d élaboration) En partenariat avec des industriels, Des problèmes concrets Réalisé par groupe de deux étudiants Suivi par un enseignant de l équipe pédagogique de la filière. AP

15 Formations UVs Connexes Prérecquis du profil commun de branche SY02: Méthodes statistisques pour l ingénieur NF16: Algorithmique et structures de données NF17: Bases de données UV s liées: GE40: Management de projets LO17: Recherche d information: indexation et multimédia LO18: Projet multimédia SR03: Programmation des applications internet LO20: Génie logiciel RO04: Optimisation discrète et continue RO05: Processus stochastiques RO06: Simulation et technique d optimisation SY23: Vision et image

16 Enseignants et partenaires Partenaires industriels EDF, Micropole-Univers, Exalead KXEN SAS CEA.. Equipe pédagogique Stéphane Crozat (UTC), Thierry Denœux (UTC), Gérard Govaert (UTC), Pierre Morizet (UTC), Samuel Samson (Micropole-Univers)

17 Promotions FD Depuis l automne étudiants/an en moyenne Domaines couverts en stages et projets Informatique financière, workflow, reporting, traitement d images, analyse de procédé, business intelligence, datawarehouse, décisonnel analyse multivariée, modèles prédictifs, règles d association Entreprises ayant accueilli des projets de fin d études FD Bios-groupe Keyrus, Business & Decision, Cadexan, Cap Gemini, CERF, CEA, CSC Infogerance, Dassault Systems, Ernst & Young, France Télécom, GDF, General Electric, GE Healthcare System, Glaxowellcome, IBM, INRIA, Legrand S.A, Logia-CMG-Unilog, Mereo, Mircropole Univers, Parexel international, PSA, Siemens, Société Générale, Solystic, Umanis Nord, Universités,

18 Merci de votre attention