La formation en Intelligence Artificielle et Science des Données permet d’acquérir un profil hautement qualifié, un carrefour entre l’informatique pour les donnée massives et l’analyse statistique pour lequel les débouchées sur la marche du travail sont extrêmement variés. Les besoins du marché africain constitut les profils ci-après :
- Technicien ou Ingénieur en Machine Learning et Deep Learning
- Technicien ou Ingénieur en Science des données ;
- Technicien ou Ingénieur en Analyse des données ;
- Technicien ou Ingénieur en robotique ;
- Technicien ou Ingénieur Architect des données ;
- Gestionnaire et développeur de projet informatique orientés vers les données ;
- Technicien ou Ingénieur en modélisation des systèmes complexes.
Référentiel des compétences
Pour occuper les fonctions de travail précitées, l’étudiant en Master d’Intelligence Artificielle et Science des Données (MIASD) doit acquérir les quatre (3) types de compétences suivantes :
- Les compétences générales communes à tous les programmes de Master ;
- Les compétences générales propres au programme d’Intelligence Artificielle et Science des Données ;
- Les compétences spécifiques ou particulières au programme d’Intelligence Artificielle et Science des Données.
Les compétences générales communes à tous les programmes de Master sont :
- Mise en œuvre, gestion et exploitation des environnements Big Data ;
- Mise en œuvre des modèles de prédictions, techniques et outils d’analyse de données ;
- Elaboration des indicateurs métiers pour les systèmes d’aide à la prise de décision ;
- Gestion de projets : Agilité
Les compétences générales propres au programme d’Intelligence Artificielle et Science des Données sont :
- Apprentissage statistique , apprentissage automatique, data, web et text mining, analyse de données temps réel (time series, flux d’évènements), traitement des données imprécises/incertaines, etc. ;
- Conception et utilisation des modèles mathématiques en vue d’analyser et d’optimiser des systèmes très variés avec des données massives
- Acquisition de données non structurées : crawling, scrapping, ETL ;
- Manipulation de données : nettoyage (cleansing), stockage (NoSQL, bases colonnes, bases graphes), analyse de qualité, intégration, extraction des métadonnées, distribution des données ;
- Utilisation des données des réseaux sociaux et moteurs de recherche ;
- Passage à l’échelle, parallélisme (Hadoop, map/reduce) ;
- Développement des systèmes informatique « Data Product » : architecture matérielle/logicielle ;
- Visualisation de données massives (dataviz) et explication des résultats ;
- Développement des applications à base de technologies de l’IA ;
- Manipulation des données SIG
- Mise en œuvre des outils d’aide à la décision informatisés ;
- Développement de systèmes décisionnels : OLAP, Exploitation des BDs décisionnelles (BI) ;
- Gestion des BDs: SQL et NoSQL
- Gestion des projets informatique : Agile, DevOps, DataOps;
- Développement des architectures logicielles avancées orientées sur les processus et services ;
- Soft skills: Gestion de l’entreprise selon une approche « data scientiste»;