Filière Data Mining (Fouille de données) - hds.utc.fr pmorizet/  · (Fouille de données) Pierre

download Filière Data Mining (Fouille de données) - hds.utc.fr pmorizet/  · (Fouille de données) Pierre

of 18

  • date post

    12-Sep-2018
  • Category

    Documents

  • view

    214
  • download

    0

Embed Size (px)

Transcript of Filière Data Mining (Fouille de données) - hds.utc.fr pmorizet/  · (Fouille de données) Pierre

  • Filire Data Mining(Fouille de donnes)

    Pierre Morizet-Mahoudeaux

  • Plan

    Objectifs Dbouchs Formation

    UVs spcifiques UVs connexes

    Enseignants et partenaires

  • Structure gnrale des tudes lUTC

    1

    2

    3

    Fondamental Training

    1st InternshipFondamental&Specialisation

    Specialisation 2nd InternshipRglement des tudes :-Minimum 22 UVs russies

    -Dont 14 dans lescatgories CF/CP

    -NPML, communication-Culture gnrale-Validation stage et projet

  • Structure du dpartement GI

    Pierre Morizet

  • Les sjours ltranger

    Double-diplmes :Cranfield (UK)Saragosse (Esp)Turin (It)*

  • Photographie dune promotion

    Flux moyen : 150 diplms par an Profil moyen dun diplm du GI 25 UV environ. Dont 18 CF/CP Plus de 3 mentionnes 2 semestres en entreprise

    Quelques chiffres Prs de 40% ont pass au moins 6 mois dans un pays tranger Plus de 20% sortiront avec 2 diplmes (DEA, Masters trangers)

  • Objectifs

    Les entreprises et administrations sont confrontes desdonnes surabondantes

    Extraire des informations permettant de faciliter les prisesde dcision.

    Former des ingnieurs mineurs de donnes information = minerai ingnieur = mineur

    Constat

    Besoin

    Rponse

  • Dbouchs

    Deux orientations Informatique dcisionnelle Gestion dentrepts de donnes

    Secteurs dactivits trs varis : Entreprises utilisatrices : des multinationales ladministration

    en prililgiant les banques et les assurances ;

    Socits de Services et dIngnierie Informatiques (SSII) Editeurs de logiciels (SAS, SPPS...).

  • Dbouchs

    Domaines dapplications Analyse de risque: assurance Analyse financire: tendance boursire Dcisionnel : stratgie industrielle et commerciale Marketing: prospection de clients, CRM Mdecine: recherche de structures gntiques, Prdiction : pic de pollution Gestion de stock ...

  • Formation

    Objectif double : structurer et constituer de vastes entrepts de donnes

    partir de systmes parfois htrognes

    fouiller ces donnes pour rpondre des questions prcises, tester des hypothses, raliser des prdictions ou dcouvrir des relations caches.

  • Formation UVs spcifiques

    NF26 : Data Warehouse et dcisionnel Principes de dveloppement et d'exploitation des outils

    informatiques pour

    la conception et l'exploitation d'entrepts de donnes la prise de dcisionConcepts de base des modles multidimensionnels;

    Alimentation;

    Interrogation, requtage, OLAP (On-Line Analytical Processing).

    Outils dcisionnels (rgression, CRM, tableaux de bord, )

    NF26

    SY09

    SY19

    AP

    MetadonnesAnalysedImpacts

    Origine desdonnes

    TempsRel

    Batch

    Sources de donnes

    Bases

    ApplicationsMtiers, ERP

    Fichiers, Web,XML, COBOL

    BO Enterprise

    PilotageReporting

    Interrogation Analyses

    Data WarehouseDat

    a p

    rofi

    ling

    MoteurETL

    BO Data Integrator

    Data Auditing

    Data Validation

    DataCleansing

  • Formation UVs spcifiques

    SY09: Analyse de donnes pour le Data Mining Visualisation des donnes Exploration statistique Classification automatique Regression

    NF26

    SY09

    SY19

    AP

  • Formation UVs spcifiques

    SY19 : Mthodes de dcision statistiques Thorie de la dcision Reconnaissance des formes Rseaux de neurones couches Arbres de dcision

    NF26

    SY09

    SY19

    AP

  • Formation UVs spcifiques

    Atelier projet (en cours dlaboration) En partenariat avec des industriels, Des problmes concrets Ralis par groupe de deux tudiants Suivi par un enseignant de lquipe pdagogique de la filire.

    NF26

    SY09

    SY19

    AP

  • FormationsUVs Connexes

    Prrecquis du profil commun de branche SY02: Mthodes statistisques pour lingnieur NF16: Algorithmique et structures de donnes NF17: Bases de donnes

    UVs lies: GE40: Management de projets LO17: Recherche dinformation: indexation et multimdia LO18: Projet multimdia SR03: Programmation des applications internet LO20: Gnie logiciel RO04: Optimisation discrte et continue RO05: Processus stochastiques RO06: Simulation et technique doptimisation SY23: Vision et image

  • Enseignants et partenaires

    Partenaires industriels EDF, Micropole-Univers, Exalead KXEN SAS CEA ..

    Equipe pdagogique Stphane Crozat (UTC), Thierry Denux (UTC), Grard Govaert (UTC), Pierre Morizet (UTC), Samuel Samson (Micropole-Univers)

  • Promotions FD

    Depuis lautomne 2004 20 tudiants/an en moyenne Domaines couverts en stages et projets

    Informatique financire, workflow, reporting, traitement dimages, analyse de procd, business intelligence, datawarehouse, dcisonnel analyse multivarie, modles prdictifs, rgles dassociation

    Entreprises ayant accueilli des projets de fin dtudes FD Bios-groupe Keyrus, Business & Decision, Cadexan, Cap

    Gemini, CERF, CEA, CSC Infogerance, Dassault Systems,Ernst & Young, France Tlcom, GDF, General Electric, GEHealthcare System, Glaxowellcome, IBM, INRIA, LegrandS.A, Logia-CMG-Unilog, Mereo, Mircropole Univers, Parexelinternational, PSA, Siemens, Socit Gnrale, Solystic,Umanis Nord, Universits,

  • Merci de votre attention