Licence professionnelle Décision et traitement de l'information (data-mining)
Pour y accéder
Les candidats doivent avoir validé un niveau BAC+2 Mathématiques/Informatique ou équivalents : L2 Mathématique informatique, Sciences économiques, Mathématiques appliquées aux sciences sociales, DUT STID, DUT informatique, BTS informatique de gestion, etc.
Les plus de la formation
La licence professionnelle Data Mining a pour objectif de former des professionnels du traitement de la donnée, opérationnels très rapidement. En effet, dans le cadre de leur alternance, les étudiants sont intégrés dans des directions opérationnelles et peuvent, par exemple, avoir comme mission de concevoir de vastes entrepôts de données ou de mettre en oeuvre des modèles statistiques de prévisions, des scores. Cette formation a pour objectif de former des étudiants à une double compétence statistique et informatique décisionnelle, compétences très demandées de nos jours dans les entreprises compte tenu de l'accroissement des volumes de données et de l'importance de la donnée dans la prise de décision.
La double compétence statistique et informatique de la formation est très appréciée des entreprises de tout secteur. A ce jour, voici celles qui nous accordent leur confiance en recrutant nos étudiants en tant qu'apprenti(e)s ou salarié(e)s : URSSAF, EDF, Engie, Société Générale, La Poste, Orange, SFR, BNP, Carrefour, AXA, Mairie de Paris, Conseil Général d'Ile de France, Le Gan, Air France, Lincoln, SNCF, AVIVA, Disney, ...
Un grand nombre d'offres de missions d'apprentissage proposé par nos nombreux partenaires par le biais du CFA Descartes et des deux Professeurs associés (PAST) dédiés à la formation. Les candidats sont très bien accompagnés dans leur recherche de mission par apprentissage : rédaction de CV et lettres de motivation, conseil pour les entretiens...
De plus, le corps enseignant de cette formation est composé d'experts du monde universitaire et d'experts du monde professionnel, ce qui permet d'allier la rigueur de la théorie à l'expérience pratique.
Compétences visées
Cette formation permet d'acquérir des compétences liées aux outils et méthodes que ce soit pour l'informatique décisionnelle (ex : Suite Microsoft BI), sur les statistiques (ex : SAS, R, Python analyse mutidimensionnelle, modèles linéaires ou non linéaires), le Big Data, ainsi que sur le datamining en entreprise. Tout au long de l'année, les étudiants participeront à des projets de groupe.
Enfin ils auront la possibilité d'acquérir des compétences en communication et en anglais afin de faciliter leur recherche d'emploi.
Capacité d'accueil
25
Modalités d'accès
Candidature en ligne via eCandidat.
Lien des modalités de candidature
Lieu(x) de la formation
Campus Marne la Vallée - Champs sur Marne
Bâtiment Copernic
Après la formation
A l’issue de la formation, les étudiants peuvent prétendre aux postes suivants : analyste, chargé(e) d’étude, data scientist, dataminer, chargé(e) d’étude marketing, prévisionniste, administrateur bases de données, statisticien(ne), consultant(e) en Business Intelligence...
Insertion professionnelle
Très bonne insertion : le secteur est demandeur
Objectifs de la formation
Former des data Analysts et Scientists directement opérationnels
Disciplines majeures
Statistiques, Informatique, Data Mining, Communication, Anglais
Organisation de la formation
Alternance
Modalités d'admission en FI :
Possible (même modalité que les autres types de formation)
Modalités d'admission en FC :
Possible (même modalité que les autres types de formation)
Modalités d'admission en FA :
Possible (même modalité que les autres types de formation)
Calendrier
Période stage et/ou rythme de l'alternance : deux jours à l'Université / trois jours en entreprise, sauf pour les semaines dédiées à l'entreprise selon le calendrier établi chaque année.
Environnement de recherche
Présence de professeurs Universitaires
Tarif FC (Les informations ci-contre s'adressent uniquement aux adultes en reprise d'études)
7000 €/an
Eligibilité CPF
Non
Modalités formation à distance
Temps travail personnel
NC
| Enseignements | ECTS | CM | TD | TP |
|---|---|---|---|---|
| COMPETENCES DISCIPLINAIRES | 30 | |||
|
S1-Introduction statistique
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
S2-Analyses multidimensionnelles
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
S3-Classification non supervisée
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
S4-Régression linéaire
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
S5-Classification supervisée
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
I1-Introduction aux bases de données relationnelles
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
I2-Plateforme data intégrée avec Amadéa
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
I3-Architecture Big Data
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
I4-Modélisation SI / DataWarehouse
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
I5-Python
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
DM1- Initiation au langage SAS
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
DM2-Techniques de scoring sous R et Python
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
DM3-Gestion de projet
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
DM4-Introduction réseaux de neurones
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
|
DM5-DMP / Webanalytics
Langue de l'enseignement FRANÇAIS / FRENCH | 2 | 10h | 10h | |
| COMPETENCES TRANSVERSALES ET LINGUISTIQUE | 6 | |||
|
Communication
Langue de l'enseignement FRANÇAIS / FRENCH | 3 | 20h | ||
|
Anglais
Langue de l'enseignement ANGLAIS / ENGLISH | 3 | 20h | ||
| COMPETENCES PROFESSIONNELLES | 24 | |||
|
Projet tutoré en fouilles de données
Langue de l'enseignement FRANÇAIS / FRENCH | 12 | 110h | ||
|
Stage
Langue de l'enseignement FRANÇAIS / FRENCH | 12 |
Hervé CLEMENT (LP)
Stéphanie COGNY
Partenaire(s)
