Expert en sciences des donnees specialite Data Engineering for Artificial Intelligence

Analyser, concevoir et développer des modélisations mathématiques pour enrichir les systèmes d'aide à la décision

• Explorer, décrire et interpréter des données dans leur aspect multidimensionnel.
• Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l'aide de tableaux, de graphiques et d'indicateurs numériques
• Mesurer la liaison entre deux variables
• Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation
• Produire des études statistiques en mettant en oeuvre les techniques d'apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels

Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives

• Participer, avec des Data Engineers, à la rédaction d'un cahier des charges technique pour la conception et la mise en place d'une solution d'analyse des données volumineuses
• Exploiter un système distribué d'entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark
• Contribuer à la définition de l'architecture de stockage de données, en guidant les Data Engineers à prendre en compte les besoins de traitements algorithmiques de l'intelligence artificielle
• Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l'ingénierie logicielle (incluant les approches SQL et NoSQL)
• Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l'intelligence artificielle (préparation à la certification Amazon AWS Solution Architect - Associate)

Détecter et évaluer l'état de l'art de l'intelligence artificielle pour développer des projets innovants

• Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics. Identifier les variables ou composantes importantes d'un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics
• Modéliser des donnée