L’essor considérable du recours au numérique a placé les données au cœur de nombreux processus agricoles et agroalimentaires tels que
- L’automatisation des mesures par imagerie ou spectrométrie des rendements agricoles
- L’analyse des propriétés des aliments à l’échelle moléculaire
- L’usage d’outils de géo-localisation ou de captation des mouvements animaliers
- L’adaptation aux évolutions des modes de consommation grâce aux croisements de données
- Les études consommateurs ou analyse sensorielle
La capacité à gérer, analyser, valoriser d’importants volumes de données, souvent hétérogènes (big data) est devenue un enjeu majeur dans les domaines de l’agronomie et de l’industrie agro-alimentaire, qui nécessite des compétences en informatique, mathématiques et statistiques
Les objectifs principaux
- Analyser des données pour accompagner la prise de décision et en évaluer l’impact
- Concevoir et évaluer des projets interdisciplinaires intégrant la valorisation de données
- Mettre en œuvre des outils d’aide à la décision fondés sur une analyse de l’adéquation des données disponibles aux besoins
- L’automatisation des mesures par imagerie ou spectrométrie des rendements agricoles
- L’analyse des propriétés des aliments à l’échelle moléculaire
- L’usage d’outils de géo-localisation ou de captation des mouvements animaliers
- L’adaptation aux évolutions des modes de consommation grâce aux croisements de données
- Les études consommateurs ou analyse sensorielle
La capacité à gérer, analyser, valoriser d’importants volumes de données, souvent hétérogènes (big data) est devenue un enjeu majeur dans les domaines de l’agronomie et de l’industrie agro-alimentaire, qui nécessite des compétences en informatique, mathématiques et statistiques
Les objectifs principaux
- Analyser des données pour accompagner la prise de décision et en évaluer l’impact
- Concevoir et évaluer des projets interdisciplinaires intégrant la valorisation de données
- Mettre en œuvre des outils d’aide à la décision fondés sur une analyse de l’adéquation des données disponibles aux besoins
• Réduction de la complexité (50 h) : Analyse factorielle ; Visualisation de données massives et hétérogènes
• Statistiques pour données biologiques (66 h) : Données expérimentales ; Apprentissage de données biologiques ; Statistique bayésienne (écologie) OU Sensométrie
• Apprentissage statistique (39 h) : Classification non supervisée ; Machine learning
• Programmation scientifique (43 h) : Computer Science for Big Data ; Analyse de données massives sous R
• Projet professionnalisant (300 h)
• Anglais (24 h)
• Stage (6 mois)
• Statistiques pour données biologiques (66 h) : Données expérimentales ; Apprentissage de données biologiques ; Statistique bayésienne (écologie) OU Sensométrie
• Apprentissage statistique (39 h) : Classification non supervisée ; Machine learning
• Programmation scientifique (43 h) : Computer Science for Big Data ; Analyse de données massives sous R
• Projet professionnalisant (300 h)
• Anglais (24 h)
• Stage (6 mois)
- Chargé/e d'études économiques
- Chargé/e d'études en marketing
- Statisticien/ne en analyse sensorielle
- Statisticien/ne en géomarketing
- Statisticien/ne industriel/le
- Économètre statisticien/ne
- Statisticien/ne
- Data scientist
- Data analyst
- Spécialiste pricing
- Expert/e en sécurité informatique
- Ingénieur/e système
- Chargé/e des méthodes outils et qualité en informatique
- Responsable biométrie
- Architecte web
- Data manager
- Architecte des systèmes d'information
- Ingénieur/e cloud computing
- Gestionnaire de données cliniques
- Développeur/euse d'applications mobiles
- Ingénieur/e études et développement en logiciels de simulation
- Ingénieur/e logiciel
- Testeur/euse en informatique
- Développeur/euse informatique
- Cogniticien/ne
- Développeur/euse multimédia
- Scrum master