Retour

Mastère spécialisé Data Science pour la connaissance client

Niveau Master, Ingénieur, Doctorat
La formation Data Science pour la Connaissance Client se positionne comme une spécialisation de niveau Bac+6.
Elle permet d’acquérir un profil hautement qualifié en modélisation statistique et en Machine Learning au service de la connaissance du client, complété par des enseignements spécifiques permettant de cerner tous les aspects liés au marketing : programme de fidélisation, publicités ciblées, analyse de la satisfaction client…
En termes de compétences, l’ENSAI propose une formation qui correspond à son positionnement historique : rigueur scientifique et opérationnalité des diplômés.
Cette culture mathématique, associée aux savoir-faire statistiques et informatiques dispensés dans le Mastère, garantie le choix raisonné des méthodes appropriées et une mise en œuvre qualifiée et rapide des innovations dans les entreprises.
L’accent est par ailleurs mis sur l’acquisition de compétences transversales et comportementales (soft skills) liées à la gestion de projet, les interactions avec les autres métiers de l’entreprise, le partage de son expertise, la communication interpersonnelle.
Acquisition et valorisation des données et modélisation statistique.
De nombreux intervenants issus du monde professionnel, participent à la formation Data Science pour la Connaissance Client et assurent un enseignement académique et une immersion dans la vie en entreprise. Le cursus prévoit 403 heures de cours incluant des enseignements théoriques, des travaux pratiques et des travaux de groupes, ainsi qu’un travail personnel préparé dans le cadre d’une mission en entreprise débouchant sur la soutenance d’une thèse professionnelle
UE 1 - UE Harmonisation ENSAI
Rappel de mathématiques et de statistique
Principes de modélisation, statistiques multivariées
Économétrie
Séries temporelles
Python orienté objet
Team building et suivi de l'intégration
UE 2  - UE Machine Learning
Apprentissage statistique
Apprentissage profond
Apprentissage profond avancé
Webmining et natural language processing
Apprentissage par renforcement
Traitement du langage avancé
UE 3 - UE Modélisation
Économétrie des données de panel
Modèle de Régression bayésienne
Statistiques et économétrie spatiale
Modèles de choix discrets
UE 4 - UE de professionnalisation
Introduction et présentation du marketing
Gestion de la relation client
Marketing experientiel
Marketing digital
Scoring
Système de recommandation
Mesure et analyse de la satisfaction(appli text mining, ... )
Ateliers - La méthodo resituée dans l'entreprise
Droit et éthique des données
Data visualisation et data story telling
compétences transversales, communication interindividuelle et connaissance de soi

établissements

Trouver un conseiller près de chez vous
Retour en haut de page