Ingénieur en Statistiques (Data Science)

Présentation de la formation

La formation en Statistique vise à former des ingénieurs capables de collecter, analyser, modéliser et interpréter les données dans des environnements complexes et variés.

Alliant mathématiques appliquées, informatique, statistique avancée et intelligence artificielle, ce programme prépare les diplômés à relever les défis liés à la prise de décision, au contrôle qualité, à la modélisation prédictive et à la data science dans les secteurs de l’industrie, de la finance, de la santé, ou encore de l’environnement.

CONDITIONS D’ACCÈS

En 1ʳᵉ année :

Titulaire d’un diplôme de cycle préparatoire (MP, PC, MPSI ou equivalent)
Titulaire d’une licence en mathématiques, statistique, informatique ou équivalent
Étude de dossier pour les autres cas

En 2ᵉ année :

Titulaire d’un Mastère ou équivalent dans la spécialité, sous réserve d’étude du dossier

Pour qui ?

Cette formation s’adresse aux étudiants passionnés par :

Les mathématiques appliquées
L’analyse de données
L’intelligence artificielle
L’aide à la décision
Les problématiques industrielles, économiques ou sociales basées sur la modélisation statistique

Programmes

SEMESTRE 1

Mathématiques générales
Statistique descriptive
Probabilités
Programmation Python
Introduction aux bases de données
Initiation à l’analyse de données
Communication professionnelle
Anglais Technique I
Projet tutoré I

SEMESTRE 2

Analyse numérique
Statistique inférentielle
Théorie des probabilités
Structures de données
SQL et gestion de bases
Méthodes d’échantillonnage
Éthique de l’ingénieur
Anglais Technique II
Projet tutoré II

SEMESTRE 1

Statistiques multivariées
Régression linéaire et logistique
Analyse de variance (ANOVA)
Machine Learning I (supervisé)
R et Python pour la statistique
Méthodes d’optimisation
Projet Data (mini PFE)
Anglais (TOEIC) 1
Module optionnel 1 : Biostatistiques / Économétrie

SEMESTRE 2

Séries temporelles
Méthodes bayésiennes
Fiabilité et contrôle qualité
Machine Learning II (non supervisé)
Visualisation de données
Recherche opérationnelle
Projet sectoriel (industrie/finance/santé)
Anglais (TOEIC) 2
Module optionnel 2 : Data Mining / Big Data

SEMESTRE 1

Deep Learning & IA appliquée
Modélisation stochastique
Analyse des risques
Statistique décisionnelle
Méthodes de classification
Projet d’intégration – DataLab
Module optionnel 1 : Analyse de survie / Systèmes complexes
Module optionnel 2 : Assurance qualité / Data Governance
Entrepreneuriat & Innovation

SEMESTRE 2

Stage de fin d’études (PFE)
Soutenance du PFE
Rapport professionnel

Points forts du programme

Approche orientée projet
Enseignement par des professionnels et chercheurs
Logiciels et langages : Python, R, SQL, SAS, SPSS, Power BI
Ouverture à la recherche et aux stages internationaux
Préparation aux certifications (ex. : TOEIC, certifications Python/R)

Débouchés professionnels

Les ingénieurs en Statistique peuvent travailler dans :

L’industrie (qualité, production, R&D)
La finance, les assurances, la banque
La santé publique et l’épidémiologie
Les startups technologiques et la data science
Le secteur public (statistique nationale, prévisions, sondages)
Les bureaux d’études et cabinets de conseil
L’enseignement supérieur et la recherche appliquée