MSBigData-ProgrammeDétaillé 2016-2017

19 vues

Publié le

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
19
Sur SlideShare
0
Issues des intégrations
0
Intégrations
3
Actions
Partages
0
Téléchargements
1
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

MSBigData-ProgrammeDétaillé 2016-2017

  1. 1. Grenoble Ecole de Management – 1/8 Programme Mastère Spécialisé Big Data : Analyse, Management et Valorisation responsable 2016-2017
  2. 2. Grenoble Ecole de Management – 2/8 Répartition des modules de formation ----------------------------------------------------------------------------------------------------------- MODULE 1 : SYSTEMES DISTRIBUES ET ARCHITECTURES DE TYPE CLOUD (36 HEURES)  Techniques de construction, d'exécution et de déploiement de systèmes distribués pour la réalisation d'applications gérant des grandes masses de données ("Big Data").  Présentation des connaissances fondamentales sur les systèmes distribués.  Notions de base sur les communications entre machines, sur les types de fautes pouvant se produire, sur les algorithmes de base utilisés dans les systèmes distribués (e.g. broadcast et consensus).  Principales approches d'évaluation de performances dans les systèmes distribués.  Différentes techniques de construction des systèmes à la fois efficaces et qui passent à l'échelle. Parmi elles, l’élasticité et la geo-replication.  Architecture de type cloud, notamment les différentes couches qui les composent, e.g. IaaS, PaaS, SaaS.  Intergiciels de construction des systèmes de collecte, de filtrage et de traitements basiques de grandes masses de données. MODULE 2 : GESTION DE DONNEES A GRANDE ECHELLE (36 HEURES)  Etude des principaux aspects de la gestion des masses de données et de leur analyse, en considérant des systèmes de « type » SQL et NoSQL (e.g Hadoop).  Hétérogénéité des données selon les angles : - Intégration de sources hétérogènes, - Persistance à travers l’approche de persistance - Traitement de flux de données (data streams) en parallèle de données persistantes.  Evaluation de requêtes déclaratives multi-sources  Programmation de requêtes et d’algorithmes d’analyse avec le paradigme Map-Reduce.  Principaux aspects des entrepôts de données et des systèmes décisionnels (business intelligence).
  3. 3. Grenoble Ecole de Management – 3/8 MODULE 3 : ACCES A L’INFORMATION : DU WEB DES DONNEES AU WEB SEMANTIQUE (24 HEURES)  Modèles et algorithmes utilisés par les moteurs de recherche qui tentent d'exploiter au mieux le « web des données ».  Comment étendre le web des données par des contraintes sémantiques (exprimées dans des ontologies) et comment les exploiter de façon efficace pour vérifier la cohérence des données et répondre aux requêtes de manière plus flexible et plus complète ?  Le cours abordera les thématiques suivantes : - Indexation automatique, - Recherche de documents pertinents (fichier inverse, algorithme sorted block index, approche Map-Reduce), - Ordonnancement non supervisé de documents et ordonnancement supervisé (apprentissage automatique), - Ranking et classification des documents.  Etude des éléments essentiels au web des données, RDF, RDFS et SPARQL, et du web sémantique, ontologies et OWL. MODULE 4 : ANALYSE STATISTIQUE MULTI-DIMENSIONNEL, DATA ET TEXT MINING (42 heures)  Approches statistiques permettant d’analyser des données : - Analyse en Composantes Principales, - Régression linéaire multiple et son extension à la régression logistique, - Classification supervisée par SVM ou arbres de décision, - Classification non-supervisée par l'algorithme des k-moyennes.  Algorithmes de fouille de données permettant de faire des analyses fines sur de nombreuses données (structurées ou non) : - Techniques de mining, tels que l’extraction de patrons fréquents, - Clustering et classification, - Performances.  Techniques de programmation parallèle pour l’exploitation de la puissance des processeurs multi-coeurs et des clusters  Dernières techniques d'analyse de données à grande échelle (Berkley Spark) permettant un meilleur passage à l'échelle qu'avec Hadoop.  Fouille de texte portant sur grand nombre de documents textuels pour en extraire automatiquement des faits quantifiés ou de nouvelles informations : - Traitement des langues naturelles, - Recherche d'information, - Fouille de données, - Statistiques descriptives.  Techniques pour l’extraction d’entités, l’extraction d’opinion et de sentiments.
  4. 4. Grenoble Ecole de Management – 4/8 MODULE 5 : SECURITE INFORMATIQUE ET CONFIDENTIALITE (18h)  conception d’architectures sécurisées,  théorie et mécanismes d’authentification,  éléments théoriques de base pour la sécurité informatique,  caractérisations et modélisations des menaces,  conception et respect des rôles,  respect de la vie privée et défis associés. MODULE 6 : VISUALISATION DE L’INFORMATION (18h)  Introduction à la visualisation d'information  Perception visuelle  Éléments de sémiologie graphique  Techniques d'interaction  Evaluation des systèmes de visualisation  Visualisation de graphes  Visualisation de données multidimensionnelles  Outils informatiques de visualisation MODULE 7 : LES NOUVELLES TECHNIQUES DU MANAGEMENT (24H)  Connaître les rôles des acteurs sociaux en entreprise,  Comprendre les évolutions du management dans un contexte agile.  Savoir identifier les risques liés au projet Big Data  Savoir ce que c’est la conduite du changement dans un projet Big Data  Comprendre l’aspect transverse et inter-organisationnel du projet Big Data  Comprendre les différentes méthodes de gestion de projets  Comprendre les attentes vis-à-vis d’un chef de projet  Comprendre l’Agilité et savoir adopter les pratiques agiles dans un projet  Connaître les bases de la gestion de programmes avec les pratiques agiles  Savoir identifier les risques, évaluer leurs impacts et définir des stratégies pour les réduire ou les éviter.  Connaître les étapes clés de la conduite du changement  Comprendre ce qu’est la pensée créative, quand et comment l’utiliser  Comprendre l’approche du Creative Problem Solving  Identifier et mettre en pratique des outils et techniques de résolution de problème par la pensée créative MODULE 8 : MANAGEMENT DES RESSOURCES (24H)  Savoir identifier les rôles et les profils « data science » au sein d'une organisation  Avoir une vision de l’histoire de l’évolution des architectures, les raisons de ces évolutions, les architectures émergentes.  Comprendre les différentes architectures de références autour de la donnée en entreprise, pour être capable d’en faire l’audit (quel besoin fonctionnel pour quel type d’architecture).
  5. 5. Grenoble Ecole de Management – 5/8  Comprendre les problématiques des DSI en termes d’architecture face à une évolution vers le Big Data et savoir adresser des directives d’architecture répondant à ces problématiques.  Comprendre les concepts autour de l’open data  Avoir un aperçu des différents canaux de l’open data  Être sensibilisé à l’importance du processus de régulation de données dans le cadre de l’open data (découverte, qualification, validation)  Comprendre le potentiel « business » et « marché » des données externes à l’entreprise. En comprendre le modèle économique (quel retour sur investissement). MODULE 9 : PROCESSUS DE PRISE DE DECISION (36h)  Comprendre les types de décisions prises en entreprise (stratégique, tactiques, opérationnelles)  Comprendre les phases lors d’une prise de décision (Formalisation/Identification du problème, Instruction/Recensement des solutions possibles, Choix/sélection d’une solution, Exécution/Mise en œuvre de la décision)  Comprendre la dynamique de prise de décision par un groupe  L’analyse de données permet d’automatiser la recherche d’information. Mais la prise de décision reste humaine.  Comment prendre des décisions plus intelligentes (make smarter decisions) dans un processus d’innovation  Prendre des décisions sur les données, et sur son intuition  Comprendre en quoi les données agissent sur les types de décisions (stratégiques, tactiques, opérationnelles)  Comprendre l’impact pour les grandes fonctions de l’entreprise de prendre les décisions à partir de données (Marketing, Ressources humaines, Production, Finance, …) MODULE 10 : CREATION DE VALEUR SERVICE (24h)  Développer la capacité à identifier comment les données peuvent contribuer à créer de la valeur service pour les clients.  Apprendre à modéliser la valeur des services et des processus business.  Apprendre les méthodologies dans l’innovation de services.  Ce module est centré sur la création de valeur comme levier d’innovation et système de management de l’entreprise.  Comment considérer et faire valoir le big data comme un objet de service ? MODULE 11 : GOUVERNANCE DE LA STRATEGIE ET DE L’INFORMATION (36H)  Maîtrise de la notion d’information (nature, type, prolifération, diversité des sources…) et de ses impacts (éthiques, sociaux, juridiques, fiscaux, règlementaires…),  Connaissance des enjeux du Knowledge Management,
  6. 6. Grenoble Ecole de Management – 6/8  Intégration des enjeux liés au système d’information dans la gestion de l’information,  Compréhension de la sécurité de l’information et de ses mécanismes.  Connaissance des Business Models adoptés par des acteurs clés de l’économie Big data  Compréhension des moyens d’analyse de la donnée dans un cadre de connaissance / vision 360° client,  Compréhension des mécanismes d’analyse et de décision temps réel permettant la personnalisation des messages adressés aux clients et prospects,  Connaissance de retours d’expérience liée à l’utilisation du Big Data dans un cadre Marketing / Ventes.  Compréhension de l’intelligence économique et des enjeux de la veille anticipative (stratégique, économique, technologique…),  Compréhension du rôle de la Data Science dans cette veille. MODULE 12 : ETHIQUE (36H)  Savoir apprécier la manière dont les questions éthiques peuvent se poser dans les entreprises en particulier dans un contexte international.  Avoir compris et appris à analyser de façon critique les enjeux de ces controverses dans le cadre de la mondialisation, dans le développement durable, etc.  Avoir étudié, par l'intermédiaire d'études de cas, l’impact au niveau éthique des décisions qu’ils pourraient avoir à prendre en tant que responsable.  Avoir appris à appliquer la philosophie morale comme outil dans la résolution des dilemmes éthiques dans le monde des affaires.
  7. 7. Grenoble Ecole de Management – 7/8 PLAN d’ACCES
  8. 8. Grenoble Ecole de Management – 8/8

×