Programme des enseignements

Présentation générale

La formation d’ingénieur de l’ENSAI inclut 6 filières de spécialisation. Toutes ces filières forment aux métiers de la Data Science, avec une maîtrise des outils permettant l’extraction, l’analyse et la fouille de données et une capacité à choisir les modalités de traitements des données massives (Big Data) et des techniques d’apprentissage automatique (machine learning). Selon les spécialisations, ces compétences sont spécifiques à un domaine ou transversales. L’ensemble des filières continue à former aux compétences transversales (soft skills) et à la valorisation des travaux menés dans un contexte professionnel et international. Lors des cours et du projet méthodologique en anglais, les élèves travaillent toutes les compétences linguistiques et communicationnelles et approfondissent leurs connaissances liées au monde de l’entreprise et de la recherche. La séquence de Tronc Commun mêlant enseignements scientifiques, projets et anglais conclut la formation à l’autonomie et la capacité à mettre en œuvre des analyses de données en situation complexe. Un stage de fin d’études est à réaliser à l’issue de la scolarité, qui permet de mettre en œuvre dans un cadre professionnel une démarche scientifique autour d’une problématique en lien avec les enseignements de la filière.

La spécialité Marketing Quantitatif est la spécialité préparant aux métiers de l’analyse quantitative des comportements clients et de la stratégie tarifaire. Le datascientist spécialisé dans le marketing travaille avec les équipes marketing de l’entreprise : en amont il aide l’entreprise à mieux connaitre ses clients ou usagers afin de cibler la stratégie marketing de l’entreprise lesquelles sont évaluées en aval. Les domaines d’application sont le retail (traditionnel ou en ligne), l’hôtellerie, les médias et au-delà.

Ces métiers nécessitent donc des ingénieurs mêlant une connaissance large du marketing traditionnel enseigné dans l’UE Culture Marketing et des compétences à forte valeur ajoutée en science des données approfondies dans l’UE Apprentissage automatique. Par ailleurs une UE est dédiée à la connaissance client par des méthodes de scoring et aux techniques de revenue management permettent l’établissement d’une politique tarifaire. De par sa nature, elle permet, au-delà de ses aspects techniques, l’acculturation des ingénieurs aux grands principes marketing dirigeant le monde industriel. En complément des outils de modélisation statistique introduit en 1è et 2e année, une UE est dédiée à l’étude des données de panel, aux modèles à équations structurelles, à la régression bayésienne, aux modèles de choix discret et aux techniques de la statistique spatiale. Transversalement à ces unités d’enseignement, les applications en informatique (R, Python, Spark, Hadoop etc) sont omniprésentes.