Encadrer un Projet d’Etude

Projet 2e Année (niveau M1)

L’ENSAI fait appel à des praticiens de la statistique pour encadrer des projets de 2e année. Cette activité pédagogique a pour objectif l’application, voire l’approfondissement, des connaissances statistiques acquises en 1re et 2e année.

Travail des élèves

Les élèves travaillent par groupes de 3 ou 4 sur un sujet qu’ils ont choisi, sous la direction du praticien qui l’a proposé. Ils traitent le sujet en utilisant les concepts, méthodes et outils appropriés. Chaque groupe rend compte de son travail sous forme d’un rapport écrit et d’une soutenance. La quantité de travail que l’on peut attendre des élèves est de l’ordre de 4 heures hebdomadaires par élève, compte tenu de leur charge de travail extérieure au projet (ils continuent parallèlement à suivre les cours de l’école).

Contenu statistique du projet

Pour répondre à la problématique, les élèves doivent utiliser leurs connaissances en séries temporelles, théorie des sondages, analyse de données, régression linéaire, régression sur variables catégorielles, économétrie…. D’autres outils peuvent être utilisés. Le tuteur s’engage alors à les présenter aux étudiants.

Rôle de l’encadrant

Le tuteur amène un sujet composé :
– d’une problématique ;
– d’un ou plusieurs jeu(x) de données qui doit être structuré, de volume raisonnable et documenté si besoin ;
– des éléments de bibliographie nécessaires aux étudiants pour contextualiser l’analyse et discuter les résultats obtenus lors de la rédaction du rapport final.

L’encadrement d’une telle activité nécessite de la part de l’encadrant une bonne connaissance des données qu’il fournit aux élèves et une bonne maîtrise des techniques statistiques de base utilisées pour leur traitement.

Calendrier

D’octobre à fin novembre : proposition des sujets complets (avec les jeux de données) que l’ENSAI valide
Décembre : les élèves choisissent les sujets et forment librement leur groupe
Fin janvier : réunion de lancement du projet en présence du tuteur
Février à avril : suivi du projet (4 séances) en présentiel ou visio-conférence
Fin avril ou début mai : remise du rapport
Mi-mai : soutenances des projets devant un jury composé d’un président, d’un permanent de l’ENSAI, d’un expert en communication et du tuteur

Accès aux données

La totalité des données à traiter doit être disponible avant le début du projet, sur support informatique. La taille des bases de données est limitée à 100 Mo (adaptables si vous jugez cette taille insuffisante pour votre projet). L’utilisation de Sas ou R est obligatoire.

Confidentialité

Les données seront stockées dans un répertoire dont l’accès est limité aux seuls élèves du groupe concerné et au responsable des projets. Tous les élèves signent une charte de confidentialité.

Rémunération

L’encadrement des projets est rémunéré au forfait. Les éventuels frais de déplacement sont pris en charge par l’ENSAI.

Vous souhaitez proposer et encadrer un ou plusieurs projets ?

Présentez en une page :

  • le thème de l’étude
  • la problématique
  • le type de données
  • quelques éléments de bibliographie

Envoyez votre document à :
> David Audenaert, responsable des projets 2A / david.audenaert@ensai.fr

 

Projet de Fin d'Etudes (niveau M2)

Chacune des 6 filières de spécialisation offre la possibilité d’encadrer des projets d’étudiants. Le format et le calendrier varient en fonction des filières.

> contactez directement le responsable de la filière pour proposer un projet.

Data Science & Génie statistique

Le génie statistique enseigné à l’ENSAI ouvre des perspectives professionnelles très larges. Ces experts en modélisation maîtrisent en effet plusieurs champs qui vont de la qualité-fiabilité pour l’industrie à la prévision environnementale, en passant par le traitement de l’image et du signal.

> Responsable de la filière : Sébastien Da Veiga  / sebastien.da-veiga@ensai.fr

Data Science & Gestion des risques 

Afin de bien évaluer et mesurer le risque associé aux différentes opérations, les banques ont besoin de s’appuyer sur des experts maîtrisant à la fois la règlementation bancaire et les techniques quantitatives avancées. La construction d’outils quantitatifs efficaces pour bien gérer l’épargne financière est également indispensable : gestion des risques et gestion des actifs sont au cœur de cette spécialisation.

> Responsable de la filière : Samuel Danthine / samuel.danthine@ensai.fr

Data Science en Santé & Biostatistique

L’ENSAI propose une spécialisation en biostatistique qui permet d’embrasser des carrières passionnantes au sein de grands laboratoires pharmaceutiques, les biotechnologies et dans la santé publique.

> Responsable de la filière : Matthieu Marbac-Lourdelle / Matthieu.MARBAC-LOURDELLE2@ensai.Fr

Data Science & Ingénierie des données

Le Data Scientist qui aura suivi cette spécialisation est doté d’une forte culture informatique associée à son bagage initial de statisticien. Expert des environnements Big Data, il bénéficie des connaissances suffisantes en architecture des systèmes, en réseaux et en sécurité informatique pour manipuler de très grands volumes de données.

> Responsable de la filière : Cédric Herzet / Cedric.HERZET2@ensai.Fr

Data Science & Marketing

Les ingénieurs qui suivent cette spécialisation bénéficient d’une culture marketing à haute valeur ajoutée (marketing mix, marketing expérientiel, marketing digital, gestion de la relation client) qui leur permettra d’extraire et analyser des données pour comprendre et expliquer, mais aussi et surtout pour prédire des comportements d’achat de produits et de services.

> Responsable de la filière : Basile De Loynes / basile.deloynes@ensai.fr

Data Science, Modélisation économique & Santé

Cette spécialisation donne un bagage en ingénierie statistique, en économie, en économétrie appliquée à la connaissance des dynamiques territoriales et à la santé, et permettant l’évaluation des politiques publiques ainsi que des programmes privés.

> Responsable de la filière : Samuel Danthine / samuel.danthine@ensai.fr

 

 

Projet méthodologique 3e année (Niveau M2)

Travail des élèves

Les élèves des spécialisations Data Science & Génie Statistique et Data Science en Santé & Biostatistique travaillent par groupes de 2 ou 3 sur un sujet qu’ils ont choisi, sous la direction du praticien qui l’a proposé. Ils traitent le sujet en utilisant les concepts, méthodes et outils appropriés. Un élève de l’ENSAI consacre en moyenne entre 30 et 40h de travail à ce type de projet. 

Les projets méthodologiques étudiants des filières Data Science & Gestion des Risques, Data Science & Marketing, Data Science, Modélisation Economique & Santé et Data Science & Ingénierie des Données prennent la forme d’une revue de littérature intégrée au Projet de fin d’études. 

Les séances de travail des projets méthodologiques de 3e année sont menées en anglais, tout comme le rapport écrit et la soutenance. Il est demandé à l’encadrant d’assurer les échanges avec les étudiants en langue anglaise. 

Contenu statistique du projet

La problématique s’oriente autour d’un ou plusieurs articles scientifiques, pouvant mobiliser des méthodes statistiques avancées, parmi lesquelles le machine-learning, la modélisation économique, le traitement du langage, la gestion de portefeuilles ou encore l’épidémiologie.  

Parmi les sujets possibles : comparaison de modèles, revue de littérature, reproduction d’un article, synthèse d’une controverse scientifique, etc. 

Vous souhaitez proposer et encadrer un ou plusieurs projets ?

NB : L’encadrement du projet méthodologique peut être assuré par un·e professeur·e de l’école sur proposition d’un sujet compatible.   

> contactez directement le responsable de la filière pour proposer un projet avant début septembre (voir coordonnées dans la section consacrée au projet de fin d’études).

Portfolio de projets

Projet Master for Smart Data Science (niveau M2)

Le Master for Smart Data Science (master international) offre la possibilité d’encadrer des projets d’étudiants. 

L’encadrement des projets se déroule en anglais.

Contactez directement le responsable du Master pour proposer un projet :
> François Portier / francois.portier@ensai.fr

Data Science et Sport

Retour en images sur le Data Challenge co-organisé par l’ENSAI, la Fédération Française de Rugby et le groupe Stat et Sport de la Société Française de Statistique. 

Voir la vidéo