Certificat de Data Scientist
Data Science : prédire et décider avec le machine learning opérationnel
Le Certificat de Data Scientist est une formation certifiante en data science (éligible CPF), conçue pour les professionnels en activité et organisée pour être compatible avec l’exercice d’une activité professionnelle.
Le certificat
Le Certificat de Data Scientist est une formation certifiante en data science (éligible CPF), conçue pour les professionnels en activité et organisée pour être compatible avec l’exercice d’une activité professionnelle.
Vous apprendrez à...
- Analyser un besoin métier et le traduire en problématique data science
- Identifier et extraire des données issues de différentes sources (SQL, NoSQL...)
- Préparer et transformer les données afin d'obtenir un jeu de données fiable et exploitable
- Concevoir un pipeline de traitement automatisé pour assurer la reproductibilité des opérations
- Explorer un jeu de données pour identifier les relations entre variables et les structures sous-jacentes
- Développer des modèles de machine learning (régression et classification supervisée)
- Comparer des modèles prédictifs à l'aide d'indicateurs de performance et de méthodes de validation
- Appliquer des méthodes avancées de machine learning et de deep learning (gradient boosting, SVM, réseaux de neurones)
- Mettre en œuvre les principes du MLOps
- Restituer et valoriser les résultats d'une analyse
Programme
Ce parcours propose une approche progressive et opérationnelle de la data science, des fondamentaux de l'apprentissage statistique jusqu'aux techniques avancées de machine learning, de deep learning et de traitement de données massives.
De la préparation des données au déploiement de modèles (MLOps), en passant par le machine learning, le deep learning et les grands modèles de langage (LLM), le certificat couvre l'ensemble de la chaîne de traitement et de valorisation des données, avec un équilibre assumé entre fondements théoriques et mise en pratique.
Public visé & prérequis
Cette formation est ouverte à des candidats ayant un niveau de formation équivalent à bac+5, préférentiellement dans des disciplines telles que les mathématiques, l'informatique ou l'économétrie, ou à défaut disposant d'une expérience professionnelle avérée et régulière dans le traitement et l'analyse de données.
Le prérequis principal est de connaître le langage Python (bibliothèques numpy, pandas, matplotlib) afin de pouvoir implémenter les méthodes étudiées en cours.
Certification
Examen écrit · 4 heures
Principalement fondé sur des études de cas, pour évaluer les compétences opérationnelles acquises pendant le certificat.
Soutenance de projet
Restitution d'un projet professionnel réalisé durant la formation, pour apprécier la capacité à structurer les résultats et à justifier ses choix méthodologiques.
La validation du certificat est soumise à la réussite à ces épreuves, ainsi qu'à la présence obligatoire aux cours. En cas de réussite, le participant se voit décerner un Certificat de Data Scientist du Groupe ENSAE-ENSAI.
Pourquoi choisir ce certificat ?
- Une formation réellement pensée pour les professionnels en activité
Le rythme et l'organisation permettent de se former en data science sans interrompre son activité professionnelle. - Un parcours complet en data science appliquée
De la préparation des données au déploiement de modèles, en passant par le machine learning, le deep learning et les LLMs. - Un équilibre assumé entre fondements théoriques et mise en œuvre
Comprendre les méthodes pour mieux les utiliser, avec de nombreux travaux pratiques et études de cas. - Une attention portée aux enjeux de passage à l'échelle
Pipelines de données, traitements distribués avec Spark, cloud computing et bonnes pratiques d'industrialisation des modèles (MLOps). - Une sensibilisation au droit et à l'éthique de la donnée
Pour une utilisation responsable des données et de l'IA. - Un cadre certifiant reconnu
Formation certifiante éligible au CPF, certificat délivré par le Groupe ENSAE-ENSAI. - Un projet de fin de parcours structurant
Un travail appliqué mené sur la durée, permettant de consolider les acquis et de les valoriser professionnellement.
Ce parcours propose une approche progressive et opérationnelle de la data science, depuis les fondamentaux de l'apprentissage statistique jusqu'aux techniques avancées de machine learning, de deep learning et d'intelligence artificielle générative. Il permet d'acquérir les compétences nécessaires pour collecter, préparer, analyser et valoriser les données, tout en maîtrisant les principaux outils, méthodes et environnements utilisés dans les projets data. Les différents modules combinent apports conceptuels et mises en pratique afin de fournir une vision cohérente de la chaîne de traitement et d'exploitation des données.
Les fondamentaux du métier de data scientist
Après avoir introduit les fondamentaux du métier de data scientist — son environnement, ses enjeux et sa place au sein des organisations — ce module fournit les bases théoriques et pratiques de l’apprentissage statistique et du machine learning appliqués à des problématiques de régression et de classification supervisée. Les principaux modèles prédictifs sont étudiés, depuis les méthodes linéaires jusqu’aux arbres de décision et aux forêts aléatoires, ainsi que les techniques de régularisation et de transformation des variables. Une attention particulière est portée à l’évaluation et à la comparaison des modèles à l’aide de la validation croisée, afin de développer une démarche rigoureuse de modélisation et d’analyse des données.
Bases de données et requêtage
Ce module est consacré aux fondamentaux de la gestion et de la préparation des données dans le cadre de projets data. Il couvre les principales méthodes d’acquisition, d’extraction et de transformation de données issues de sources variées, ainsi que les bonnes pratiques de préparation en vue de leur analyse. Les concepts et outils de stockage et de requêtage sont ensuite abordés à travers les bases de données relationnelles (SQL) et non relationnelles (NoSQL), ainsi que les principes du cloud computing appliqués aux environnements data. Enfin, le module traite de la conception et de la mise en œuvre de pipelines de traitement permettant d’automatiser les étapes de collecte, de nettoyage, de structuration et de prétraitement des données, dans une logique de reproductibilité et d’industrialisation.
Machine Learning avancé · Deep Learning
Dans un premier temps, ce module est consacré à l’étude et à la mise en œuvre de méthodes avancées de Machine Learning appliquées à des problématiques de régression et de classification supervisée. Il aborde notamment le Gradient Boosting ainsi que les Machines à Vecteurs de Support (SVM) et leur variante dédiée à la régression (SVR). Dans un second temps, il introduit les principes fondamentaux du Deep Learning et du fonctionnement des réseaux de neurones artificiels. Les principaux mécanismes d’apprentissage, d’optimisation et de régularisation sont étudiés afin de concevoir des modèles performants et robustes. Les concepts abordés sont mis en pratique sur des données structurées et des images.
Deep Learning (suite) · Clustering
Ce module permet d’étudier et de mettre en œuvre des méthodes avancées de Machine Learning et de Deep Learning appliquées à la prévision de séries temporelles. Il aborde les approches de modélisation adaptées aux données temporelles, depuis le feature engineering jusqu’aux architectures de réseaux de neurones récurrents telles que les LSTM et les GRU. Il introduit également les principes fondamentaux des Transformers et des grands modèles de langage (LLM), ainsi que leur utilisation dans des cas d’usage de data science tels que la génération de contenu, la recherche sémantique et la génération augmentée par récupération (RAG). Enfin, il présente les principales méthodes de classification non supervisée, notamment le clustering hiérarchique (CAH), K-means et DBSCAN, afin d’identifier des groupes homogènes et des structures sous-jacentes au sein des données.
Ce module inclut une demi-journée d’atelier de suivi de projet tutoré.
Pipelines de machine learning, datacamp et cadre réglementaire
Ce module vise tout d’abord à apprendre à créer des chaînes de traitements automatisées qui transforment des données brutes en prédictions exploitables. Les participants apprendront notamment à structurer un projet de manière professionnelle et à appliquer les bonnes pratiques de développement collaboratif. Ils mobiliseront ensuite l’ensemble des compétences acquises précédemment à travers la réalisation d’un cas d’étude complet. Le module aborde également les enjeux juridiques, éthiques et réglementaires liés à l’exploitation des données et à l’intelligence artificielle, notamment au regard du RGPD et de l’AI Act, afin de développer des solutions responsables et conformes aux exigences réglementaires.
Ce module inclut une demi-journée d’atelier de suivi de projet tutoré.
Traitement de données massives avec Spark · MLOps
Ce module permet d’acquérir les compétences nécessaires pour traiter de grands volumes de données et industrialiser des projets de machine learning. Les participants découvriront les principes du calcul distribué et l’utilisation de Spark pour charger, transformer et analyser efficacement des données massives. Le module introduit également les fondamentaux du MLOps afin de maîtriser le cycle de vie complet d’un modèle, de son développement à sa mise en production. Enfin, il présente les principales pratiques et outils d’automatisation, de déploiement, de supervision et de gouvernance des modèles, indispensables à leur exploitation à grande échelle dans un environnement professionnel.
Ce module inclut une demi-journée d’atelier de suivi de projet tutoré.
Intervenants
Le certificat est assuré par une équipe d'enseignants-chercheurs et de praticiens reconnus, mêlant expertise académique et expérience opérationnelle de pointe en data science.
Professeur des universités, Éric est le responsable pédagogique et scientifique de l’ENSAE-ENSAI Formation continue. Il a rédigé en collaboration de nombreux ouvrages scientifiques alliant théorie et applications. Il effectue sa recherche au Centre de Recherche en Economie et Statistique (CREST) et est régulièrement invité au Laboratoire National de Los Alamos.
Diplômée de l’INSA en informatique, Fei GAO est experte en data et analytics, spécialisée dans les données massives de santé. Elle exerce au Health Data Hub, où elle contribue à la mise en œuvre de standards d’interopérabilité et de traitements distribués (Spark) pour l’exploitation du Système National des Données de Santé. Elle conçoit et anime des formations avancées en data science (Python, R, SQL), machine learning, NLP et architectures Big Data, avec une forte orientation vers les applications concrètes et les environnements de production.
Expert en Data Science, Machine Learning et Statistique, il est membre associé de l’Institut de Mathématiques de Toulouse et titulaire d’une Habilitation à Diriger des Recherches (Université Toulouse I Capitole) et d’un doctorat (Université Nice Sophia Antipolis) en mathématiques appliquées, spécialité Statistique. Après avoir été Maître de Conférences en Statistique à l’Université Toulouse III Paul Sabatier et Professeur de Statistique et Science des Données à l’ISAE SUPAERO, il a rejoint la société Pathway où il développe et déploie des algorithmes d’aide à la décision et de traitement de données par flux en temps réel.
Thomas Kerdreux est CEO et fondateur de Galeio, une société qui développe des modèles de fondation et des agents pour les données complexes. Diplômé de l’École Polytechnique et docteur en optimisation pour le Machine Learning à l’ENS Paris, il a mené des travaux de recherche en intelligence artificielle en Europe et aux États-Unis, avant de cofondre aux États-Unis Geolabe, spécialisée dans l’exploitation de données satellites. Avec Galeio, il développe aujourd’hui une nouvelle génération d’IA capable de comprendre, raisonner et agir sur des données géospatiales, scientifiques et industrielles.
Vincent Lefieux est diplômé de l’ENSAI et titulaire d’un doctorat en statistique de l’Université Rennes 2. Après avoir exercé comme ingénieur-chercheur à EDF R&D puis à RTE R&D, il pilote aujourd’hui la feuille de route en intelligence artificielle de RTE. En parallèle de ses activités industrielles, il a enseigné depuis de nombreuses années la statistique, le machine learning et l’intelligence artificielle dans plusieurs grandes écoles d’ingénieurs, notamment à l’ENSAI et à l’École des Ponts ParisTech. Il a également été enseignant-chercheur associé à l’Université Pierre-et-Marie-Curie de 2010 à 2015.
Frédéric Logé est diplômé de l’ENSAI et titulaire d’un doctorat en Mathématiques Appliquées de l’Ecole Polytechnique (thème: Apprentissage par Renforcement). Actuellement en poste chez SONIO, il développe depuis plusieurs années des algorithmes de Computer Vision pour l’analyse d’échographies fœtales, contribue aux soumissions réglementaires des produits médicaux (marquage FDA & CE), s’assure de l’alignement entre produit et data. En parallèle il donne des cours et TP en formation initiale (ENSAI) et continue (X-EXED, CEPE).
Témoignages
Ce qu'en disent nos Alumni
Des data scientists en poste, dans l'assurance, le transport, la régulation, l'énergie ou le conseil, racontent ce que le certificat a changé pour eux.
Grâce à cette formation de l'ENSAE-ENSAI Formation continue, j'ai pu formater mon poste vers une plus grande utilisation de la data science (modélisation, outils du Data Lab : R, Hive, Impala, Jupyter et Python, Spark…), tout en conservant une partie de mes missions précédentes. Cette formation m'a permis d'avoir un « coup d'avance » sur mes collègues et de pouvoir leur apporter mon aide via la mise en place de modules de formation en interne.
Je cherchais une formation délivrant un contenu scientifique et technique solide. J'ai apprécié le mix entre les modules business, informatique, et nouveaux algorithmes statistiques (forêt aléatoire, boosting, bagging). La formation m'a permis de continuer à affirmer ma position d'expert data/stat/visu chez SNCF en étant à l'aise avec les nouvelles technologies du big data.
J'ai vécu le certificat Data Scientist comme un vrai levier de développement personnel et professionnel. Personnel, car il m'a permis de me replonger dans un environnement très stimulant, avec un contenu mathématique et théorique de haut niveau. Professionnel, car c'est un formidable outil pour appliquer de la data science au sein de son organisation. C'est avec grand plaisir que je le recommande.
Une formation complète et pointue qui aborde en profondeur les différentes dimensions de la data science : types de modélisations et sous-jacent mathématique, mais aussi aspects juridiques (RGPD, confidentialité) et Big Data / infrastructure. Les compétences acquises et la réputation de cette formation m'ont permis d'être nommé responsable de l'unité Data et BI de l'AMF et de lancer des chantiers autour de la data science.
Je suis très satisfait du cursus. J'ai pu élargir mon horizon dans le domaine de la data science, notamment sur les outils de text mining et de big data, mais aussi mieux comprendre les principes mathématiques à la base du machine learning. J'ai surtout acquis une meilleure vision d'ensemble : choix du modèle, optimisation, validation de l'estimation du risque.
J'ai abordé la formation avec des compétences de généraliste en statistiques et en informatique, que j'appliquais à la Finance. Elle m'a permis de rentrer dans le vif du sujet, de découvrir le champ des possibles, de démystifier le domaine. Aujourd'hui, je suis plus sûr de moi, capable de diriger des travaux de Data Science.
Ce certificat m'a permis d'entrer vraiment dans le sujet de la data science et du big data, avec des intervenants investis qui transmettaient l'envie d'aller plus en profondeur. L'obtention du certificat est un gage de sérieux et de rigueur dans l'univers professionnel, et cela facilite la recherche de postes dans le secteur. J'ai pu en faire l'expérience dans mes propres recherches.
Les problématiques Big Data sont au cœur de mon métier d'expert data chez SNCF Transilien. Cette formation m'a permis de mettre à jour mes connaissances statistiques, mieux appréhender le machine learning, compléter mes connaissances sur la visualisation, le stockage, les outils (SQL, NoSQL, PIG, Spark, R…) et les aspects juridiques. Les conférences « retour d'expérience » et les échanges avec des participants d'horizons variés ont été riches d'enseignements.
Le certificat m'a donné une bonne vision d'ensemble du métier de Data Scientist. J'ai pu approfondir certaines techniques de modélisation dans mon poste chez Enedis, et pour le reste, je sais désormais quoi et où chercher. Les outils Big Data adoptés à Enedis (HDFS, Hive, Spark…) ont été présentés pendant la formation. Le projet m'a beaucoup apporté, notamment parce que mon binôme avait un profil différent du mien.
L'interview croisée
Trois diplômés reviennent sur leur parcours et ce que le Certificat de Data Scientist a changé dans leur quotidien professionnel.
Pouvez-vous vous présenter en quelques mots ?
Pour quelle raison avez-vous décidé de vous former à la Data Science ?
Pourquoi avoir choisi l'ENSAE-ENSAI Formation continue ?
En quoi cette formation a-t-elle changé votre quotidien professionnel ?
Des conseils à donner à de potentiels candidats ?
Un mot pour la fin ? (une anecdote, un chiffre…)
FAQ
Vous hésitez encore ? Voici les réponses aux questions les plus fréquemment posées sur le Certificat de Data Scientist.
Oui. Le certificat est conçu pour des professionnels en activité, avec un rythme compatible avec une activité à temps plein.
Le certificat s’adresse aux personnes souhaitant acquérir un socle solide en data science, afin de concevoir des analyses et des modèles prédictifs exploitables en contexte professionnel.
La formation est ouverte aux candidats ayant un niveau de formation équivalent à bac+5 (mathématiques, informatique, économétrie…) ou aux personnes pouvant justifier d’une expérience professionnelle avérée et régulière dans le traitement et l’analyse de données. Une bonne maîtrise de Python (numpy, pandas, matplotlib) est attendue.
Le certificat représente 18 journées de formation de 7 heures (126 heures au total) et se déroule sur une période d’environ 7 mois.
La formation se déroule en présentiel à Issy-les-Moulineaux, dans les locaux de l’ENSAE-ENSAI Formation continue.
Le programme couvre la gestion et la préparation des données, le machine learning et le deep learning, ainsi que l’usage des grands modèles de langage (LLM) dans un contexte de data science. Il aborde également le cloud computing, le traitement de données massives (notamment avec Spark), le déploiement et l’industrialisation des modèles, ainsi que les enjeux juridiques et éthiques liés à l’usage des données et de l’intelligence artificielle.
Vous apprendrez à collecter, nettoyer et structurer des données, à concevoir des modèles statistiques, de machine learning et de deep learning, à en évaluer les performances, puis à restituer des résultats exploitables dans une perspective d’aide à la décision ou de prédiction. Le cursus aborde également les bonnes pratiques liées au déploiement et à l’industrialisation des modèles.
Les travaux pratiques sont principalement réalisés en Python et s’appuient notamment sur les principales bibliothèques de data science, de machine learning et de deep learning. Des outils et environnements liés au cloud computing ainsi qu’au traitement distribué des données (notamment avec Spark) sont également mobilisés dans le cadre du cursus.
Cette formation est principalement centrée sur la data science « classique » (statistiques, machine learning, deep learning) ainsi que sur l’exploitation de données à grande échelle. Une autre formation certifiante — le Certificat en Intelligence Artificielle — est par ailleurs proposée pour les participants souhaitant se spécialiser en IA générative. Néanmoins, en cohérence avec les pratiques professionnelles actuelles, des outils d’IA générative sont mobilisés dans ce cursus en tant qu’assistants de travail (aide au développement, documentation…). Par ailleurs, les architectures Transformers et les grands modèles de langage (LLM) sont abordés dans une perspective appliquée à la data science, notamment pour des tâches de génération, d’extraction d’information ou de recherche augmentée.
Oui. L’évaluation finale comprend deux phases : un examen composé d’études de cas et la soutenance d’un projet réalisé tout au long du cursus.
En cas de réussite, il est délivré un Certificat de Data Scientist du Groupe ENSAE-ENSAI.
Le prix du cursus est de 9 950 € HT (non soumis à la TVA).
Oui. Le Certificat de Data Scientist est inscrit au Répertoire Spécifique et éligible au CPF, sous réserve des conditions en vigueur.
