Génie Statistique
⚠️ Attention : cette formation ne semble actuellement plus dispensée ⚠️
L’objectif est de former des ingénieurs en statistiques polyvalents, capables de s’adapter à tous les domaines où les statistiques sont nécessaires. Dans cette optique, les cours dispensés ont pour objectifs de renforcer et d’élargir les compétences statistiques des étudiants.
Les thèmes abordés incluent la qualité et la fiabilité, le traitement de l’image et du signal, ainsi que la prévision et ses applications, notamment dans le domaine de l’environnement. Pour répondre aux exigences de la filière, en plus du tronc commun à tous les élèves de troisième année, l’enseignement est divisé en six unités d'enseignement. En plus, tout au long de l’année, les étudiants ont à gérer en parallèle de leur scolarité deux projets. Le projet méthodologique est une initiation à la veille scientifique avec un enseignant-chercheur. Le projet de fin d’étude représente l'équivalent d’un travail d’ingénieurs sur un à deux mois.Transversalement à ces unités d'enseignement, les applications en informatique (R, Matlab, SAS) sont omniprésentes. Des séminaires professionnels présentent la richesse des métiers offerts en ingénierie statistique et sont en même temps l’occasion d’une présentation par les praticiens des outils ou modèles statistiques utilisés dans l’entreprise. La langue anglaise n’est pas négligée puisque des enseignements donnent lieu à l’écriture de deux mémoires en anglais et deux enseignements sont dispensés dans cette langue.
Cette voie offre la possibilité par la suite d'occuper l'un des postes suivants : Consultant Statisticien, Data Scientist, Ingénieur Maitrise des Risques, Chargé d’Etudes Statistiques, Ingénieur Recherche et Développement. Même si l'un des débouchés revendiqués de la filière est l'industrie, la caractéristique de cette filière est sa transversalité. A l'issue de cette formation, les étudiants sont capables de s'adapter à des problématiques provenant de différents secteurs d'activités comme l'industrie, le secteur bancaire, l'environnement, les services. C'est aussi la voie à privilégier pour ceux qui se destinent à la recherche et au développement dans le domaine des statistiques
Enseignements de 3e année :
UE0 Tronc commun
Droit du Travail
Anglais
Sport
UE1 Machine learning
Machine learning
Machine-learning – Réseaux de neurones avancés
Régression pénalisée et sélection de modèles
Apprentissage statistique à grande échelle
Webmining et traitement du langage
UE2 Modélisation Modélisation non linéaire
Théorie des valeurs extrêmes
Théorie des valeurs extrêmes – Compléments
Modèle additifs semi-paramétriques
Statistique bayésienne
UE3 Traitement de l'image Modèles markoviens en analyse d'images
Projet d'analyse d'images
Filtrage linéaire et non linéaire
UE4 Processus et prévision Statistique des processus
Statistique des processus — Compléments (GS)
Géostatistique
Prévision semi-paramétrique
Séries temporelles avancées
UE5 Qualité/Fiabilité
Plans d’expériences
Introduction à la sûreté de fonctionnement
Fiabilité
Projet de fin d'étude
Projet méthodologique
Projet de fin d'étude
Data Challenge