Data Analytics for Business - Msc

Sans devenir des experts de ces domaines, il est essentiel que les diplômés soient en mesure de comprendre les grands principes et logiques sous-tendant les activités des data scientists : Compréhension de ce qu'est une donnée, quelles en sont les principales sources et sous quelles formes elles peuvent se présenter. Maîtrise des notions de base autour des algorithmes les plus populaires. Compréhension de ce qu'il est possible de faire avec ces outils. Maîtrise des techniques d'évaluation de la qualité des algorithmes et identifier les potentielles sources de problèmes. Maîtrise des techniques de gestion associées à ce rôle d'intermédiaire dans le contexte particulier de l'intelligence artificielle Acquisition des techniques de la gestion de projet agile Compréhension des enjeux stratégiques et organisationnels associés à l'introduction d'outils d'intelligence artificielle dans les processus de l'entreprise. Compréhension des enjeux éthiques associés à l'usage de ces techniques.

SEMESTRE 1 BOOTCAMP CODE Algorithmic Python DIGITALISATION OF COMPANIES Digital strategies Digitalisation of business processes Management styles Inbound marketing Digital marketing DATA ORGANISATION Data formats Data modelling Queries NoSQL/Hadoop/MapReduce IMPACTS OF ARTIFICIAL INTELLIGENCE Ethics and artificial intelligence Legal dimensions of artificial intelligence Social impacts Economy of artificial intelligence DATA VISUALISATION Descriptive statistics Multivariate analysis Dashboards Time series analysis MACHINE LEARNING I (FUNDAMENTALS) Supervised learning (categorization and regression trees) Unsupervised learning (clustering) Reinforcement learning (Q-learning) Model validation Over- and under-fitting Cross validation CONFERENCES, SEMINARS, SOFT SKILLS SEMESTRE 2 AGILE PROJECT MANAGEMENT Agile methods Management of project teams Specific methods and tools Customer relations MACHINE LEARNING II (ADVANCED TECHNIQUES) Neural network Deep learning Random forest and xg boost Natural language processing BUSINESS ANALYTICS Linear programming Non-linear programming STOCHASTIC PROCESSES Time series and forecasting Simulation BUSINESS AND AI AI and new business models Starting a new AI business Marketing of AI IMPLEMENTING MACHINE LEARNING IN COMPANIES The different types of actors involved Information systems aspects Setting up a pipeline Maintenance and updates of models CONFERENCES, SEMINARS, SOFT SKILLS

Non renseigné

Accessible en 1ere ou en 2eme annee, la formation data analytics for business de KEDGE permet aux etudiants d acquerir des competences completes en digital marketing et e-business.