Présentation de la formation

Le Bachelor Universitaire de Technologie Science des données est organisé sur six semestres intégrant chacun des enseignements centrés sur trois grands champs disciplinaires (statistiques et mathématiques, informatique, économie et gestion), auxquels s’ajoutent des modes d’apprentissage variés comme les projets tutorés, les stages ou le Projet Professionnel Personnel (PPP).

Les étudiants ont la possibilité de faire leur deuxième et troisième année de BUT en formation initiale ou en alternance. Le BUT SD développe les compétences essentielles pour la gestion informatique des données, leur traitement statistique et l’informatique décisionnelle (Business Intelligence).

Les diplômés sont compétents dans le management des données (conception, création et exploitation de bases de données). Ils maîtrisent les étapes de la démarche du statisticien : collecte des données, contrôle de leur qualité, extraction et présentation des informations pertinentes, analyse statistique et présentation des résultats.

Ils possèdent une compétence particulière dans le domaine de l’informatique décisionnelle : ils peuvent participer à la mise en place et à l’exploitation des systèmes d’information décisionnels.

Organisation de la formation

3 ans de formation organisés sur 6 semestres
2000 heures sous forme de cours, de travaux dirigés, de travaux pratiques
Une validation des semestres sous forme de crédits ECTS avec un total de 180 crédits pour valider le BUT
20 à 28 semaines de stages réparties sur les années 2 et 3 du BUT
Evaluations par compétences et en contrôle continu
600 heures de projets tutorés
Alternance possible dès la 2ème année

À partir de la deuxième année, choisissez l'un des 2 parcours organisé autour de compétences

Le parcours science des données : Exploration et Modélisation Statistique vise à former des professionnels compétents dans le recueil, le traitement et l’analyse statistique des données.

Leurs compétences leurs permettent de participer à la définition et au recueil des données pertinentes pour répondre à une problématique donnée, au choix des outils statistiques appropriés selon les situations rencontrées, de mettre en œuvre ces outils dans le cadre d’une analyse ou d’une modélisation et de produire des résultats pertinents et rigoureux sous forme de rapports, tableaux et graphiques.

Le parcours science des données : Visualisation, Conception d’Outils Décisionnels vise à former des professionnels compétents dans la mise en œuvre de tout ou partie du processus décisionnel, ayant notamment la capacité à automatiser différentes étapes d’une solution dédiée.

Leurs compétences leur permettent d’assurer la gestion des connexions aux données sources, la transformation et le nettoyage des données (ETL), la modélisation et l’application de calculs métiers, la production de restitutions visuelles (DataViz) à travers des outils de reporting et des tableaux de bords adaptés et accessibles pour des utilisateurs finaux non-initiés.

Pour le BAC technologique : La filière recommandée est la section STI2D spécialité Systèmes d’information et numérique.
Pour le BAC général : Il est conseillé aux élèves d’avoir suivi les enseignements des spécialités Mathématiques et Numérique et sciences informatiques.
Le BUT SD est également ouvert aux étudiants en réorientation après une ou plusieurs années de licence ou classe préparatoire, aux étudiants en formation continue, et aux candidats scolarisés dans des établissement étrangers.

Maîtriser les bases et manifester de l’intérêt pour les mathématiques (probabilités, statistiques), l’informatique, l’économie-gestion, la communication écrite et orale, et l’anglais
Avoir un bon esprit logique et rationnel
Être attentif, curieux et rigoureux
Savoir mobiliser ses connaissances et développer un sens critique
Avoir l'esprit d'équipe et savoir s'intégrer dans les travaux de groupe

Semestre 1 :

Enseignements de mathématiques générales :

Analyse

Enseignements de probabilités et statistiques :

Statistique descriptive 1
Probabilités 1

Enseignements d’informatique décisionnelle :

Tableur et reporting
Bases de données relationnelles 1
Bases de la programmation 1

Enseignements de communication :

Initialisation à l’anglais de spécialité
Communication de l’information et recherche documentaire

Enseignements de culture générale sur le fonctionnement de l’entreprise :

Découverte des données de l’environnement entrepreneurial et économique

Situations d’apprentissage et d’évaluation :

Reporting à partir de données stockées dans un SGBD relationnel
Ecriture et lecture de fichiers de données
Préparation et synthèse d’un tableau de données en vue d’une analyse exploratoire simple
Apprendre en situation la production de données en entreprise
Présentation en anglais d’un territoire économique et culturel
Mise en œuvre d’une enquête

Semestre 2 :

Enseignements de mathématiques générales :

Bases de l’algèbre

Enseignements de probabilités et statistiques :

Statistique descriptive 2
Probabilités 2
Statistique inférentielle
Programmation statistique

Enseignements d’informatique :

Reporting et Datavisualisation
Bases de données relationnelles 2
Bases de la programmation 2
Programmation statistique

Enseignements de communication :

Approfondissement de l’anglais de spécialité
Communication et sémiologie

Enseignements de culture générale sur le fonctionnement de l’entreprise :

Etude des données de l’environnement entrepreneurial et économique

Situations d’apprentissage et d’évaluation :

Conception et implémentation d’une base de données
Estimation par échantillonnage
Régression sur données réelles
Datavisualisation
Construction et présentation d’indicateurs de performance
Analyse de données, reporting et datavisualisation

Semestre 3 :

Enseignements de mathématiques générales :

Algèbre linéaire

Enseignements de probabilités et statistiques :

Tests d’hypothèses pour l’analyse bivariée
Programmation statistique automatisée
Techniques de sondage et méthodologie d’enquête

Enseignements d’informatique :

Utilisation avancée d’outils de reporting
Systèmes d’information décisionnels
Technologies web
Programmation statistique automatisée
Programmation objet

Enseignements de communication :

Anglais professionnel
Communication organisationnelle et professionnelle

Enseignements de culture générale sur le fonctionnement de l’entreprise :

Les données de l’environnement entrepreneurial et économique pour l’aide à la décision

Situations d’apprentissage et d’évaluation :

Tronc commun :

Intégration de données dans un datawarehouse
Description et prévision de données temporelles

EMS :

Recueil et analyse de données par échantillonnage ou plan d’expérience
Conformité réglementaire pour analyser des données

VCOD :

Collecte automatisée de données web
Conformité réglementaire pour traiter des données

Semestre 4 :

Enseignements de probabilités, statistiques et machine learning :

Méthodes factorielles
Classification automatique
Modèle linéaire

Enseignements d’informatique :

Automatisation et test en programmation
Préparation/Intégration de données
Programmation web

Enseignements de communication :

Anglais scientifique et argumentation
Communication scientifique et argumentation

Enseignements de culture générale sur le fonctionnement de l’entreprise :

Exploration et valorisation de la donnée dans un cadre juridique et économique

Situations d’apprentissage et d’évaluation :

Tronc commun : Reporting d’une analyse multivariée

EMS : Expliquer ou prédire une variable quantitative à partir de plusieurs facteurs

VCOD : Développement d’un composant d’une solution décisionnelle

Semestre 5 :

Enseignements de probabilités, statistiques et machine learning :

Data mining
Modélisation statistique avancée

Enseignements d’informatique :

Bases de données NoSQL
Développement logiciel
Programmation web pour la visualisation

Enseignements de communication :

Anglais pour la coopération internationale et enjeux internationaux des données
Communication des données, éthique et responsabilité

Situations d’apprentissage et d’évaluation :

Tronc commun :

Migration de données vers ou depuis un environnement NoSQL
Mise en œuvre d’un processus de Datamining

EMS : Mener une étude statistique dans un domaine d’application

VCOD : Analyse et conception d’un outil décisionnel

Semestre 6 :

Enseignements de probabilités, statistiques et machine learning :

Méthodes statistiques pour le Big Data
Apprentissage statistique pour l’IA

Enseignements d’informatique :

Big Data : enjeux, stockage et extraction
Approfondissement en Big Data

Enseignements de communication :

Anglais pour la communication d’entreprise
Communication pour le management

Situations d’apprentissage et d’évaluation :

EMS : Modélisation statistique pour les données complexes et le Big Data

VCOD : Développement et test d’un outil décisionnel

Traiter des données à des fins décisionnelles
Analyser statistiquement les données
Valoriser une production dans un contexte professionnel
Une compétence spécifique au parcours choisi : Modéliser les données dans un cadre statistique ou Développer un outil décisionnel

Chargé d’études statistiques
Assistant statisticien
Développeur statistique
Assistant Data-Scientist
Assistant chargé d’études marketing
Chargé d’analyse et de reporting
Data Analyst
Développeur décisionnel / BI
Chargé d’analyse et de reporting
Data manager-Gestionnaire de données
Chef de projet AMOA.

Nous sommes particulièrement attentifs à la réussite de nos étudiants. Nous proposons pour cela des heures de soutien ainsi que du tutorat enseignant et étudiant