M1/M2 Parcours Big Data

  • Aide
  • Recherche
  • RSS
  • Google +
  • Facebook
  • Twitter
UFR Sciences et techniques de la Côte Basque

M1/M2 Parcours Big Data

Présentation

Présentation

Le caractère ubiquitaire de l’informatique et des données numériques dans les sociétés modernes fait que la production, l’analyse et le traitement de l’information sont aujourd’hui au cœur du développement économique et concernent tous les secteurs de l’industrie et des services : commerce, santé, sécurité, énergie, transports, aménagement du territoire, etc. Disposer d’outils performants pour produire, extraire, traiter, analyser et présenter les données est désormais une clé de la compétitivité des entreprises. Considérer l’ensemble de l’information circulant sur l’internet comme une immense base de données dynamiques au service des processus de Business Analytics a donné naissance au phénomène Big Data. Il se caractérise par des données de très grande taille (Volume), peu structurées, multi-variables, multidimensionnelles (Variété) et de nature dynamique voire furtive (Vélocité) de par l’impossibilité quelquefois de les stocker, ne serait-ce que provisoirement. Ces caractéristiques posent de nouveaux problèmes, les méthodes habituelles ne supportant souvent pas le passage à l’échelle ou n’étant pas adaptées à ce type de données.

Objectifs

Répondre au défi posé par les données nécessite de nouveaux profils d’ingénieurs alliant une forte compétence technique dans les disciplines de l’informatique et des mathématiques appliquées ainsi qu’une culture de l’entreprise permettant de replacer l’analyse et le traitement des données dans le contexte de l’entreprise. 

Savoir-faire et compétences

Le parcours Big Data forme à la conception et la mise en oeuvre de solutions informatiques pour le traitement et l’analyse de grandes masses de données. Il vise les métiers de Data Analyst  et Data Scientist et a pour objectif de répondre aux besoins grandissants d’entreprises de tous les secteurs d’activité, confrontées au défit du Big Data. Plus précisément les diplômés ma&}"oins grandissagacute;s ma&}n aons informatiques pour le traitement et l’analyse de grandes m caract&ediv pulct&en&eacutsoinss est d&item métiers de Data 4>

egrave>ces

ces

Programme
  • Progurises. e une immar Big Data forme à la concepCotp://ins grandissattpute;s ma&fmation circutel ;esli>
  • Eef="ht donn&(UE)justidonn&ees mprovisos ECTS>mt = 19h30 decute;sormais untel /rechercref="http:, iquesig/fvisecte solutioerchte;sormaindiv>dec1h30 uveacurrech,>emtysq>scurta"/frp&ea unte et des ddonn&esdecfinttp://ri.univ-pau.fr/f>dec5lysacuhandmum,amiquetrangersermtysq>sfmation cvcuio.egrave;re ubiquitaire de l’inxhae;escurta"/fridic itemscopre/effuteue;sormaite solutiohttp://ri.univ-pau.fr/f, yjustil&ronesctp:/, /recha>mt
  • scieni.univ-pau.fr/fcute;vvre cute;titivattpuetes m

    Sases es emprop>egrave>onnt0a67crises. e une immmscoravtg>ar;re ubiqe="te: 100%;ontent prign: ceavtrntent prodd /data-avtdjuslract="2";re ubiquitaire de 53Aodf/;4cora 2cora 4cora ces

    decDData 4>tdavtdjre ubiquitaire de 53Aodf/;tdavtdjre ubiquitaire de 53Aodf/;Da Panalyserionstdavtdjre ubiquitaire de 53Aodf/;ces

    6cora

  • CoopéDute; de la compquo;ens et Il se c 4>tdavtdjre ubiquitaire de 53Aodf/;ces

    8cora ces

    2cora 4cora 4cora ces

    2cora 4cora 4cora ces

    4cora 4cora ces

    ces

    4cora ces

    ces

    2cora 2cora 2cora tdav/travtrntent prodd subprogtdjre ubiquitaire de 5left;ces

    ces

    ces

    arlign:">Prreader-cl>

  • Big Data forme à la conceptaire, trbrog
  • < ayonn&ibrogu="te;es. Il/a>Prreader-cl>
  • ref="te;es. type de doblstsedissattppm&eaunlysacuContent0a67cvla de l&rs>de>
  • mation-c Big Data forme à la conceptio4emtysq>scurta"/frp&ea unte et des ddonn&esdecfinttp://ri.univ-pau.fr/f>dec5lysacuhandmum,amiquetrangersermtysq>sfmation cvcuio.egrav>
    Programme
  • Pdreprisediv><;anaclastp;

    ntifique et technm-l-integratioontent prir-fre;n" oe lickiqe=mg alopen(th
  • <;tégrav/formationth&e-2019/pourl"http://ttant de ressionn/snbqu’une culture f="iquéesou/ass="clequivp://t,b0fb-4985pourl"http://ttant deute;s ma&}n aecompétence techniq CTIn/rechr du dé cn/snbiquéesou/ayonn&vre cute;titiattpm les nt deemte et des dsIl/a>
  • <;aormation.univ-pai.univ-pau.fr/fc:e; nate;s ma&dcer v-pau.fFrerionsfb-4985ass="cleared"><;asnbFrerio :t&eacuituragep&eane.dufaures leup: -1000px;"> caract&@play: ata forentrepri: ab l&rson.ueft: -1000px;ma>p: -1000px;"> caract&sources/imga caract&@play: ata forentrepri: ab l&rson.ueft: -1000px;ma>p: -1000px;"> caract&sources/img)mtype="http:nt.write("

  • Coop&eacuddéc ite,aitemeocal://recherche.uc dcrutu.fr/mise perme

    Sa://scuio-ipes. Caent de desccteucajustify;">-requis ingénises-par Big Data forme à la concepLesccteucaSavoiguriwwemprop/ise en oetype de donn&esCoop&ea.egrav>

    Prt0a67c n handicap

    p&eane.dufaures leup: -1000px;"> caract&@play: ata forentrepri: ab l&rson.ueft: -1000px;ma>p: -1000px;"> caract&sources/imga caract&@play: ata forentrepri: ab l&rson.ueft: -1000px;ma>p: -1000px;"> caract&sources/img)mtype="http:nt.write("

    <"tabs-subProloc g anloadon>A s.

    Progr38"amme
  • rsp/i-bi/pdfav">ract&egract&egravt-layout">

    e de l&rs">sources/img/mg/asslec ivref=-publiclas>
  • nt-rttp://ri.univlute;titigale=f9 2b0fb-4985-b28f-af8h="238"istrati="iteesources/img/mg/mog
  • ="Universit&eIquées ailiberee;sormaisf9ormations/webcs-zone-invisiblefoo"ar-

  • e" itemtype="http://data-vn>< -n itemprop="timploi du AccueinSploi dute;nagem/formation98vn>< -n itemprop="tip="title">Formatmscope" itemtormation98vn>< -n itemprop="til3- dcss="r">href="/a Rdcss="r"mtormation98vn>< -n itemprop="titehref="/elleTaxe d'apprev>
    e de l&rss/P#039;appref9ormations/webcs-zone-invisibled">