Spécialisation d'ingénieur Sciences des données

Ingénieur agronome ou en agroalimentaire spécialisé en Sciences des données

Acquérir une double compétence dans le domaine du traitement et de l’exploitation de l’information

Une formation spécifique

La spécificité principale de cette spécialisation est d’orienter la présentation de méthodes statistiques à large potentiel d’application vers l’acquisition d’un savoir-faire opérationnel.

Elle forme ainsi des ingénieurs agronomes ou en agroalimentaire aptes à maîtriser :

  • des concepts fondamentaux de la statistique ;
  • des méthodes ;
  • des outils spécialisés : logiciels de statistique et de gestion de données.

Une formation aux débouchés variés

Dotés de cette double compétence à la fois en science des données et en agronomie/agroalimentaire au sens large, les étudiants peuvent s'ils le souhaitent se focaliser sur un domaine d'application choisi parmi les grands champs disciplinaires couverts de l'Institut Agro Rennes-Angers.
Dans tous les cas, ils adaptent leur cursus à leur projet de formation par leur choix des cours "non statistiques", de leur projet d'ingénieur et enfin de leur mémoire de fin d'études.

Conditions d'admission

Étudiants français 

Pour les élèves-ingénieurs de l'Institut Agro Rennes-Angers, la spécialisation Sciences des données est accessible pour les spécialités d'ingénieur agronome et d'ingénieur en agroalimentaire à partir du semestre 8 (S8) en master 1.

Pré-requis : 

  • Pour les élèves-ingénieurs agronomes, avoir suivi les unités d'enseignement (UE) Modèle linéaire et analyse des données et Statistique générale en L3.
  • Pour les élèves ingénieurs en agroalimentaire, avoir suivi les unités d'enseignement (UE) Analyse des données et Méthodologie statistique en L3.

Pour ces étudiants, la validation de la dernière année de spécialisation (S9, S10), prononcée par la Commission des enseignants, est acquise selon les conditions suivantes :

  • avoir acquis 60 crédits ECTS de formation durant les deux semestres
  • avoir réalisé le stage obligatoire de spécialisation de 24 semaines minimum donnant lieu à un mémoire et à une soutenance.

Les élèves-ingénieurs des autres établissements d’enseignement supérieur ou titulaires de formations équivalentes peuvent, sous réserve d’acceptation du dossier, rejoindre la spécialisation à partir du S9 en remplacement de la dernière année de leur formation d’ingénieur, qu’ils soient inscrits en formation initiale ou en formation continue. Ces étudiants recevront en fin de cursus un relevé de notes / crédits ECTS à valider par leur école d’origine pour l’obtention de leur diplôme.

Étudiants internationaux

Les étudiants internationaux sont invités à candidater à la formation d'ingénieur agronome via le concours DE qui leur donne accès directement au niveau master 1 et à la spécialisation à partir du semestre 9.

Le semestre 9 de la spécialisation est également ouvert aux étudiants internationaux en semestre d'échange. À l'issue de leur semestre d'études à l'Institut Agro Rennes-Angers, ces étudiants reçoivent un relevé de notes / crédits ECTS à remettre à leur université d'origine pour l'obtention de leur diplôme.

Organisation du cursus

3 semestres pour se spécialiser

La spécialisation d'ingénieur Science des données se déroule en 3 semestres : S8, S9 et S10. Chaque semestre correspond à l'acquisition de 30 crédits ECTS. Il est composé d'unités d'enseignement (UE) qui sont constituées d'unités constitutives (UC).

Semestre 8

Au semestre 8, certains cours centrés sur les méthodes statistiques sont obligatoires, d'autres cours sont à choisir dans l'offre de l'Institut Agro Rennes-Angers.

UE 1 : Analyse des données multidimensionnelles

UE 2 : Analyse de données génomiques

UE 3 : Programmation scientifique

UE 4 : Sensométrie

UE 5 : Statistique et aide à la décision

Semestre 9

Le semestre 9 est commun avec l'Institut Agro Montpellier. Il commence par des cours classiques de septembre à fin novembre à Rennes. Ensuite, de décembre à mi-février, 2 options sont possibles :

  1. Apprentissage statistique à Rennes
  2. Approches numériques et décisionnelles à Montpellier

Dans ces 2 options, les étudiants travaillent sur un projet d'ingénieur. Ce projet est transversal du point de vue des méthodes utilisées. Il consiste à réaliser une étude de cas complète. Il comporte une phase de recherche bibliographique, la mise en œuvre de différentes méthodes, leur comparaison et, le cas échéant, leur adaptation au problème considéré.

UE 1 : Réduction de la complexité

  • UC Analyse factorielle
  • UC Visualisation de données massives et hétérogènes

UE 2 : Statistique pour données biologiques

  • Apprentissage de données biologiques
  • Données expérimentales
  • 1 UC au choix parmi :
    - Sensométrie
    - Statistique bayésienne (écologie)

UE 3 : Apprentissage statistique

  • Classification non supervisée
  • Machine learning

UE 4 : Méthodes informatiques

  • Analyse de données massives sous R
  • Computer science for big data

UE 5 : Autres activités

  • Anglais
  • Conférences professionnelles
  • Projet long (8 semaines)

Semestre 10

Le troisième semestre, le S10, correspond à un stage professionnel d’une durée de 6 mois au moins (de mi-février à début septembre). Ce stage donne lieu à la rédaction d'un mémoire de fin d'études soutenu à l'oral devant un jury au mois de septembre.

À titre indicatif, plus de 150 offres de stage sont reçues chaque année pour environ 25 étudiants. Tous ces stages sont rémunérés et la moitié d'entre eux se prolonge par un emploi en CDD ou CDI.

Entreprises Sujets de stage
Eaden Reconnaissance faciale et corporelle de vaches à partir d'analyses d’images
Syngenta Développement d’une application Shiny permettant de vérifier l’adéquation entre recommandations du Site Production Research et ce qui est fait au champs
Abelio​ Construction d’un outil d’aide à la décision pour la surveillance de culture
Terroïko Comparaison de données génétiques mesurées (biblio) et simulées (SimOïko) sur diverses espèces pour évaluer le réalisme de SimOïko pour estimer la biodiversité
CATE Analyse de données microbiennes des sols en culture maraîchère
Entremont Développement d’outils de prédiction afin de pouvoir maîtriser la qualité finale des fromages
Lactalis Explication des variations de rendement protéique des fromages
Inserm Exposition aux contaminants d’origine alimentaire et risque de démence chez le sujet âgé
CRAN Machine learning en génomique pour la santé humaine
SanofiI Application Shiny pour visualiser les analyses de données Biomarqueurs
LTSI Traitement d'images médicale cérébrale pour localiser des régions fonctionnelles
Inserm Analyse spatio-temporelle de la mortalité globale au cours de l’épidémie de Covid-19, avec un regard particulier de l’impact du contexte social de chaque zone géographique sur les disparités de surmortalité observées en France
Chanel Prédiction de la performance de protection solaire d'une crème solaire grâce à des données de formulation
Givaudan Détection de thèmes émotionnels à travers l'analyse sémantique de données textuelles consommateurs
L'Oréal Construction d'un outil Shiny pour l'analyse de données sensorielles
L'Oréal Analyse et modélisation de données autour de la coloration capillaire
Techni’Sens Etude de prédictivité de l’achat - mettre en évidence l’importance de certaines questions spécifiques dans  la prédictivité des projections d’achat des consommateurs dans les questionnaires d’études
Eurosyn Profil idéal sur l’amorti de chaussures de running
Crédit Agricole Analyse de comportements bancaires des clients par Machine Learning pour optimiser le ciblage des clients les plus appétents au crédit à la consommation
Université Lyon Analyse longitudinale de l’évolution du rapport aux langues lors de l’apprentissage chez l’enfant bilingue (français – anglais)
Université Paris Diderot Etude de stratégies d'agrégation consensuelle en apprentissage statistique. Application au problème de classification supervisée des voyelles

Des métiers diversifiés

Des débouchés dans de nombreux domaines

Les connaissances acquises au sein de la formation permettent aux étudiants d'envisager une pluralité de débouchés professionnels.

Types d'emplois dans les principaux secteurs

  • Sensométrie : Responsable d'une unité d'analyse sensorielle : analyse statistique de données sensorielles et physico-chimiques dans la perspective de la recherche et du développement de produits nouveaux
  • Études Statistiques : Chargé d'études dans une société de service, statisticien d'entreprise, responsable R&D
  • Marketing : Chargé d'études marketing : intervient dans toutes les phases des études en cours : élaboration des questionnaires, suivi de la réalisation de l'étude sur le terrain, mise en forme et traitement de résultats, rédaction des synthèses et participation à l'élaboration des recommandations marketing
  • Analyse et Evaluation des Risques (Banque et Assurance) : Scoring, analyste Credit Risk, chargé de produit d'assurance
  • Recherche : Poursuite d'étude par un doctorat.

Analyse sensorielle
Séance d'analyse sensorielle