Diplôme d'ingénieur spécialité informatique

Lieu de formation :
Non proposé en présentiel au Cnam HdF, nous contacter pour possibilité de formation à distance et hybride
Code diplôme/certificat:
ING7600A
180
crédits
Niveau d'entrée
BAC+2
Niveau de sortie
BAC+5
Voir la fiche Rncp
37357
France compétence

Public et conditions d'accès

  • Prérequis pour le cycle préparatoire : BAC+2 scientifique et des connaissances en mathématiques affirmées (principalement issus des filières CPGE, Licence (Informatique), BUT (GEII, GIM, GLT, GMP, Informatique, MP, MLT, STID, SGM) et BTS (SIO, SN).
  • Procédures de l'Ecole d'Ingénieur(e)s du Cnam : tests, dossier et entretien.

Objectifs pédagogiques

La formation vise à acquérir d'une part, des compétences transversales aux métiers d'ingénieur et d'autre part des compétences spécifiques aux techniques du Big Data et de l'IA. Les compétences envisagées d'une manière large permettent à l'ingénieur une mobilité professionnelle.. Avec sa coloration Industrie 4.0, cette formation permettra aux diplômés de contribuer au développement de la stratégie numérique de l'entreprise et d'en devenir les responsables à moyen terme. Leur rôle sera de créer des algorithmes d'aide à la décision afin d'optimiser les solutions proposées :
  • Dans les différentes phases du cycle de vie d'un produit (conception, fabrication, production, contrôle qualité, distribution, maintenance, recyclage).
  • Dans la conception d'interfaces homme-machine via la réalité mixte pour l'assistance à la maintenance, l'apprentissage, l'ergonomie du poste de travail, la performance qualité, la restitution de systèmes
En outre, les apprenti (e) s ingénieur (e) s seront formé (e) s à:
- Adopter une démarche d'innovation, conduire et gérer les changements, les évolutions, tenir une veille, adopter l'esprit d'entreprendre.
- Conduire des réunions, développer les compétences, faire respecter les règles, communiquer à l'internationale.
- Appliquer une démarche méthodologique de la gestion de projet.
- Savoir mettre en oeuvre les principes de la gestion budgétaire.
- Savoir prendre en compte les aspects juridiques, maîtriser la sécurité de l'information, assurer la maîtrise d'ouvrage d'un système d'information.
- Assumer la responsabilité économique, environnementale et sociale de l'entreprise.
- Assurer une fonction d'expertise scientifique et technique en lien avec sa spécialité.
Méthodes et moyens:Les enseignements théoriques, couplés à des mises en application en TD et TP sur matériels et logiciels métiers permettront une professionnalisation rapide. L'espace numérique de formation du Cnam (Moodle) permet à chaque enseignant de rendre accessible des ressources spécifiques à ses enseignements.
Equipements mutualisés dans le cadre de partenariats :
Puissance du calcul industriel mutualisé avec les laboratoires de recherche (dont le laboratoire LISPEN de l'ENSAM).
-Technologies additives, technologies de soudage, environnement numérique et IA du pôle de formation UIMM 21-71 (Pôle d'excellence Industrie 4.0).
- Stockage de data massives industrielles en local (edge computing) ou sur le cloud (cloud computing) avec accès ciblé et restreint selon la définition du besoin (partenaires industriels de la formation).

Organisation, stages, projets, mémoire et conditions de délivrance du diplôme (ou certificat)

  • Valider l'entrée à l'EiCnam (Ecole d'ingénieur(e)s Cnam).
  • Avoir acquis les UE demandées en prérequis (ou en être dispensé).
  • La validation d'un niveau d'anglais B2 est nécessaire.
  • Séquences professionnelles évaluées à travers des projets en entreprise.
  • Valider le mémoire d'ingénieur 

Compétences et débouchés professionnels

Compétences générales d'un(e) ingénieur(e) :
  • Connaissances scientifiques, compétences techniques, curiosité et rigueur.
Compétences spécifiques :
  • Techniques de collecte, traitement et fouilles de données dans le but de pouvoir analyser des données complexes et de grande dimension.
  • Langages et logiciels de statistiques et de mathématiques appliquées.
  • Communication des résultats d'analyses statistiques.
  • Techniques concernant les nouvelles technologies des Systèmes NoSQL, de distribution de données, de recherche d'informations.
  • Problématiques de représentations de connaissance, de résolution de problèmes et de modélisation des agents (IA).
  • Algorithmes de prédiction avec des applications pour la représentation, classification, visualisation, compression.
  • Problématiques de la gestion de l'information orientée vers l'intégration de ressources documentaires.
  • Outils d'apprentissage dans le contexte actuel du big data : grandes masses de données, données / labels bruités, données manquantes.
  • Outils analytiques tels que SAS ou R
  • Utilisation de langages informatiques (C++, R, Python,...), outils pour le deep learning (PyTorch, Keras, Tensorflow, ...)
Contactez-nous