🎓 Syllabus – Parcours Data Science & IA pour les Sciences Sociales

🧾 Présentation du programme

Ce parcours vous prépare aux métiers de la science des données et de l’intelligence artificielle appliquée aux sciences sociales. Il couvre les fondements en Python, statistiques, machine learning, NLP, visualisation de données, Deep Learning, MLOps et IA générative.

Traiter, analyser, développer et résoudre des problématiques de sciences de données.

  • Durée : 6 mois (à raison de 8–12 h/semaine)

  • Niveau : Débutant à intermédiaire

  • Langue : Français

  • Certification : Attestation finale du programme

🎯 Public Cible

  • Étudiants et Diplômé de niveau licence ou master en sciences sociales ( sociologie, sciences politiques, économie, anthropologie, psychologie, politiques publiques, etc.)
  • Chercheurs et professionnels souhaitant développer une prise de décision fondée sur les données.

🧭 Objectifs du cours

À la fin de ce cours, les étudiants seront capables de :

  • Comprendre les fondements de la science des données

  • Appliquer les techniques de machine learning (ML) pour résoudre des problèmes concrets

  • Implémenter des modèles de classification, de régression et de clustering

  • Nettoyer et préparer des données pour l’analyse

  • Utiliser les outils Python pour l’analyse et la modélisation

🏁 Pré-requis

  • Aucun prérequis en statistiques n’est exigé.

  • Des bases en algèbre et calcul différentiel sont un plus.

  • Motivation à apprendre la programmation et l’analyse de données.

🧑‍🏫 Formateurs

  • Adama Nouboukpo, PhD 

  • Mazaesso Azeyou

📘 Structure du programme (16 chapitres + 5 modules complémentaires)

  • Fondamentaux en science de données  

  • Fondamentaux de l'apprentissage automatique  

  • Techniques et applications en apprentissage machine  

  • Réseaux de Neurones et Apprentissage profond (Deep Learning)  

  • IA Générative  

  • MLOps  

  • Projet Capstone 

🎯 Compétences acquises

  • Programmation Python pour la data

  • Analyse et visualisation de données

  • Application du machine learning aux données sociales

  • Modélisation prédictive et clustering

  • Déploiement de modèles ML

  • Compréhension des enjeux éthiques et pratiques de l’IA

💼 Débouchés professionnels

  • Data Analyst / Data Scientist

  • Chargé d'études statistiques

  • Analyste en politiques publiques

  • Consultant IA & société

  • Ingénieur NLP

  • Chef de projet MLOps junior