Certificat d'université d'Executive Master en Data Science
-
Schedule
horaire de jour
Aperçu
Former des experts en traitement, analyse et visualisation des données
Le certificat d’université d’Executive Mater en data science vous apporte une vision pluridisciplinaire de la data science en intégrant des dimensions propres à l’informatique, aux mathématiques et à la gestion.
Il est conçu pour vous offrir une formation intégrée à votre environnement professionnel grâce à un projet individuel.
Votre profil
Cette formation s’adresse à vous si
- vous êtes professionnellement actifs dans une organisation au sein de laquelle vous pourrez contextualiser votre formation par rapport à vos activités ;
- vous disposez des prérequis nécessaires : maîtrise suffisante de la programmation, des bases de données et des mathématiques, telles qu’utilisées en data science.
Par exemple : ingénieurs civils, statisticiens, scientifiques spécialisés en traitement des données, scientifiques spécialisés en bioinformatique…
Vous pouvez également suivre cette formation dans le cadre de la finalité spécialisée en data science des masters en informatique, mathématique et ingénieur de gestion.
Vos objectifs
- configurer ou développer des outils nécessaires à la collecte, l’extraction, le stockage et la préparation de données destinées à des fins d’analyse
- utiliser des techniques computationnelles et/ou mathématiques de traitement adaptées aux données de masse (big data) et aux données disponibles sous des formats divers
- mettre en œuvre des techniques de data mining et de machine learning pour concevoir des modèles d’analyse de données
- développer des outils de visualisation facilitant la présentation et la compréhension des résultats d’analyse
- mener à bien un projet en data science en intégrant des compétences en management et en analyse de données
- concevoir des tableaux de bord et de définir des indicateurs de performance (KPI) permettant de guider la prise de décision au sein d’une organisation.
Modalités d’organisation
Où ?
La formation se déroule à la Faculté d’informatique de l’Université de Namur, Rue Grandgagnage 21 – 5000 Namur.
Quand ?
Pour l’année académique 2026-2027, les cours débuteront le lundi 21 septembre 2026.
Les cours seront exclusivement organisés le lundi, de 8h30 à 18h00 avec pause de midi.
En plus des cours, trois jours de modules obligatoires de mise à niveau en bases de données, en programmation et en mathématiques seront organisés avant le début des cours (dates à confirmer).
Avec qui ?
La formation s’appuie sur une approche pluridisciplinaire de la data science, portée par les expertises complémentaires de plusieurs entités de l’UNamur :
- la Faculté d’informatique forte d’une expertise scientifique largement reconnue dans le domaine de l’ingénierie et de l’analyse des données,
- l’UNamur School of Management qui a développé une expertise ciblée dans le management de l’information et, plus particulièrement, dans l’aide à la prise de décision en entreprise,
- le Département de mathématique dont l’approche appliquée (en particulier en statistiques, traitement des données, optimisation et contrôle, modélisation de réseaux et systèmes dynamiques) vise à traiter des problèmes semblables à ceux que l’on peut rencontrer lors du traitement des données de masse (big data).
La formation est, par ailleurs, soutenue par le Namur Digital lnstitute (NADI) et l’Institut de recherche Namur Institute for Complex Systems (naXys).
Le programme est coordonné par Benoît Frenay, professeur à la Faculté d’informatique.
Programme
Modules de mise à niveau |
Trois modules de mise à niveau obligatoires sont organisés avant le début des cours pour vous permettre d’entamer la formation avec le bagage minimum :
|
Programme du certificat |
L’ensemble du programme représente 35 crédits et comprend :
qui vous apporteront les compétences nécessaires en data science, avec une attention particulière pour la mise en pratique au travers de petits projets et/ou présentations orales tout au long de l’année.
Ce projet ambitieux s’étalera sur toute l’année et vous permettra de mettre en pratique le contenu des cours et d’avoir directement un retour dans le cadre professionnel. |
Si vous n’avez pas la possibilité de contextualiser la formation dans votre environnement professionnel, vous réaliserez votre projet en collaboration avec une organisation partenaire de l’UNamur.
Les périodes d’examens sont fixées en janvier et en juin.
1 crédit = 30 heures de travail en présentiel/de groupe/individuel/à domicile.
Pour plus d’informations et de précisions concernant le programme, veuillez consulter l’onglet « Programme ».
Certification
Au terme de la formation, vous recevrez un certificat d’université si vous avez satisfait aux conditions suivantes :
- avoir participé activement à la formation ;
- avoir satisfait aux différentes évaluations.
Conditions et droits d’inscription
Conditions d’admission
Admission sur dossier
- Être titulaire d’un diplôme de l’enseignement supérieur de deuxième cycle ou assimilés et posséder une maîtrise suffisante (telles qu’utilisées en data science) en :
- programmation : capacité à écrire des programmes de moyenne ampleur (conditionnelles, boucles, structures de données, fichiers…), idéalement en Python et JavaScript (langages utilisés dans le certificat) ;
- bases de données : capacité à modéliser, concevoir, déployer et utiliser une base de données en SQL de moyenne ampleur ;
- mathématiques : capacité à manipuler des concepts de base en algèbre linéaire (matrices, vecteurs, inverse…) et analyse (fonctions univariées et multivariées, dérivées, gradient…).
- Possibilité d’admission sur base d’un dossier de Valorisation des Acquis de l’Expérience (VAE) attestant d’une expérience professionnelle significative permettant une maîtrise suffisante de la programmation, des bases de données et des mathématiques, telles qu’utilisées en data science.
Droits d’inscription
- 3500€ pour les personnes salariées hors université, haute école ou centre de recherche agréé en Belgique (cf. http://www.wal-tech.be/)
- 2500€ pour les étudiants, les personnes salariées (dont retraités) d’une université, haute école ou centre de recherche agréé en Belgique (cf. http://www.wal-tech.be/), les personnes salariées d’un des quatre hôpitaux académiques dépendant de la Fédération Wallonie-Bruxelles (CHU de Liège, CHU Namur, CU Saint-Luc, Hôpital Erasme) et les chercheurs d’emploi.
Les droits incluent : participation aux cours, supports de cours, accès à une plate-forme e-learning et catering.
Congé éducation-payé
La formation bénéficie du système « congé-éducation payé » de la Région wallonne, de la Région de Bruxelles-Capitale et de la Région flamande (VOV).
Information et modalités d’inscription
Le secrétariat du certificat se tient à votre disposition pour toute information : certificat.datascience.info@unamur.be
Les inscriptions pour 2026-2027 sont ouvertes.
-
Enseignements disciplinaires
Code Name Staff Th.+Ex. Credits/Block 1 IDASM102 Machine learning et data mining Frenay Benoît 30h th. + 15h ex. 6 EDASM101 Business intelligence Demaerschalk Amaury Linden Isabelle Linden Isabelle 45h th. + 15h ex. 5 Soft skillsIDASM101 Big data : ingénierie et traitement Cleve Anthony Cleve Anthony 30h th. + 15h ex. 5 Soft skillsIDASM103 Visualisation de l'information Lahmar Hiba Dumas Bruno Dumas Bruno 30h th. + 15h ex. 4 SDASM101 Graph mining De Bodt Cyril 20h th. + 20h ex. 5 -
Projet individuel
Code Name Staff Th.+Ex. Credits/Block 1 IEDSC001 Projet individuel Frenay Benoît 10
-
Enseignements disciplinaires
Code Name Staff Credits Hours/Quarter 1 2 IDASM102 Machine learning et data mining Frenay Benoît 6 30h th. + 15h ex. EDASM101 Business intelligence Demaerschalk Amaury Linden Isabelle Linden Isabelle 5 45h th. + 15h ex. Soft skillsIDASM101 Big data : ingénierie et traitement Cleve Anthony Cleve Anthony 5 30h th. + 15h ex. Soft skillsIDASM103 Visualisation de l'information Lahmar Hiba Dumas Bruno Dumas Bruno 4 30h th. + 15h ex. SDASM101 Graph mining De Bodt Cyril 5 20h th. + 20h ex. -
Projet individuel
Code Name Staff Credits Hours/Quarter 1 2 IEDSC001 Projet individuel Frenay Benoît 10
Admission requirements
Admission sur dossier :
- Être titulaire d'un diplôme de l'enseignement supérieur de deuxième cycle ou assimilés et posséder une maîtrise suffisante de la programmation (idéalement Python et JavaScript), des bases de données et des mathématiques, telles qu'utilisées en data science.
- Possibilité d'admission sur base d'un dossier de Valorisation des Acquis de l'Expérience attestant d'une expérience professionnelle significative permettant une maîtrise suffisante de la programmation, des bases de données et des mathématiques, telles qu'utilisées en data science.