v2.11.0 (5790)

Master (DNM) - M2 Data Science

Objectif

- Devenir experts en apprentissage statistique et en intelligence artificielle.
- Acquérir une formation complète dans les différentes disciplines constituant la science des données, avec un fort accent sur la méthodologie mathématique et statistique.
- Maîtriser des techniques sophistiquées tant en théorie qu'en pratique.

contenu

Aujourd’hui, les grands acteurs du monde de l’entreprise sont de plus en plus conscients du potentiel de leurs données et recherchent les moyens d’en extraire le plus d’informations utiles possible. Les data scientists sont chargés de récupérer, stocker, organiser, traiter cette masse d’informations pour créer de la valeur. Il s’agit d’un profil hybride nécessitant une solide formation en mathématiques et statistiques, la maîtrise des outils et infrastructures de gestion et de traitement des données, ainsi que de la curiosité et une soif de comprendre.

L'objectif du Master en Datascience est de former des experts dans ce domaine. A l’issue de la formation, les étudiants ont acquis des compétences en mathématiques de l’apprentissage statistique, en deep learning, en renforcement learning, en optimisation et en infrastructures big data entre autres. Ces compétences sont notamment développées à travers des projets pratiques et des compétitions de data science. En fin d'année, les résultats aux formations choisies ainsi que le projet professionnel sont évalués pour valider le Master.

domaines d'enseignement

Mathématiques appliquées.

Domaines d'enseignement IP-Paris

Mathématiques appliquées.

niveau requis

- Réalisation d'une première année de Master en mathématiques à l'Institut Polytechnique de Paris ou équivalent en France ou à l'étranger.
Anglais et Français.

atouts

- Maîtriser les outils et compétences clés des data scientists basés sur une approche interdisciplinaire.
- Poser les bases de votre future carrière en poursuivant un doctorat en Data Science ou en suivant un programme d'apprentissage.
- Ouvrir de nombreuses opportunités d'emploi en tant que data scientists, analystes de données ou dans le milieu universitaire.

débouchés

La Science des Données a un fort impact sur de nombreux secteurs. Il existe actuellement une importante pénurie mondiale de data scientists et d’analystes de données. Les étudiants des filières Data Science et Big Data sont donc très attendus sur le marché du travail mondial. Comme tous les domaines d’innovation de rupture (par exemple la biotechnologie et la médecine électronique), il existe un fort besoin d’ingénieurs et de doctorants de haut niveau.
En moyenne, près de 25 % des étudiants poursuivent leurs études avec un doctorat, tandis que les autres poursuivent leurs études dans l'industrie.

Parcours

Unités d'enseignement

UE Type d'enseignement Domaines Catégorie d'UE Credit Ects Volume horaire Responsables Periode de programmation Site pédagogique
DS-APP-Seminar Apprenticeship Seminar Cours scientifiques Mathématiques appliquées 2 Eric Moulines
DS-Capstone Capstone Project Cours scientifiques Mathématiques appliquées 6 Marylou Gabrié,
Anna Korba,
Kevin Scaman
AN3-P1P2
DS-ECE-1 Big Data Framework Cours scientifiques Mathématiques appliquées 6 Jae Yun JUN KIM,
Duc PHAM HI
AN3-P1P2
DS-ENS1-Object-recognition DS-ENS1-Object recognition and computer vision Cours scientifiques 5
DS-ENSAE-1 Statistical Learning Theory Cours scientifiques Mathématiques appliquées 3 Hicham Janati,
Jaouad Mourtada
AN3-P1P2
DS-ENSAE-2 High dimentional statistics Cours scientifiques 3 Evgenii CHZHEN,
Alexandre Tsybakov
AN3-P2
DS-ENSAE-3 Hidden Markov models and Sequential Monte Carlo methods Cours scientifiques 3 Nicolas Chopin X21-P2
DS-ENSAE-4 Estimation non paramétrique en Nonparametic estimation an... Cours scientifiques 3 Cristina Butucea AN3-P1P2
DS-ENSAE-6 Online learning and aggregation Cours scientifiques 3 Alexandre Tsybakov X21-P2
DS-ENSAE-9 Optimal Transport: Theory, Computations, Statistics, and ... Cours scientifiques Mathématiques appliquées 3 Marco Cuturi AN3-P2
DS-ENSAE-10 Statistiques Bayésiennes Cours scientifiques Mathématiques appliquées 3 AN3-P1P2
DS-ENSAE-11 Stats Bayésiennes Cours scientifiques Mathématiques appliquées 3 AN3-P1
DS-ENSAE-13 Re inforcement learning Cours scientifiques Mathématiques appliquées 3 AN3-P1P2
DS-ENSAE-14 AML (Advanced Machine Learning) Cours scientifiques Mathématiques appliquées 3 AN3-P2
DS-ENSAE-21 Machine Learning for Natural Language Processing Cours scientifiques Mathématiques appliquées 3 AN3-P2
DS-ENSAE15 Advanced Machine Learning (AML) Cours scientifiques Mathématiques appliquées 4 AN3-P1P2
DS-ENSTA-1 Optimisation sous-différentiable et méthodes proximales Cours scientifiques Mathématiques appliquées 3 Andres Contreras AN3-P1P2
DS-ENSTA-2a Introduction à la Recherche opérationnelle et données mas... Cours scientifiques 3 Zacharie Ales,
Eric SOUTIL
AN3-P1
DS-ENSTA-2b Recherche opérationnelle et données massives Cours scientifiques 3 Zacharie Ales AN3-P2
DS-ESILV-1 Projet Big Data & Assurance Cours scientifiques Mathématiques appliquées 3 Denis Oblin AN3-P2
DS-ESILV-2 Infrastructure de données Cours scientifiques 3 Nicolas TRAVERS AN3-P2
DS-LEC Groupe de Lecture (A) Cours scientifiques Mathématiques appliquées
DS-ML-1 ML Research Seminar Cours scientifiques Mathématiques appliquées 6 Rémi FLAMARY,
Eric Moulines
AN3-P1
DS-Télécom-23 Representation Learning for Computer Vision and Médical I... Cours scientifiques Mathématiques appliquées 3 Pietro GORI,
Loïc LE FOLGOC
AN3-P1P2
DS-Télécom-24 Développements récents dans l'IA responsable Cours scientifiques Mathématiques appliquées 3 24 Florence D'Alche-Buc,
Charlotte LACLAU
AN3-P1P2
DS-télécom-1 Optimization for Data Science Cours scientifiques Mathématiques appliquées 6 Pierre Ablin,
Alexandre Gramfort,
Hicham Janati
AN3-P1P2
DS-télécom-6 Apprentissage Profond 1 Cours scientifiques Mathématiques appliquées 3 Geoffroy Peeters AN3-P1
DS-télécom-7 Convex Analysis and Optimization Theory Cours scientifiques Mathématiques appliquées 6 Pascal BIANCHI,
Olivier Fercoq,
Walid HACHEM
AN3-P1P2
DS-télécom-8 An introduction to Machine Learning Theory Cours scientifiques Mathématiques appliquées 3 Stéphan CLEMENCON,
Ekhine IRUROZKI,
Hicham Janati,
Myrto Limnios
AN3-P1P2
DS-télécom-9 Data Camp Cours scientifiques Mathématiques appliquées 3 François CAUD,
Alexandre Gramfort,
Thomas Moreau
AN3-P1
DS-télécom-11 Modèles de Markov partiellement observés en signal et ima... Cours scientifiques Mathématiques appliquées 3 Wojciech PIECZYNSKI AN3-P1P2
DS-télécom-13 Deep Learning for Computer Vision Cours scientifiques Mathématiques appliquées 3 Stéphane LATHUILIERE AN3-P1P2
DS-télécom-15 Audio and music information retrieval Cours scientifiques 6 Geoffroy Peeters,
Gaël Richard
AN3-P2
DS-télécom-16 Tail events analysis: Robustness, outliers and models for... Cours scientifiques 3 Pavlo Mozharovskyi,
Anne Sabourin
AN3-P2
DS-télécom-17 Multi-object estimation and filtering Cours scientifiques 3 Daniel CLARK
DS-télécom-18 Stochastic approximation and reinforcement learning Cours scientifiques Mathématiques appliquées 3 Pascal BIANCHI AN3-P2
DS-télécom-19 Apprentissage Profond II Cours scientifiques 3 Yohan Petetin AN3-P2
DS-télécom-20 Natural Language Processing Cours scientifiques Mathématiques appliquées 6 Chloe Clavel,
Matthieu Labeau
AN3-P1
ECO573-ENSAE Ethics and responsibility in data science (ENSAE) Cours scientifiques 2 Paola Tubaro AN3-P1
EP-MAP-600A Remise à niveau M2DS : PROBA Cours scientifiques Mathématiques appliquées Eric Moulines AN3-P1
EP-MAP-600B Remise à niveau M2DS : STATS Cours scientifiques Mathématiques appliquées 3 AN3-P1
LAN572fESP B1/B2/C1 - Pintura española Langues Langues 0 Cristina Marinas AN3-P1P2
MAP652K Finance haute fréquence: outils proba., modélisation stat... Cours scientifiques Mathématiques appliquées 3 Mathieu Rosenbaum AN3-P2
MAP652L Marchés financiers et théorie financière Cours scientifiques Mathématiques appliquées 3 AN3-P2
MAP654I Practical introduction to machine learning Cours scientifiques Mathématiques appliquées 3 Rémi FLAMARY,
Ekhine IRUROZKI
AN3-P1
MAP670C Reinforcement Learning (M2DS) Cours scientifiques Mathématiques appliquées 3 Erwan Le Pennec AN3-P1P2
MAP670G Data Stream Processing Cours scientifiques Mathématiques appliquées 6 Mariam Barry,
Sathiya Prabhu Kumar,
Jeremie Sublime,
Maurras TOGBE
AN3-P1P2
MAP670H High-dimensional Matrix Estimation Cours scientifiques Mathématiques appliquées 3 Karim Lounici AN3-P1P2
MAP670L Generalisation properties of algorithms in ML Cours scientifiques Mathématiques appliquées 6 Aymeric DIEULEVEUT AN3-P2
MAP670M Causal Inference Cours scientifiques Mathématiques appliquées 3 Marianne CLAUSEL,
Imke Mayer
AN3-P2
MAP670N Advanced Learning for text and graph Data Cours scientifiques Mathématiques appliquées 6 Michalis Vazirgiannis AN3-P1P2
MAP670P Law and ethics of artificial intelligence Cours scientifiques Mathématiques appliquées 3 Winston MAXWELL AN3-P1P2
MAP670U Monte Carlo Methods: from MCMC to Data -based Generative ... Cours scientifiques Mathématiques appliquées 6 Randal Douc,
Alain Durmus,
Emmanuel Gobet
AN3-P1
MAP670X Master Classes and Hi!ckathon Cours scientifiques Mathématiques appliquées 3 Emmanuel Gobet,
Jérémy Harroch,
Eric Moulines
AN3-P1
MAP670i Structured Data: Learning and Prediction PA - C8 Mathématiques appliquées 3 Florence D'Alche-Buc,
Slim ESSID,
Tamim El Ahmad,
Luc MOTTE
AN3-P2
SOD311 Optimal Control of Ordinary Differential Equations ODEs Cours scientifiques Mathématiques appliquées 2.5 AN3-P1P2
STGM2 Stage M2 Stage Mécanique, Physique, Mathématiques appliquées, Informatique, Management, Innovation et Entrepreneuriat, Economie, Chimie, Biologie, Mathématiques 18 AN3-P3
Veuillez patienter