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.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
- M2DS-MAST2A M2- Data Science - Master 2A
- M2DS - S1 M2DS - Semestre 1
- APM_53600_EP Remise à niveau M2DS : PROBA
- APM_51600_EP Remise à niveau M2DS : STATS
- M2DS - S1 - Cours M2DS - Semestre 1 - Cours
- APM_53678_EP Data Camp
- APM_53676_EP Master Classes and Hi!ckathon
- M2DS - S1 - Electifs M2DS - Semestre 1 - Electifs
- DS-ENSAE-1 Statistical Learning Theory
- APM_53675_EP Introduction aux modèles génératifs
- APM_53610_EP Méthodes de Monte Carlo par chaînes de Markov et approximation variationnelle
- APM_53601_CS Cadre de travail du Big Data
- DS-ENSAE-4 Estimation non paramétrique en Nonparametic estimation and testing
- DS-ENSAE-2 High dimentional statistics
- APM_53655_EP Introduction pratique à l'apprentissage automatique
- DS-ENSAE-3 Hidden Markov models and Sequential Monte Carlo methods
- APM_53674_EP Apprentissage avancé pour les données textuelles et graphiques
- APM_53673_EP Propriétés de généralisation des algorithmes en ML
- APM_53672_EP Apprentissage des opérateurs, applications dans les systèmes dynamiques et quantification des incertitudes
- APM_53669_EP Droit et éthique de l'intelligence artificielle
- APM_53677_EP Optimisation pour les datasciences
- APM_53670_EP Apprentissage par renforcement
- MDC_53671_EP Traitement des flux de données
- M2DS - S1 - Electifs H.M. M2DS - Semestre 1 - Electifs hors maquette
- M2DS - S1 M2DS - Semestre 1
- INT_53001_EP Stage M2
- APM_54600_EP Projet Capstone
- APM_54605_EP Séminaire de recherche Machine Learning ML
- APM_54601_LV Projet Big Data et Assurance
- DS-ENSAE-6 Online learning and aggregation
- APM_54602_LV Infrastructure de données en nuage
- APM_54670_EP Inférence causale
- DS-ENSAE-9 Optimal Transport: Theory, Computations, Statistics, and ML Applications
- APM_54680_EP Introduction aux MLOps
- MEC_51057_EP Apprentissage Automatique pour le climat et l'énergie
- INT_53002_EP M2 Projet de recherche - PhDTrack
- LFR_50101_EP Cours de Français - PhD Track/MASTER/PEI - A0/A1
- LFR_50200_EP Cours de Français - PhD Track/MASTER/PEI - A2/B1
- LRU_51200_EP Russe niveau Débutant 3
- LDE_51300_EP Allemand B1
- LAR_51300_EP LU6 - Arabe niveau Intermédiaire avec X22
- LZH_51300_EP MA6 - Chinois niveau Intermédiaire 3
- LJA_51400_EP MA2 - Japonais niveau Intermédiaire 3
- LRU_51300_EP ME6 - Russe intermédiaire avec X22
- LDE_51412_EP MA2 - B2 - Atelier théâtre
- LEN_51311_EP B2/C1 - X-News
- LEN_51314_EP Persuasion - LEN_5134_EP
- LEN_51513_EP C1/C2 - US : Hard & Soft power
- LFR_51528_EP MA6 - C1C2 - Mythes de la technique et de la civilisation
- LFR_51520_EP MA2 - C1C2 - Art et politique XIXe-XXe siècles
- LFR_51525_EP MA6 - C1C2 - Atelier d'écriture littéraire
- LFR_51531_EP MA2 - Les subtilités du français
- LDE_51100_EP JE1 - Allemand Débutant
- LES_51100_EP JE1 - Espagnol Débutant
- LAN_40LV1_EP LV1 - Anglais
- LFR_40LV1_EP LV1 - FLE
- LAN_50680_PS Langues - Paris Saclay
- LFR_50204_EP Cours de Français - PhD Track/MASTER/PEI - A2/B1
- LFR_50108_EP Cours de Français - PhD Track/MASTER/PEI - A0/A1
- LEN_51511_EP C1/C2 - Capitalism & Popular Culture
- LEN_51514_EP C1/C2 - Negotiation Bootcamp
- LEN_51313_EP B1B2 - Language improvement & exam prep
