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
- APM_5ML13_AE Statistique et Théorie de l'apprentissage
- 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
- APM_5ST17_AE Estimation non paramétrique
- APM_5ST19_AE Statistiques à haute dimension
- APM_53655_EP Introduction pratique à l'apprentissage automatique
- CSC_5AI06_TP Deep learning I
- CSC_5DS25_TP Natural Language Processing and Sentiment Analysis
- APM_5ST02_AE Modèles à chaîne de Markov cachés et méthodes de Monte Carlo séquentielles
- APM_53674_EP Apprentissage avancé pour les données textuelles et graphiques
- APM_53673_EP L'optimisation rencontre la généralisation : enseignements tirés de l'apprentissage statistique et des réseaux neuronaux
- APM_53672_EP Apprentissage des opérateurs, applications dans les systèmes dynamiques et quantification des incertitudes
- APM_5DS19_TP Modèles de Markov partiellement observés en signal et image
- APM_53669_EP Droit et éthique de l'intelligence artificielle
- APM_53677_EP Optimisation pour les datasciences
- APM_53670_EP Apprentissage par renforcement
- APM_5MS1B_TA Reinforcement learning
- APM_5DA12_TP Deep Learning for Computer Vision
- MDC_53671_EP Traitement des flux de données
- APM_5OD42_TA Introduction à la recherche opérationnelle
- APM_5AI26_TP Kernel Machines
- 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_5OD22_TA Integer Optimization for machine learning
- APM_5OD14_TA Cooperative optimization and learning
- APM_54601_LV Transformation pilotée par l'IA
- APM_5ML12_AE Apprentissage en ligne et agrégation
- APM_54602_LV Infrastructure de données en nuage
- APM_54670_EP Introduction à l'intelligence artificielle explicable : modèles interprétables, explicabilité post-hoc et causalité
- APM_5ML11_AE Transport optimal : de la théorie aux ajustements, calculs et applications en apprentissage automatique
- APM_5DA13_TP Representation Learning for Computer Vision and Medical Imaging
- APM_54680_EP Introduction aux MLOps
- MEC_51057_EP Apprentissage Automatique pour le climat et l'énergie
- APM_54607_EP Apprentissage profond pour les séries chronologiques
- APM_54609_EP Modèles génératifs pour la prédiction de contenu visuel
- INT_53002_EP M2 Projet de recherche - PhDTrack
- LAN_40LV1_EP LV1 - Anglais
- LAN_50680_PS Langues - Paris Saclay
- LAR_51200_EP Arabe Débutant 3
- LAR_51300_EP LU6 - Arabe niveau Intermédiaire avec X24
- LDE_51100_EP JE1 - Allemand Débutant
- LDE_51412_EP MA2 - B2 - Atelier théâtre
- LEN_50512_EP JE1 - Games and Society
- LEN_51311_EP B2/B2.2 - X-News
- LEN_51314_EP MA2 - Persuasion - B2-B2.2 - LEN_51314_EP
- LEN_51511_EP C1/C2 - Capitalism & Popular Culture
- LEN_51514_EP Negotiation Bootcamp
- LES_51100_EP JE1 - Espagnol Débutant
- LES_51300_EP JE1 - Espagnol - Avancé
- LES_51305_EP MA2 - B2C1 - Architecture et poésie : des formes qui disent l'Histoire
- LFR_40LV1_EP LV1 - FLE
- LFR_50101_EP Cours de Français - PhD Track/MASTER/PEI - A0/A1
- LFR_50108_EP Cours de Français - PhD Track/MASTER/PEI - A0/A1
- LFR_50200_EP Cours de Français - PhD Track/MASTER/PEI - A2/B1
- LFR_50203_EP JE1 - A2/B1 - Langue française et civilisation
- LFR_50204_EP Cours de Français - PhD Track/MASTER/PEI - A2/B1
- LFR_51520_EP MA2 - C1C2 - Art et politique XIXe-XXe siècles
- LJA_51400_EP ME6 - Japonais niveau Intermédiaire 3
- LRU_41300_EP ME6 - Russe intermédiaire - B1B2
- LRU_42300_EP Russe intermédiaire avec les X22 - B1B2
- LRU_51300_EP ME6 - Russe intermédiaire avec X24
- LZH_41200_EP LU6 - Chinois niveau Intermédiaire
- LZH_51500_EP ME6 - Chinois niveau Avancé 3
