Master Informatique – Parcours : Apprentissage Machine pour la Science des Données (AMSD)

Présentation

La plupart des décisions importantes des responsables en entreprise, mais aussi des scientifiques ou des économistes par exemple, sont prises aujourd’hui sur la base de l’analyse de données massives et multi-vues. Ces données sont au cœur du fonctionnement des intelligences artificielles actuelles. Si ces données sont disponibles en abondance (Big data), elles le sont le plus souvent sous forme brute et nécessitent d’abord une réorganisation et un prétraitement éclairés. Ensuite, une phase d’analyse, par des méthodes d’apprentissage machine (Machine Learning) issues de l’intelligence artificielle et de la statistique, est donc nécessaire. C’est l’objet du Master « Apprentissage Machine pour la Science des Données ». Ce master requière des compétences en Informatique et en mathématiques appliquées. Dans M1, des UE spécifiques aux domaines de l’apprentissage machine, de l’intelligence artificielle, de la science des données et le Big data sont proposées. A noter que ce master existe également en alternance (FA) sous le nom « Machine Learning pour la Science des Données ».

OBJECTIFS

Ce master a pour objectifs de

  • former des Data Scientists maitrisant les différentes méthodes d’apprentissage machine (supervisé, non supervisée et semi-supervisé sous différentes approches y compris le deep learning) et capables de concevoir de nouvelles méthodes adaptées aux divers domaines d’activités dans le but d’extraire de la connaissance utile à l’optimisation des offres et services de l’entreprise.
  • permettre de poursuivre en thèse dans le domaine de l’apprentissage machine, l’intelligence artificielle et la science des données sur des sujets d’ordre théorique et appliqué à divers domaines dont le text-mining, le NLP et le Computer vision.

COMPÉTENCES VISÉES

Le Master prépare à fois à la recherche et aux métiers liés au domaine du Machine Learning, l’intelligence artificielle et la science des données. Il permet d’acquérir de nombreuses compétences dans

  • les méthodes de machine learning sous différentes approches y compris le deep learning
  • la statistique et l’algèbre linéaire dans le domaine de la science des données
  • les données temporelles et spatiales
  • le data engineering, la programmation notamment avec R et Python
  • la gestion des données non structurées
  • le Big data et les outils du cloud
  • le Business intelligence et les outils analytiques
  • Text-mining et NLP
  • divers domaines d’applications dont le computer vision, les systèmes de recommandation, les réseaux sociaux et la bioinformatique.

Programme

ORGANISATION

Organisation de la rentrée -> lien direct

Le M1 est organisé en deux semestres comprenant, en plus des enseignements communs avec les autres parcours, des UE spécifiques au parcours AMSD sont dispensés au cours des deux semestres.
En master M2, les enseignements dispensés sont consacrés exclusivement à l’Apprentissage Machine, l’intelligence artificielle et la science des données, l’UE Anglais est également dispensée. Pour répondre efficacement aux objectifs de la formation, tous les enseignements se déroulent dans une salle machine.

Répartition des cours – Master 1
Semestres 1 et 2
Anglais
Administration Système Unix/Linux
Probabilités et statistiques pour l’ingénieur
Programmation Web
Programmation avancée
Complexité algorithmique
Optimisation combinatoire
Optimisation et algorithmique
Data Science I
Big Data Analytics
Data Science II
Machine Learning et deep learning
NLP
Projet tuteuré pluridisciplinaire en IA/Machine Learning

 

Répartition des cours
Semestre 3
Analyse et reconstruction de graphes
Apprentissage et factorisation matricielle
Apprentissage non supervisé
Apprentissage supervisé
Apprentissage par renforcement
Big Data Analytics
Deep learning
Finite Mixture models et co-clustering
Fouille des données spatiales et temporelles
Text-mining et NLP
Dimensionality Reduction
Méthodologie de la recherche
Anglais
UE Facultative : Cap emploi
Semestre 4
Stage de M2

STAGE

Stage : Obligatoire

Durée du stage : 4 à 6 mois

Stages et projets tutorés :

La formation requière la réalisation d’un projet tutoré en première année. Le projet tutoré est programmé en second semestre. Plusieurs sujets sont proposés et s’articulent autour de l’apprentissage machine, l’intelligence artificielle et la science des données.
Le stage en première année est optionnel mais vivement recommandé.
Par contre, en M2, un stage de 4 à 6 mois est obligatoire dans une entreprise ou un laboratoire de recherche en France ou à l’International. La soutenance est programmée en septembre.

Admission

Ce master est destiné aux titulaires d’une licence Informatique ou équivalents avec un bon niveau en statistiques et calcul matriciel. Les candidatures de licence Mathématiques avec une compétence en informatique attestée par l’obtention d’UE spécifiques à la programmation et aux bases de données sont également étudiées.

Prérequis pour entrer en M1 : Licence d’informatique, licence de mathématiques appliquées ou validation d’acquis personnels et professionnels (VAPP D. 23/08/1985)

Prérequis pour entrer en M2 : Master 1 en informatique ou mathématiques appliquées avec des pré-requis en science des données, diplôme d’ingénieurs ou validation d’acquis personnels et professionnels (VAPP D. 23/08/1985)

Candidature

Pour candidater, rendez-vous à l’adresse suivante pour accéder à la plateforme eCandidat Université Paris Cité à partir du 1er avril : https://ecandidat.app.u-paris.fr/sciences1/#!offreFormationView
NB : Afin de pouvoir candidater, il vous sera nécessaire de créer un compte eCandidat si cela n’est pas déjà fait. Pour cela, rendez-vous à l’adresse suivante : https://ecandidat.app.u-paris.fr/sciences1/#!candidatCreerCompteView

Vous retrouverez le parcours sous l’onglet INFORMATIQUE (UFR SCIENCES FONDAMENTALES ET BIOMEDICALES) > Master > Parcours – cf illustration ci-dessous :

Et après

PASSERELLE ET REORIENTATION

A l’issue de la première année, une réorientation en seconde année vers un autre parcours du Master Informatique est envisageable à l’appréciation du responsable du parcours concerné.

TAUX DE RÉUSSITE

90% en M1, 98% en M2 (FI), 100% (FA)

INSERTION PROFESSIONNELLE

Avec ce master et en tant que data scientist vous pouvez intégrer petites, moyennes et grandes entreprises dans divers secteurs. Voici une liste de métiers auxquels vous pouvez aussi prétendre : Data engineering, Data Analyst, Architecte et Développeur d’outils d’analyse de données, Concepteur/Développeur de modèles mathématiques/statistiques,  Ingénieur Recherche & Développement.

Contacts

Responsable du diplôme et du M2
Mohamed Nadif
mohamed.nadif@u-paris.fr

Responsable du Master 1
Lazhar Labiod

Coordinatrice pédagogique
Séverine Affeldt

Responsable de pôle alternance
Karima Doukkali

Site Afia CFA

Responsable administratif et  pédagogique
Aline Dodeman
aline.dodeman@u-paris.fr

Gestionnaire des conventions de stage
Eddy Malrat
eddy.malrat@u-paris.fr

En bref

Composante(s)
UFR des Sciences fondamentales et biomédicales

Niveau d’études visé
BAC +5

Durée
2 ans

ECTS
120

Modalités de formation

  • Formation initiale
  • Formation continue
  • Formation en alternance

Validation des Acquis de l’Expérience
Oui

Langue des enseignements
Français

Lieu de formation
Campus Saint Germain des Prés

Pour en savoir plus, rendez-vous sur > u-paris.fr/choisir-sa-formation