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
UFR des Sciences fondamentales et biomédicales
Niveau d’études visé
BAC +5
2 ans
ECTS
120
- Formation initiale
- Formation continue
- Formation en alternance
Validation des Acquis de l’Expérience
Oui
Français
Lieu de formation
Campus Saint Germain des Prés
Pour en savoir plus, rendez-vous sur > u-paris.fr/choisir-sa-formation