Master Informatique – Parcours : Machine Learning pour la Science des Données (MLSD)

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 en alternance « Machine Learning 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, la science des données, le Big data et de l’intelligence artificielle sont proposées. Ce master existe également en formation initiale (FI) sous le nom « Apprentissage Machine pour la Science des Données ».

OBJECTIFS

Ce master en alternance 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 également 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, la recommandation et le Computer vision.

COMPÉTENCES VISÉES

Le Master prépare 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

Le M1 est organisé en deux semestres comprenant, en plus des enseignements communs avec les autres parcours, des UE spécifiques au parcours AMSD.

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.

Missions en entreprise 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.

Cette formation en alternance (M1 et M2) requière un contrat en apprentissage ou de professionnalisation d’une durée de 1/2 an(s) au cours duquel plusieurs missions sont confiées à l’apprenti. La soutenance du stage et le rapport de mémoire en M1 et M2 clôturent la fin de l’année en juin. Un projet tutoré pluridisciplinaire est également proposé dès le mois de février ; il est évalué par un rapport et une soutenance.

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 et 4
Analyse et reconstruction de graphes
Apprentissage et factorisation matricielle
Apprentissage non supervisé
Apprentissage supervisé
Apprentissage par renforcement
Business Intelligence
Big Data Analytics
Deep learning
Finite Mixture models et co-clustering
Fouille des données spatiales et temporelles
Text-mining et NLP
Dimensionality Reduction
Projet Pluridisciplinaire
Anglais

Admission

Ce master est destiné aux titulaires d’une licence Informatique, licence mathématiques appliquées 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 ou validation d’acquis personnels et professionnels (VAPP D. 23/08/1985)

Prérequis pour entrer en M2 : Master 1 en informatique ou Master 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)

Candidatures

Dossier de candidatures :

  • Lettre de motivation (document obligatoire)
  • Curriculum vitae complet (document obligatoire)
  • Photocopie des relevés de notes bac et post bac (document obligatoire)
  • Lettre de recommandation (document facultatif)
  • Dossier VAPP85 (le cas échéant)

Période des candidatures : entre mars et juin
Période des entretiens : mai

Pour candidater, rendez-vous à l’adresse suivante pour accéder à la plateforme eCandidat Université de Paris : 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

POURSUITE D’ÉTUDES

Avec le master MLSD, vous pouvez ensuite si vous le souhaitez poursuivre vos études en doctorat et réalisé ainsi une thèse en contrat doctoral ou CIFRE en partenariat avec une entreprise ; ce qui correspond à une sorte d’alternance en doctorat.

PASSERELLE

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 Engineer, 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
Osman Salem
osman.salem@u-paris.fr

Responsable de pôle alternance
Sylvain Vairelles

Site Afia CFA

Secrétariat pédagogique
Zohra Bennia


Site Afia CFA

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