Mastère spécialisé en Data Science
Le MS Data Science permet d’acquérir un profil hautement qualifié, à l’interface entre informatique pour données massives et analyse statistique, pour lequel les débouchés sur le marché du travail sont extrêmement variés : conseil, industries technologiques, services financiers innovants, etc.
Les métiers visés sont ceux d’« analyste statisticien » ou de « data scientist », « chief Data officer », Business Analyst, expert analyste de données.
Les data scientists sont des spécialistes de l’économie numérique et des traitements de fichiers de données volumineux, capables d’inventer de nouveaux usages et d’en tirer de la valeur profitable à l’entreprise. Ils sont au croisement de l’informatique et de l’analyse statistique. Ils possèdent une expertise scientifique de très haut niveau qui leur permet d’aider à la prise de décision grâce au traitement de ces données dans de nombreux domaines : on pourra citer entre autres le ciblage publicitaire en ligne en temps réel, le marketing dans l’e-commerce ou dans la relation client plus traditionnelle, l’évaluation de politiques publiques, le trading haute fréquence, la biostatistique, l’imagerie. Les data scientists sont aujourd’hui activement recherchés en France comme à l’étranger, dans des start-ups qui construisent de nouveaux usages comme dans des grands groupes pour lesquels l’exploitation de données clients est stratégique : internet (Google, Facebook, etc.), données clients des banques et assurances (Crédit agricole, Axa, etc.) ou des grandes entreprises (SNCF, EDF, etc.).
Les data scientists profitent de leur positionnement particulier entre technique et décision pour se positionner comme experts ou évoluer vers des postes décisionnels ou d’encadrement en entreprise de type « Chief Data Officer ».
La formation
420 heures d’enseignement / Un stage de fin d’études de 4 à 6 mois, qui peut être commencé tôt à temps partiel
Le programme du Mastère Spécialisé Data Science est axé sur les trois piliers qui caractérisent le métier de data scientist et sur lesquels les offres d’emploi reposent aujourd’hui le plus souvent :
- un pilier méthodologique, modèles et méthodes d’apprentissage automatique, d’inférence bayésienne, de statistiques en grandes dimensions, d’analyse des réseaux ;
- un pilier technologique/logiciel, un langage de programmation et ses librairies « Big data » (Python…), un logiciel de statistique (SAS, R…), des outils d’interrogation de bases de données (SQL, NoSQL) et de création d’applications parallélisées/distribuées (Hadoop, Mapreduce…) ;
- un pilier de champ d’application, en particulier en marketing quantitatif, finance, économie. Des conférences professionnelles viennent compléter ces enseignements. Des intervenants extérieurs issus du monde professionnel y abordent des thèmes d’actualité et/ou concernant des aspects pratiques du métier de data scientist.
La formation débute fin août / début septembre. Environ 40 % des cours sont assurés par les enseignants permanents, 40 % par des enseignants externes et 20 % par des professionnels (Microsoft, Cdiscount, Ernst & Young, Crédit Agricole, Insee, etc.).
Bloc d’harmonisation (120h, 4 ECTS)
- Statistique mathématique
- Econométrie
- Séries temporelles
- Introduction à l’apprentissage statistique
- Introduction à SAS et R
Cours obligatoires du premier semestre (65h, 15 ECTS)
- Apprentissage Statistique
- Bases de données
- Réseaux de neurones
- Eléments logiciels pour le traitement de données massives – Hadoop
- Big data et droit des données
Options de spécialisation du premier semestre (55 à 85h, 7 à 13 ECTS)
- Machine learning avec Python
- Entrepreneuriat 1
- Gestion des risques de l’énergie
- Marketing
- Modèles à chaîne de Markov cachée et méthodes de Monte-Carlo
- Optimisation avancée
- Statistique bayésienne
Cours obligatoires du second semestre (45h, 9 à 15 ECTS) – 3 cours parmi 5 dont projet informatique :
- Data Storytelling
- Stochastic Optimization and Automatic Differentiation for Machine Learning
- Projet informatique
- Seminar in Quantitative Marketing
- Statistical Analysis of Network Data with applications in Marketing
Options de spécialisation du second semestre (20 à 70h, 4 à 15 ECTS)
- Applications du bootstrap et autres techniques de ré-échantillonage
- Apprentissage en ligne et agrégation
- Analyse textuelle
- Intelligence artificielle et assurance
- Entrepreneuriat 2
- Entrepreuneuriat digital
- Programmation GPU
- Traitement des données distribuées
- Statistique 3
A qui s’adresse le MS Data Science ?
Le recrutement standard correspond à des étudiants ou professionnels avec un Bac+5 (Master 2 ou équivalent) et venant acquérir un complément de formation leur permettant d’être compétitifs sur le marché de l’emploi des data scientists. Il est conseillé d’avoir un niveau M1 ou M2 en mathématiques appliquées, statistiques, finance mathématique, ou économétrie, ou diplôme d’ingénieur ou d’école de commerce avec contenu mathématique ou statistique conséquent. Un bloc d’harmonisation en début de cursus (fin août à début octobre) vise à transmettre un socle minimal de connaissances nécessaires au bon suivi des cours de troisième année.
Les frais de scolarité
Le coût de la formation est fixé :
- à 14 000 € pour les professionnels, les entreprises ou les administrations ;
- à 9 500 € pour les étudiants en continuation d’études ou les demandeurs d’emploi.
