Responsables de la voie :
Profils
La voie « Data science, statistique & apprentissage » propose une formation fondamentale en statistique, apprentissage automatique et plus généralement en data science et en intelligence artificielle. S’appuyant sur les outils informatiques les plus adaptés , elle forme des « data scientists » dotés d’une expertise scientifique de très haut niveau, avec des ouvertures sur les champs applicatifs les plus actifs (finance, assurance, sciences sociales et éventuellement des compétences basiques en biologie).
Cette approche pédagogique axée sur une base théorique mathématique solide, permet d’assurer une meilleure assimilation des connaissances, une utilisation avisée des algorithmes et favorise la créativité et l’innovation.
MÉTIERS
La voie « Data science, statistique et apprentissage » vise à délivrer des compétences à la fois larges et approfondies en vue de concevoir des modèles statistiques, de développer des algorithmes d’intelligence artificielle et d’organiser les tests ou l’apprentissage statistique pour soutenir la prise de décision en rationalité limitée.
Les enseignements orientés vers l’apprentissage et les statistiques en grande dimension conduisent aux métiers d’experts statistiques dans l’industrie (EDF, Air Liquide, Thales, etc.), dans les entreprises utilisant de grandes bases de données ( Google, Apple, Facebook, Amazon et Microsoft), mais aussi dans les secteurs de la Finance et de l’Assurance (AXA, BNP Paris, CFM, etc.) ou encore les start-up technologiques.
Les enseignements liés aux enquêtes statistiques conduisent aux métiers de méthodologue au sein des instituts de sondage, dans les services statistiques et d’études des grandes entreprises et des administrations, et au sein des sociétés de conseil. Soutenus par des cours théoriques fondamentaux, cette voie mène aussi à la recherche en statistique et en apprentissage automatique.
Enseignements
Premier semestre
Cours obligatoires
| Matière | ECTS | Horaires (cours+TD) |
| Advanced Machine Learning | 4 | 18+6 |
| Statistique bayésienne | 4 | 18+0 |
| Et un cours semi-obligatoire au choix parmi : | ||
| Big Data et droit des données ou | 2 | 12+0 |
| Topics in Law, Data & Economics | 3 | 18+0 |
Cours optionnels
Vous avez le choix parmi 3 à 7 options* sur l’ensemble du catalogue de cours de 3A, semestre 1 (sous réserve de compatibilité avec votre emploi du temps), pour atteindre au total 30 à 31 ECTS sur le semestre. Nous vous recommandons les cours suivants, fléchés dans cette voie :
*dont langue vivante
| Matière | ECTS | Horaires (cours+TD) |
| Langue vivante (1 langue max, anglais obligatoire si niveau inférieur à B2) | 3 | 18+0 |
| Advanced Econometrics: Panel data and duration models | 4 | 24+0 |
| Computational statistics | 3 | 12+6 |
| Éléments logiciels pour le traitement des données massives | 3 | 0+15 |
| Enchères et Matching : apprentissage et approximations | 3 | 18+0 |
| Entrepreneuriat 1 | 3 | 18+0 |
| Estimation non paramétrique | 4 | 15+9 |
| Hidden Markov models and Sequential Monte-Carlo Methods | 3 | 18+0 |
| Modeling and managing energy risks | 2 | 12+0 |
| Optimisation avancée | 4 | 24+0 |
| High-dimensional statistics | 4 | 15+9 |
| Social Science Genetics | 4 | 24+0 |
| Topics in Law, Data and Economics | 3 | 18+0 |
Stage d'application (2A) ou cursus intégré
Si vous étiez en deuxième année à l’ENSAE
| Matière | ECTS | |
| Stage d’application de 2A | 7 |
Si vous arrivez directement en troisième année (cursus intégré), vous devez suivre le bloc d’harmonisation de 5 semaines, quelle que soit la voie de spécialisation choisie pour la suite.
| Matière | ECTS | Horaires (cours+TD) |
| Séries temporelles (CI) | 1 | 15+12 |
| Statistiques mathématiques | 1,5 | 18+12 |
| Économétrie (CI) | 1,5 | 18+12 |
| Initiation à R (CI) | 1 | 6+0 |
Option des élèves de la voie « économie »
Option des élèves de la voie « mathématiques appliquées »
| Microéconomie | 1 | 18+12 |
| Macroéconomie | 1 | 18+12 |
Option pour poursuivre dans la voie actuariat
Second semestre
Cours obligatoires
| Matière | ECTS | Horaires (cours+TD) |
| Compressed Sensing | 4 | 21+0 |
| Machine Learning for Natural Language Processing | 3 | 18+0 |
Cours optionnels
Vous avez le choix parmi 4 à 6 options* sur l’ensemble du catalogue de cours de 3A, semestre 1 (sous réserve de compatibilité avec votre emploi du temps), pour atteindre au total 30 à 31 ECTS sur le semestre. Nous vous recommandons les cours suivants, fléchés dans cette voie :
*dont langue vivante
| Matière | ECTS | Horaires (cours+TD) |
| Advanced Econometrics: Semi-parametric and simulations | 4 | 24+0 |
| Applications du bootstrap et autres techniques de ré-échantillonage | 3 | 18+0 |
| Blockchain Technologies and Tokenomics | 3 | 18+0 |
| Data Storytelling | 3 | 18+0 |
| Deep Learning: Models and Optimization | 3 | 18+0 |
| Entrepreneuriat 2 | 3 | 18+0 |
| Entrepreneuriat digital | 3 | 18+0 |
| Histoire et épistémologie de la statistique | 2 | 18+0 |
| Langue vivante (1 langue max, anglais obligatoire si niveau inférieur à B2) | 3 | 20+0 |
| Machine learning for Econometrics | 4 | 24+0 |
| Online learning and aggregation | 3 | 18+0 |
| Optimal Transport : theory, computations, statistics and ML applications | 3 | 12+6 |
| Programmation en GPU | 2 | 12+0 |
| Reinforcement learning | 2 | 12+0 |
| Statistique 3 | 4 | 24+0 |
| Techniques avancées d’apprentissage | 2 | 18+0 |
| Traitement des données distribuées | 3 | 18+0 |
Stage de fin d'études
| Matière | ECTS | |
| Stage de fin d’études | 7 |
Formation contrôlée par l’État et accréditée par la Commission des titres d’ingénieur
