ENSAE Paris - École d’ingénieurs pour l’économie, la data science, la finance et l’actuariat

Data Science, Statistique et Apprentissage

Data Science, Statistique et Apprentissage

   

La troisième année du cycle ingénieur de l’ENSAE Paris comporte six voies de spécialisation. Chacune a été conçue pour proposer une séquence cohérente d’enseignements (cours théoriques avancés, applications, projets, séminaires…), préparant à un grand domaine de métier et donnant aux élèves une vision à la fois large et approfondie de ce domaine. Chacun des métiers exercés par des ENSAE fera appel à des degrés divers aux méthodes statistiques, à la science des données et à la modélisation, qui sont donc présentes au sein de chaque voie.

En savoir plus sur les admissions en cycle ingénieur

La voie « Data science, statistique & apprentissage » propose une formation fondamentale en statistique, apprentissage automatique et plus généralement en data science et en intelligence artificielle.

Responsables de la voie

Arnak Dalalyan

Alexandre Tsybakov

Profils

S’appuyant sur les outils informatiques les plus adaptés , cette voie 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

Les enseignements scientifiques obligatoires et les cours à options recommandés pour la voie sont décrits ci-dessous. A chaque semestre, vous pouvez choisir une langue vivante (maximum). L'anglais est obligatoire si votre niveau est inférieur à B2. Les options peuvent être panachées entre les différentes voies (sous contraintes d'emploi du temps) pour constituer des profils hybrides. Il est alors recommandé de discuter de leur cohérence, ainsi que de l'articulation des choix de cours avec un éventuel M2 suivi en parallèle, avec la direction des études ou/et le ou les responsables de voies.

Premier semestre

Matière ECTS Horaires (cours+TD)
Advanced Machine Learning 4 21+9
Big Data et droit des données 2 12+0
Optimisation avancée 4 18+0

Vous avez le choix parmi 3 à 7 options (dont langue) 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 :

Matière ECTS Horaires (cours+TD)
Advanced Econometrics: Panel data and duration models 4 24+0
Blockchain: Bitcoin and Smart-Contracts 3 18+0
Computational statistics 3 12+6
Éléments logiciels pour le traitement des données massives 3 18+0
Entrepreneuriat 1 3 18+0
Estimation non paramétrique 4 15+9
Fundamental limits of deep neural network learning (CREST) 2 10+0
Hidden Markov models and Sequential Monte-Carlo Methods 3 18+0
High-dimensional statistics 4 15+9
Modeling and managing energy risks 2 12+0
Social Science Genetics 3 18+0
Statistical methods of Econometrics 3 18+0

Second semestre

Matière ECTS Horaires (cours+TD)
Compressed Sensing 4 21+0
Machine Learning for Natural Language Processing 3 18+0

Vous avez le choix parmi 4 à 6 options (dont langue) 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 :

Matière ECTS Horaires (cours+TD)
Bootstrap and Resampling Methods 3 18+0
Cloud computing 3 18+0
Data Storytelling 3 18+0
Deep Learning: Models and Optimization 3 18+0
Enchères : apprentissage et approximations 3 21+0
Entrepreneuriat 2 3 18+0
Entrepreneuriat digital 3 18+0
Histoire et épistémologie de la statistique 3 18+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 3 18+0
Statistique 3 4 24+0
Statistique bayésienne 3 18+0
Techniques avancées d’apprentissage 3 18+0