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

MS Data Science

MS Data Science

Cette formation est de niveau Bac+6, et destinée aux candidats déjà titulaires d’un Bac+5 (en savoir plus sur l’admission).

Les métiers visés sont ceux de data scientist, analyste statisticien, chef data officier ou encore business analyst

Le data scientist est un spécialiste de l’économie numérique et des traitements de fichiers de données volumineux, capable d’inventer de nouveaux usages et d’en tirer de la valeur. Il est au croisement de l’informatique et de l’analyse statistique et possède une expertise scientifique de très haut niveau qui lui permet d’aider à la prise de décision dans de nombreux domaines : ciblage publicitaire en ligne, marketing e-commerce ou relation client plus traditionnelle, évaluation de politiques publiques, trading haute fréquence, imagerie, recherche académique, etc. Ce profil polyvalent peut mener aussi bien à des carrières d’expert qu’à des postes décisionnels ou d’encadrement en entreprise.

Les profils de data scientist sont aujourd’hui activement recherchés en France et à l’étranger, dans les start-up comme dans les grands groupes pour lesquels l’exploitation de données clients est stratégique : internet (Google, Facebook, Deezer, etc.), données clients des banques et assurances (Crédit agricole, Axa, etc.) ou des grandes entreprises (SNCF, EDF, etc.). Des postes d’études sont également à pourvoir dans des institutions chargées d’évaluer l’efficacité des politiques publiques ou d’étudier les comportements des agents économiques (INSEE, Ministères, caisses de Sécurité sociale, UNEDIC, OFCE, Banque de France, Institut des Politiques Publiques, CRÉDOC, OCDE, Banque mondiale, institutions européennes, FMI, etc.).

La formation 

Les cours listés ci-dessous correspondent à la maquette pédagogique prévisionnelle pour l’année 2021-22, qui peut être sujette à modifications.

  • 420 heures d’enseignement
  • Un stage de fin d’études de 4 à 6 mois

Le programme du Mastère Spécialisé® Data science repose sur les trois piliers qui caractérisent le métier de data scientist et qui sont recherchés sur le marché de l’emploi :

  • un pilier théorique et méthodologique qui recouvre les modèles et les méthodes d’apprentissage automatique, d’inférence bayésienne, de statistiques en grande dimension, d’analyse des réseaux ;
  • un pilier technologique/logiciel qui englobe des langages de programmation et ses librairies machine learning (Python, Matlab…), des logiciels de statistique (R, Stata…), des outils de gestion de bases de données (SQL, NoSQL) et de création d’applications parallélisées/distribuées pour le traitement des « Big Data » (Hadoop, Mapreduce…) ;
  • un pilier de champ d’expertise domaine, en particulier en marketing quantitatif, finance, économie.

Des conférences professionnelles complètent ces enseignements, où 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 avec un bloc d’harmonisation de 5 semaines à temps plein. Les cours sont ensuite regroupés sur 3 jours de la semaine d’octobre à mi-mai, suivis du stage de fin d’étude de mai à fin septembre. Il est possible de commencer le stage de manière anticipée, en alternant les jours en entreprise (lundis et jeudis) et les jours de cours ; sauf semaines de révision et d’examens.

Environ 30 % des cours sont assurés par les enseignants permanents, 25 % par des enseignants externes et 45 % par des professionnels (Google, Facebook, Microsoft, Crédit Agricole, Insee, etc.).

  • Séries temporelles
  • Econométrie
  • Initiation à R
  • Initiation à Python
  • Introduction à l’apprentissage statistique
  • Statistique mathématique
  • Intégration en MS : les fondations du lien
     
  • Bases de données
  • Big data et droit des données
  • Apprentissage Statistique appliqué
     
  • Analyse financière et stratégie d’entreprise
  • Blockchain: Bitcoin and Smart-Contracts
  • Dynamic pricing and revenue management
  • Eléments logiciels pour le traitement de données massives – Hadoop
  • Entrepreneuriat 1
  • Machine learning avec Python
  • Modeling and managing energy risks
  • Marketing
  • Optimisation avancée
  • Social Science Genetics
  • Statistical Methods of Econometrics

Par ailleurs, les étudiants intéressés par le Business data challenge (attention, capacité d’accueil restreinte) doivent le choisir de manière définitive en septembre uniquement, cet enseignement ayant lieu sur l’ensemble de l’année (ECTS comptant sur le 2e semestre).

  • Deep Learning: Models and Optimization
  • Seminar in Quantitative Marketing ou Data Storytelling
  • Compétences relationnelles et codes de l’entreprise
  • Artificial intelligence in insurance and actuarial studies
  • Bootstrap and Resampling Methods
  • Business data challenge (capacité d’accueil restreinte et enseignement sur l’ensemble de l’année, à choisir de manière définitive en septembre uniquement)
  • Cloud computing
  • Entrepreneuriat 2  (pré-requis : avoir suivi Entrepreneuriat 1)
  • Entrepreneuriat digital
  • Fabrication d’enquêtes
  • Histoire et épistémiologie de la statistique
  • Machine learning for finance
  • Machine Learning for Natural Language Processing
  • Optimal Transport: Theory, Computations, Statistics, and ML Applications
  • Online learning and aggregation
  • Programmation GPU
  • Reinforcement learning
  • Science des réseaux sociaux et économiques
  • Sociological perspectives on inequality
  • Sociologie des pratiques culturelles
  • Sociology of health and illness
  • Statistique 3
  • Statistique bayésienne
     
  • La scolarité du Mastère Spécialisé se conclut par un stage de fin d’études de 4 à 6 mois à partir de mi-mai (minimum 16 semaines). Ce stage peut être débuté de manière anticipée à temps partiel les lundis et jeudis, sous forme de CDD/CDI/ou stage à temps partiel, en accord avec le service des stages de l’ENSAE. Dans ce cas, il convient de rester vigilant sur la charge de travail.

À qui s’adresse le MS Data Science ?

Cette formation s’adresse à un public qui possède préalablement un solide bagage mathématique (en particulier en mathématiques appliquées, statistiques et probabilités).

Le recrutement standard correspond à des étudiant·es 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. Il est conseillé d’avoir un niveau M1 ou M2 en mathématiques appliquées, statistiques ou finance mathématique, ou un 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 consolider le socle de connaissances nécessaires au bon suivi des cours mutualisés avec la troisième année du cycle ingénieur.

Vous trouverez davantage d’informations sur le déroulement de la scolarité ici. Si vous êtes intéressé par une formation avec davantage de périodes de stage, nous vous conseillons le MS Data science pour la connaissance client de notre école partenaire, l’ENSAI.

Frais de scolarité 

Le coût de la formation est fixé à :

  • 14 000 € pour les professionnels, les entreprises ou les administrations ;
  • 9 500 € pour les étudiant·es en continuation d’études ou les demandeurs d’emploi.