Applied MSc in Data Science & Artificial Intelligence

85%

taux de diplomation

90%

étudiants satisfaits par la formation

100%

d’emploi pérenne dans les 6 mois
suivant le stage

Découvrez la science des données et les techniques d'intelligence artificielle

La formation Applied MSc in Data Science & Artificial Intelligence 1 avec ses deux entrées en automne et au printemps, vous permettra d’acquérir une compréhension approfondie des principaux fondements scientifiques des techniques d’intelligence artificielle, centrée sur la modélisation puis la mise en œuvre plutôt que sur l’étude des API et des cadres de la science des données. Cette formation Applied MSc est un “approfondissement” des mathématiques appliquées et de leur mise en œuvre, dirigé par des professeurs de l’École française de mathématiques.

1 Une fois vos études et votre expérience professionnelle terminées, vos réalisations seront évaluées par notre comité de remise des diplômes. En cas de réussite, vous pourrez obtenir le diplôme “Expert en Sciences des Données”. DSTI est fier de son Applied MSc in Data Science & AI et Applied MSc in Data Engineering for AI qui ont été entièrement accrédités au niveau Master par le gouvernement français via le mécanisme RNCP . Le RNCP “Répertoire National des Certifications Professionnelles” est un mécanisme de reconnaissance gouvernemental destiné à vérifier l’adéquation des programmes au marché du travail. Un titre RNCP récompense des besoins spécifiques en termes de transfert de compétences et de connaissances pour une employabilité immédiate, ce qui est au cœur de la philosophie de DSTI.

Le Data Scientist, le métier classé « plus sexy du 21e siècle »

Le Data Scientist, un emploi classé comme le « plus sexy du 21e siècle » par la Harvard Business Review, a maintenant (heureusement) dépassé son stade de“hype” stage. En cette fin de premier quart du 21e siècle, , les employeurs savent bien ce qu’est un Data Scientist, c’est-à-dire un bon mathématicien appliqué capable de programmer un ordinateur pour des preuves de concept (PoC). Ces PoCs sont ensuite industrialisés par leurs collègues axés sur l’informatique les Data Engineers et habilement exploités à l’échelle de l’organisation par les Data Analysts pour servir les décideurs..

Bien qu’ils forment la plus petite population en demande d’emplois centrés sur les données (#1 Data Engineer,#2 Data Analyst, #3 Data Scientist), ls deviennent rapidement des postes très rémunérateurs parmi l’éventail depostes établis qui devraient connaîtreune demande croissante d’ici 2022 The Future of Jobs Report », The World Forum).

Les salaires

En Europe, nous rapportons un salaire moyen de niveau intermédiaire compris entre 55 000€ et 80 000€.

Rémunération moyenne d’un stagiaire en France: 1 300€ par mois

Modes d'enseignements

En présentiel

800 heures
Choisissez d'étudier sur le campus de Nice Sophia-Antipolis ou de Paris. Vous suivrez 9 mois de cours (environ 5h par jour), suivis d'un stage de 5 à 6 mois.

En ligne – à temps plein

800 heures
Conçu pour ceux qui veulent étudier à temps plein. Étudier en ligne pendant une période de 9 mois, suivie d'un stage de 5 à 6 mois.

SPOC – mode asynchrone

800 heures
Conçu pour les professionnels en activité qui souhaitent acquérir de nouvelles compétences. Étudiez en ligne et à votre propre rythme, pour une période flexible pouvant aller jusqu'à 36 mois.

Objectifs

  • Mathématiques pour la science des données

    Affinez vos mathématiques appliquées pour la science des données et l'intelligence artificielle ;

  • Algorithmes d'intelligence artificielle

    Concentrez votre apprentissage sur la compréhension du cœur des algorithmes d'intelligence artificielle.

  • IT & Big Data architectures

    Mettez en œuvre vos compétences scientifiques en analysant, concevant, mettant en œuvre et contrôlant les architectures informatiques et de Big Data.

  • Gestion de projets informatiques et aspects juridiques

    Être sensibilisé à la gestion des projets informatiques et aux conséquences juridiques du traitement des données, avec une pincée de réflexion éthique sur les conséquences de l'exploitation des (big) data.

Structure du programme

Programme de 800 heures – 60 ECTS

  • 730 heures de cours dont 75 heures de cours préparatoires DSTI Warm Up
  • 70 heures de sessions de support 

Stage de 850 heures (5 à 6 mois) – 30 ECTS

La formation Applied MSc in Data Science & AI est composée des modules* suivants, qui correspondent à des heures réelles de présence en classe (un travail personnel est attendu en plus de ceux-ci) :

  • Warm Up


  • Core Data Science
    & Artificial Intelligence
    8-10 ECTS
  • Core
    Data Engineering
    9 ECTS
  • Applied Data Science
    & Artificial Intelligence
    9-11 ECTS
  • Management, Ethics
    & Laws
    2 ECTS

Applied mathematics & data structures

(5 days)

  • Mathematic fundamentals review, data structures for algorithmics on Python Modeling elements
    (all pre-calculus level)
  • Data Structures for algorithmics: a benchmark on Python & R
  • Design structures for fitting well known libraries (glmnet, xgboost, sci-kit learn)

Introduction to networks

(1 day)

  • Fundamentals of packet networking, routing networks layers, protocols, address spaces and associated service with TCP/IP

 

Introduction to IT systems

(3 days)

  • Fundamentals of Computer Architecture & Operating Systems

Introduction to computer science

(1 day)

  • Fundamentals of programming

Computer systems

(5 days)

  • Introduction to OS architecture
  • Introduction to DOS/Power shell command
  • Introduction to bash command /scripting
  • Use case on a Linux web server

Applied Mathematics for Data Science
1 ECTS

(25 hrs)

Calculus – Linear Algebra – Trigonometry & Complex Numbers

Foundations of Statistical Analysis & Machine Learning Part II
1 ECTS

(40 hrs)

Tests – Estimators – Confidence Intervals – Inference – ANOVA – PCA – Simple Linear Regression – Applications using R

Continuous Optimisation
2 ECTS

(25 hrs)

Critical points – Multiple variables function optimisation – Gradiant methods – Constraint-based optimisation with Lagrange Multiplier – Applications using Python using TensorFlow

Artificial Neural Networks*
1 ECTS

(25 hrs)

Perceptron’s layers, weights, biases – Hyperparameter – Activation and cost functions – Review of optimization algorithms – Backpropagation – Learning mechanism – Classification & regression – Applications in Python using TensorFlow

Foundations of Statistical Analysis & Machine Learning Part I
1 ECTS

(25 hrs)

Probabilities and distribution – Descriptive Statistics – Visualisation – Applications using R

Time-Series Analysis
2 ECTS

(25 hrs)

Mathematical foundations – Applications with R including using Neural Networks

SAS "The SAS Ecosystem DSTI Chair"
2 ECTS

(25 hrs)

Preparation to SAS BASE Certification - SAS Base programming, application with SAS STATS

* The student chooses between “SAS BASE” or “Inverse Problems & Data Assimilation”.

Amazon AWS
“Cloud-Computing DSTI Chair”
3 ECTS

(50 hrs)

Preparation to AWS Certified Solutions Architect – Associate Certification

Software Engineering Part II
1 ECTS

(25 hrs)

Fundamentals of algorithmics & data structures using object-oriented programming – Applications in C++ & Python

The Hadoop & Spark Ecosystem
2 ECTS

(50 hrs)

HDFS – Scheduling & resources management – Workflow management & ETL – Dataflow management - Scalable Enterprise Serial Bus – Realtime processing – Machine Learning – Data Exploration & Visualisation - Application using an real, industry-grade Hadoop & Spark cluster

Software Engineering Part I
1 ECTS

(25 hrs)

Fundamentals of algorithmics & data structures using classical design & programming – Applications in C

Python Machine Learning Labs
1 ECTS

(30 hrs)

Data structures – Cleaning & preparation – Pandas – Matplotlib – Scikit-learn – OpenCV – Python & Flask – Keras – Numpy

Data Wrangling with SQL
1 ECTS

(25 hrs)

Fundamentals of Relational Model & Databases, Relational Algebra – Advanced SQL queries, stored procedures & triggers (T-SQL), Dynamic SQL – Applications with Microsoft SQL Server

Advanced Statistical Analysis & Machine Learning
2 ECTS

(35 hrs)

Multiple Linear Regression – CART and Random Forests and applications to their applications – Features Selection & Engineering – Models Comparison & Competition – Applications using R

Survival Analysis using R
1 ECTS

(25 hrs)

Analysis of survival data using parametric, nonparametric and semiparametric methods 

Inverse Problems & Data Assimilaton*
2 ECTS

(25 hrs)

Variational and sequential data assimilation – Identification of the initial condition, parameter estimation – Applications using Python

Semantic Web technologies for Data Science developments
1 ECTS

(25 hrs)

Representing and querying web-rich data (RDF, SPARQL) – Introducing Semantics in Data (RDFS, Ontologies) – Tracing and following data history (VOiD, DCAT, PROV-O)

* The student chooses between “SAS BASE” ou “Inverse Problems and Data Assimilation”.

Statistical Analysis of Massive and High Dimensional Data
1 ECTS

(25 hrs)

Context for new uses of massive datasets (open data, social networks, Twitter…) – Review of conventional statistical methods (tests, regression, classification) and their (un)suitability massive datasets – Latest alternative statistical tools for analysing modern datasets – Implementation in realistic situations using R

Deep Learning
2 ECTS

(25 hrs)

Recurrent Neural Networks -  LSTM - Residual Networks - Computer Vision & NLP – Deep Learning on GPU – Application using Python & PyTorch

Agent-Based Modeling
1 ECTS

(25 hrs)

Solving complex problems using ABM – Comparisons with statistical – Markov and system dynamics approaches – ABM validation for “trustability”

Graph Databases – NoSQL – Part 1
1 ECTS

(25 hrs)

Preparation to Neo4j Certification – Modelling a graph-based problem, implementation with the Neo4j database

IT Project Management – PMP-PMI and Agile Approaches
1 ECTS

(25 hrs)

PMBOK (PMI) – Agile Approaches – Kanban – Quality Metrics

Data Laws & Regulations – Philosophies, Geopolitics & Ethics
1 ECTS

(25 hrs)

EU & USA approaches – GDPR – Safe Harbour & Successors – Common Law vs Code Law

* Veuillez noter que le contenu des cours et les technologies de soutien peuvent varier lorsqu’ils sont dispensés en fonction des besoins du marché du travail et sous la supervision du conseil scientifique de Data ScienceTech Institute.

** Pour autant que vous ne soyez pas soumis à un programme de sanctions des États-Unis d’Amérique qui affecterait vos droits à suivre ces cours et/ou à passer ces examens.

Projets d'ingénierie/projets appliqués

Tous les étudiants se verront confier des projets d’ingénierie inclus dans la majorité des modules. Les étudiants mèneront des projets tout au long de l’année jusqu’à ce que leurs cours se terminent et qu’ils se rendent à leur stage. Ces projets d’ingénierie visent à appliquer toutes les connaissances et compétences acquises dans les différents cours et à utiliser les professeurs de la DSTI comme mentors et coachs tout au long de l’année. Certains de ces projets peuvent provenir de travaux de recherche appliquée effectués par nos professeurs affiliés à un laboratoire de recherche.

Ressources et outils mis à disposition pour les étudiants

  • Azure for Education : destiné à fournir aux étudiants la conception de logiciels Microsoft, les outils de développement Microsoft, l’accès au Cloud Computing et des ressources d’apprentissage. Les étudiants recevront un crédit de 100$.
  • Support 5/7 « Zendesk »
  • O’Reilly : les étudiants à temps plein auront un accès gratuit pendant un an et les étudiants du mode SPOC pendant trois ans.
  • AWS Educate
  • IBM Academic Initiative
  • License SAS : seulement pour les étudiants inscrits au cours SAS
  • Adaltas « Cluster Access » : seulement pour les étudiants inscrits aux cours Hadoop & Spark et Data Pipeline.

Perspectives de carrière

DSTI Warm Up - Soyez prêts !

Les programmes de Applied MSc comprennent des cours préparatoires pour vous mettre à niveau sur les compétences requises pour commencer à tirer parti des différents sujets. Pour le Applied MSc in Data Science and Artificial Intelligence, le DSTI Warm Up dure 3 semaines (75 heures) et peut être suivi sur le campus ou en ligne.

Frais de scolarité

Réduction Early Bird

Exemption de 10% du total des frais de scolarité

Les candidats inscrits au mode temps plein pour la rentrée d'automne 2021 sont éligibles. Cette offre n'est disponible que pour une durée limitée.

Postulez
  • Étudiants résidant en France
  • Étudiants résidant à l'extérieur de la France
15,000

En présentiel

Étudiez sur le campus de Sophia-Antipolis ou de Paris
  • Temps plein
  • Campus de Sophia-Antipolis et Paris
13,500

En ligne
(off-campus)

Montez en compétences depuis chez vous
  • Temps plein
  • En direct et synchrone
15,000

SPOC

En ligne et à votre propre rythme
  • Asynchrone
  • Rythme personnalisé
15,000

En présentiel

Étudiez sur le campus de Sophia-Antipolis ou de Paris.
  • Temps plein
  • Campus de Sophia-Antipolis et Paris
11,250

En ligne
(off-campus)

Montez en compétences depuis chez vous
  • Temps plein
  • En direct et synchrone
15,000

SPOC

En ligne et à votre propre rythme
  • Asynchrone
  • Rythme personnalisé