fbpx

Applied MSc in Data Science & Artificial Intelligence

Alternance

cursus en alternance possible

85%

taux de diplomation

90%

étudiants satisfaits par la formation

100%

pratiquement 100% d'emploi pérennisé dans les 6 mois suivant le stage

Updated on : 12/02/2022

Parlons de Data Science & de l'intelligence artificielle !

Notre programme 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. Ce programme d’ Applied MSc est un “approfondissement” des mathématiques appliquées et de leur mise en œuvre, dirigé par des professeurs de l’École française de mathématiques.

3IA label

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 Analytics, Applied MSc in Data Engineering for AI and Applied MSc in Data Science & AI ui ont été entièrement accrédités au niveau master par le gouvernement français via le mécanisme du 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, un emploi classé comme le "plus sexy du 21e siècle".


Infographies

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​

Mode "campus"

840 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 de 6 mois de stage.

En ligne (temps plein)

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

Alternance

890 heures
Conçu pour ceux qui veulent étudier et apprendre sur le terrain parallèlement. Étudier en ligne ou en présentiel et acquérir une expérience professionnelle en 24 mois, c'est possible avec notre cursus en alternance

SPOC - Asynchrone

840 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.

Rythmes d'études

Parcours accéléré

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

Parcours nominal

2 ans
Conçu pour ceux qui souhaitent suivre nos programmes en 2 ans, en ligne (en France) ou sur nos campus:
• Année 1: 6 mois de cours + 4 à 6 mois de stage.
• Année 2: 6 mois de cours + 6 mois de stage obligatoire ou alternance (sous conditions).

Alternance

2 ans
Conçu pour ceux qui veulent étudier et apprendre sur le terrain parallèlement. Étudier en ligne (en France) ou en présentiel et acquérir une expérience professionnelle en 24 mois, c'est possible avec notre cursus en alternance.

INFOMEETINGS COLLECTIFS

Tous les jeudis à 17 h, nous organisons des sessions d’informations collectives avec notre directeur des admissions afin de répondre à toutes vos questions.

Objectifs

  • Mathematics for data science

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

  • Artificial intelligence algorithms

    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.

  • IT project management and Legal

    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 840 heures – 90 ECTS

775 heures de cours dont 75 heures de DSTI Warm Up
65 heures de sessions de support
Stage de 850 heures (6 mois)Le stage équivaut à 30 ECTS

Ce programme de MSc appliqué est composé de tous les modules* suivants, qui correspondent à des heures réelles de présence en classe(un travail personnel est attendu en plus de ceux-ci):

Applied Mathematics for Data Science
3 ECTS

(25 hrs)

Calculus – Linear Algebra – Trigonometry & Complex Numbers

Foundations of Statistical Analysis & Machine Learning Part II
4 ECTS

(40 hrs)

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

Continuous Optimisation
4 ECTS

(25 hrs)

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

Artificial Neural Networks*
4 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 and Machine Learning Part 1
3 ECTS

(25 hrs)

Descriptive Statistics - Probability Theory – Applications using R

Time-Series Analysis
3 ECTS

(25 hrs)

Mathematical foundations – Applications with R including using Neural Networks

SAS "The SAS Ecosystem DSTI Chair"
3 ECTS

(25 hrs)

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

Amazon AWS
“Cloud-Computing DSTI Chair”
4 ECTS

(50 hrs)

Preparation to AWS Certified Solutions Architect – Associate Certification

Software Engineering Part II
3 ECTS

(25 hrs)

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

Big Data Ecosystem by Adaltas
4 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
2 ECTS

(25 hrs)

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

Python Machine Learning Labs
4 ECTS

(25 hrs)

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

Data Wrangling with SQL
3 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

MLOps by Adaltas
4 ECTS

(50 hrs)

Introduction to DevOps, GitOps, DataOps, MLOps

Unit test in the context of Spark Data Engineering, CI/CD, artifact deployment to registries (docker, jar, notebooks, ..) GitOps and MLOps, probably Apache Liminal

Cloud and MLOps, Databricks plateform and MLFlow

Advanced Statistical Analysis & Machine Learning
4 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
4 ECTS

(25 hrs)

Statistical analysis of duration data - Applications using R

Inverse Problems & Data Assimilaton*
4 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
4 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)

Statistical Analysis of Massive and High Dimensional Data
4 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
4 ECTS

(25 hrs)

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

Agent-Based Modeling
4 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
4 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
2 ECTS

(25 hrs)

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

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

(25 hrs)

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

Warm up (75 hrs - 6 ECTS)

Fundamental applied mathematics

(10 hrs)

• Logical operators and quantifiers. Set theory. Applications, order and equivalence relations.
• Natural integers, relative numbers. Combinatorics: permutations, arrangements, combinations.
Factorial. Binomial formula.
• Real numbers. Accumulation points and theorem of bolzano-weierstrass.
• Real sequences. Limits. Monotonous and adjacent sequences. Accumulation value and cauchy
criterion.
• Real functions of a real variable. Limits. Continuity. Derivability. Sense of variations. Mean value
theorem, rolle’s theorem. Rule of L’hospital. Inverse function and its derivative. Notion of convexity.

Introduction to Data Management

(5 hrs)

• Fundamentals of information systems analysis & design
• Functional dependency: the grounds for “keys”
• Relation model & relational algebra: the foundations of relational Databases
Management Systems (RDBMS) & SQL

Introduction to Computer Engineering

(5 hrs)

• Fundamentals of Computer Architecture & Operating Systems
• A journey from the Turing Machine to (not so) modern architectures, fundamentals of
hardware architectures
• What happens when you power-on a computer: a journey from the BIOS/UEFI via the kernel to the shell
• The illusion of multi-tasking: an engineering feat resting on operating systems

Computer Systems Labs

(10 hrs)

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

Excel Basics

(5 hrs)

• First steps with Excel
• Data types
• Charts and graphics

Data structure and applied Machine Learning using Python & R

(20 hrs)

• An introduction to data structures
• Data Structures for algorithmics: a benchmark on Python & R
• An introduction to data simulation
• Design structures for fitting well known libraries (glmnet, xgboost, sci-kit learn)

Introduction to AI Awareness

(5 hrs)

• Data science, ai, big data, cloud computing, machine learning, etc.: An honest and genuine review of meaning of terms behind the buzz
• The learning processes in living organisms
• The learning process using a computer
• The challenges for usable and deployable AI

Introduction to Computer Science

(2,5 hrs)

• Fundamentals of algorithmics and data structure design
• When a computer scientist does not need a computer: the curious case of the “algorithmic language”

Introduction to Networks

(2,5 hrs)

• Fundamentals of networks layers, routing networks layers, protocols,
address spaces and associated service with TCP/IP
•From the analogue to packetised networking: a journey from the PSTN
to the Internet
•The TCP/IP network suite – fundamentals by example

Clean IT

(10 hrs)

• Python in Google Colab
• Python local setup
• Python virtual environment
• IDE setup: Visual Studio Code
• Jupyter notebook overview
• R local setup
• Github
• Git locally
• Git with IDE (Visual Studio Code)web

Cambridge English

Cambridge English classes
APPRENTICESHIP STUDENTS ONLY

(50 hrs)

English language fundamentals: vocabulary (general and specialised), grammar, conjugation,
and syntax, both oral and written comprehensions.
Evaluation: Linguaskill General Certification Exam assessing all four language skills - speaking, writing, reading and listening.

* 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.

Modalités d'évaluation

Afin d’obtenir leur diplôme, les étudiants doivent valider l’ensemble des évaluations requises tout au long du programme.

Les modalités de contrôle des connaissances sont les suivantes:

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

Validation totale obligatoire​

  • Tous nos programmes « Applied MSc » ne peuvent être réalisés qu’en « validation totale ».
  • Pour une « validation partielle et capitalisable», veuillez vous référer à notre offre de « formation continue ». 

Prérequis

Domaine : Sciences théoriques ou appliquées, ingénierie et technologie, économie.

Domaine : Sciences théoriques ou appliquées, ingénierie et technologie, économie.

Domaine : Sciences théoriques ou appliquées, ingénierie et technologie, économie.

Matériel informatique obligatoire

Les étudiants DSTI doivent avoir un ordinateur portable Windows PC (les Apple Mac sont exclus) avec les spécifications minimales suivantes :

1.CPU: Intel Core i5 minimum (ou équivalent AMD)

2.RAM: 8Go minimum, 16GB fortement recommandé

3.Stockage: 512Go minimum, 1To fortement recommandé. SSD est le meilleur, mais onéreux. Un système dual-drive magnétique avec 128Go / 256Go SSD + 512 ou 1To est une bonne alternative. Pour un système uniquement magnétique, il faut 7200rpm minimum, les 5400rpm sont trop lents.

4.Carte graphique (GPU): une carte NVIDA GPU est un plus, mais ce n’est pas un prérequis obligatoire.

5.Système d’exploitation : toute édition de Microsoft Windows, DSTI fournira une clé de licence Windows 10 Professionnel une fois que les cours commenceront ;

6.Ne payez pas pour MS Office 365, DSTI fournira également une licence quand les cours commenceront.

Si l’étudiant ne possède pas un matériel conforme à ces prérequis, DSTI ne pourra fournir aucun service de support informatique.

Niveau linguistique requis en Anglais

Tous les cours étant exclusivement délivrés en langue Anglaise, un bon niveau linguistique est obligatoirement requis.

Il n’est pas nécessaire de joindre à votre dossier de candidature une preuve conforme de votre niveau de langue. Cependant, votre niveau en Anglais sera évalué lors de l’entretien d’admission afin de s’assurer de la bonne capacité à assimiler et suivre les programmes souhaités. 

Perspectives de carrière

DSTI Warm Up - Soyez prêts !

data sciencetech institute course

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 10 jours (2 semaines) et peut être suivi sur le campus ou en ligne.

Frais de scolarité

Pour les demandes de financement par Transitions Pro, merci de bien vouloir vous adresser directement à l’équipe administrative de DSTI à contact@dsti.institute pour les modalités et la constitution du dossier.

En ce qui concerne le suivi du cursus en Alternance, la totalité des frais de scolarité est prise en charge par l’entreprise d’accueil.

Parcours accéléré en 15 mois :

17,350*

Tarif unique pour tous les rythmes et modes d'études

  • Temps plein, alternance, asynchrone
  • Campus de Sophia-Antipolis et Paris (on-campus), en ligne synchrone (off-campus), en ligne asynchrone (SPOC)
  • Les tarifs pour les étudiants en auto-financement sont exprimés en TTC
  • Ces tarifs sont valables en HT pour les entreprises & organismes de financement, auxquels s'ajoute une TVA de 20% (voir tarifs détaillés)

Parcours nominal sur 2 ans :

8,675* par an

Tarif unique pour tous les rythmes et modes d'études

  • Temps plein, alternance
  • Campus de Sophia-Antipolis et Paris (on-campus), en ligne synchrone (off-campus)
  • Les tarifs pour les étudiants en auto-financement sont exprimés en TTC
  • Ces tarifs sont valables en HT pour les entreprises & organismes de financement, auxquels s'ajoute une TVA de 20% (voir tarifs détaillés)