Nettoyer Computez Prédire
Applied MSc in Data Science & Artificial Intelligence
85%
taux de diplomation
90%
étudiants satisfaits par la formation
100%
pratiquement 100% d'emploi pérennisé dans les 6 mois suivant le stage
Mis à jour le : 02/11/2021
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 »
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
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
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) :
Mathématiques appliquées et structures de données
(5 jours)
- Révision des fondamentaux mathématiques, structures de données pour l'algorithmique sur Éléments de modélisation Python
(tous de niveau pré-calcul) - Structures de données pour l'algorithmique : un benchmark sur Python et R
- Structures de conception pour l'adaptation de bibliothèques bien connues (glmnet, xgboost, sci-kit learn)
Introduction aux réseaux
(1 jour)
- Principes fondamentaux des réseaux de paquets, des couches de réseaux de routage, des protocoles, des espaces d'adressage et des services associés à TCP/IP.
Initiation aux systèmes informatiques
(3 jours)
- Principes fondamentaux de l'architecture des ordinateurs et des systèmes d'exploitation
Initiation à l'informatique
(1 jour)
- Principes de base de la programmation
Computer systems
(5 jours)
- Introduction à l'architecture des systèmes d'exploitation
- Introduction aux commandes DOS/Power shell
- Introduction à la commande bash /scripting
- Cas d'utilisation sur un serveur web Linux
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 and Machine Learning Part 1
(25 hrs)
Descriptive Statistics - Probability Theory – 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)
Statistical analysis of duration data - Applications using R
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.
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:
- Questionnaires à choix multiple en espérance mathématique négative ou nulle (QCM) ;
- Examen interne DSTI,
- Lorsqu'applicable, examen externe de certification industrielle
- Stage d'application de 6 mois dans le domaine de la data, un formulaire d’évaluation est envoyé au tuteur de stage.
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.
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
Domaines : Sciences théoriques ou appliquées, ingénierie et technologie, économie.
Domaines : Sciences théoriques ou appliquées, ingénierie et technologie, économie.
Domaines : 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 (équivalent au niveau d’anglais C1 sur l’échelle européenne “CECRL”).
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
-
Data Scientist
-
Data Analyst vs Data Scientist
-
Ingénieur en Intelligence Artificielle
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
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.
€ 16,950
En présentiel
Étudiez sur le campus de Sophia-Antipolis ou de Paris
- Temps plein
- Campus de Sophia-Antipolis et Paris
€ 15,000
En ligne
(off-campus)
Montez en compétences depuis chez vous
- Temps plein
- En direct et synchrone
€ 16,680
SPOC
En ligne et à votre propre rythme
- Asynchrone
- Rythme personnalisé
€ 16,950
En présentiel
Étudiez sur le campus de Sophia-Antipolis ou de Paris.
- Temps plein
- Campus de Sophia-Antipolis et Paris
€ 12,500
En ligne
(off-campus)
Montez en compétences depuis chez vous
- Temps plein
- En direct et synchrone
€ 16,650
SPOC
En ligne et à votre propre rythme
- Asynchrone
- Rythme personnalisé
