Data ScienceTech Institute - MSc Executive Big Data Analyst

MSc Executive Big Data Analyst
Campus Nice Sophia-Antipolis – Campus Paris

MSc
0 ans
le plus innovant

certifications
0
industrielles

Un total de
0
heures

Scolarité Moy/An*
0
on-campus

Scolarité Moy/an*
0
télé-enseignement

Découvrez le contenu du programme * Tarifs rentrée Automne 2017 – Frais de scolarité

Description du programme

Le programme DSTI MSc Executive Big Data Analyst en 2 ans, est conçu pour maximiser vos compétences et attractivité auprès des employeurs sur des emplois d’expertise en analyse Big Data que les entreprises recherchent désespérément.

Entre Côte d’Azur, concentré d’espace capturant 1% du tourisme mondial et hébergeant Sophia-Antipolis, le plus grand pôle R&D et technologique d’Europe, et Paris capitale Européenne des startups et de la technologie, vous aurez de quoi jouer avec les données !

La scolarité se déroule suivant un cycle classique (voir schéma à droite)  

  • 1re année : Cours en temps plein suivi d’un stage
  • 2de année : Cours en temps plein suivi d’un stage

Durant ces deux années d’enseignements, dont la première année est constituée par le programme socle MSc in Applied Data Science and Big Data, vous apprendrez comment :

  • comprendre et utiliser les fondamentaux des Systèmes d’Information pour Big Data ;
  • devenir un expert des processus de machine learning, par l’utilisation des outils logiciels standards de l’industrie;
  • intégrer vos résultats Big Data dans vos systèmes d’information quotidiens (parcours “gestion” or “science”), gérer un projet Big Data, et ses risques ;
  • comprendre les implications juridiques de votre travail, accompagné d’une réflexion globale sur l’éthique des conséquences de l’analyse Big Data.

Dans ce programme vous préparerez et passerez quatre certifications industrielles :

  • Amazon AWS *Cloud-Computing DSTI Chair*
    Preparation for AWS Certified Solutions Architect – Associate
  • SAS Institute *The SAS ecosystem DSTI Chair*
    Preparation to SAS Enterprise Miner certification
  • The IBM SPSS Ecosystem
    Preparation to IBM Certified Associate – SPSS Modeler Data Mining certification
  • SAS Institute *The SAS ecosystem DSTI Chair*
    Preparation to SAS Business Analyst certification

Les programmes de la première année et de la seconde année sont en temps-plein au sein de Data ScienceTech Institute (environ 5h par jour).
Si vous êtes déjà salarié, ce programme peut être financé par votre employeur, notamment dans le cadre du « Congé Individuel de Formation » ou de dispositifs similaires.

Si vous n’êtes PAS citoyen et titulaire d’un passeport d’un pays de l’Espace Économique Européen (EEE), d’Andorre ou de Monaco, vous devez déposer une demande de visa étudiant long-séjour (VLS/TS). Merci de consulter vos obligations sur notre page “Visa Procedure” (en Anglais).


La première année de ce programme Executive MSc se compose de l’ensemble des modules suivants* en temps plein, : (le volume horaire représente les heures de présence en classe. Il est attendu des étudiants un supplément de travail personnel)

Information Systems
0h

  • Architecture (IS1)
  • Amazon AWS “Cloud-Computing DSTI Chair”
    Preparation to AWS Certified Solutions Architect – Associate
    Big Data and Machine Learning on Amazon AWS
  • Software Engineering (IS2)
  • Analysis and Design of Complex Information Systems
    Relational Model – E/R modelling – LAPAGE method
    Applied UML – Composition Method
  • Databases (IS3)
  • The Extraction – Transform – Load Lifecycle into MapReduce/Hadoop with a focus on data quality – Part 1
    Advanced RDBMS techniques and their ETL processes and tools using MSSQL Server
  • Semantic Web (IS4)
  • Integrating Semantic Web technologies in Data Science developments
    Representing and querying web-rich data (RDF, SPARQL), Introducing Semantics in Data (RDFS, Ontologies), Tracing and following data history (VOiD, DCAT, PROV-O)
Applied Data Science & Big Data
0h

  • Foundations (DSBD1)
  • Applied Mathematics for Data Science
    Calculus – Linear Algebra – Trigonometry & Complex Numbers
  • Algorithmics for Data Science – Optimisation in Python and MATLAB
    Refreshers – Combinatorics and Complexity – Graph-based modelling & algorithms
  • Machine and Deep Learning (DSBD2)
  • Foundations of Statistical Analysis and Machine Learning
    Probabilities and distribution – Tests – Inference – Regression – Clustering
  • Advanced Statistical Analysis and Machine Learning
    CART and Random Forests and applications to Map/Reduce – Features Selection & Engineering
    Models Comparison & Competition
  • Introduction to Deep Learning with Torch
    Data representation and distributed representations, Universal Interpretation Theorem, Probabilistic Interpretation, backpropagation and stochastic gradient descent using Torch
  • SAS Institute “The SAS ecosystem DSTI Chair”
    Preparation to SAS Enterprise Miner certification
    SAS and Hadoop – Bayesian Statistics using SAS – SAS Visual Analytics
  • MapReduce Ecosystem (DSBD3)
  • The Extraction – Transform – Load Lifecycle into MapReduce/Hadoop with a focus on data quality – Part 2
    Map/Reduce theory and the Hadoop ecosystem using Cloudera
    ELT approches and tools for Hadoop (Impala)
Business & Industrial Applications
0h

  • Marketing (BIA1)
  • Integrating predictive models in CRM Systems: applications in MS Dynamics CRM
    Custom Developments, PMML, SAS® Solution for CRM
  • Communication (BIA2)
  • Exchanging with & Presenting to non-IT literates:
    Another form of Business English

    Popularising science – Business Writing, Reporting and Presentation coaching – Negociation roleplays
  • Project Management (BIA3)
  • A guide to scientific publication & Operational Research
    “Reading” a scientific paper, understanding the strong link between Big Data, Data Science, software engineering and research, “operationalising” a paper
  • Finance (BIA4)
  • Modelling and predicting market fluctuations: High-frequency trading applications
    Stochastics approaches (Brownian Motion, Black-Scholes, Monte-Carlo, Markov Chains) to financial modelling
  • Modelling complex and risky economic systems with to system dynamics
    Causal loop diagrams, Stock and flow diagrams, Non-linear algrebraic equations, Chaos Theory
Ethics & Law
0h

  • Data regulations (L1)
  • Data ownership and protection
    Private Data – Corporate Data

*Le contenu des cours ainsi que les technologies utilisées peuvent varier en fonction des besoins du marché et sous la supervision du Conseil Scientifique et Pédagogique de Data ScienceTech Institute.

ENGINEERING PROJECT 1
0h

Engineering Project a pour but de faire utiliser l’ensemble des connaissances et compétences acquises durant les enseignements, avec le soutien des Enseignants de DSTI en tant que mentors et coachs. L’Engineering Project pourra être donné par un Enseignant DSTI sur une thématique de son laboratoire de recherche de rattachement. Dans ce cas, les étudiants du programme Executive MSc travailleront comme des assistants d’ingénierie de recherche.

Une fois les enseignements terminés, nos étudiants Applied MSc peuvent choisir de partir en stage ou de continuer à travailler sur leur advanced engineering project et son rapport. DSTI encourage fortement les étudiants On-Campus vers l’option stage alors que ceux en télé-enseignement continueront sur leur advanced engineering project.

Stage d'application
0 mois

Les étudiants On-Campus students sont fortement encouragés de choisir l’option du stage de 6 mois équivalent temps plein (805h, 35h/semaine) afin de se plonger dans l’environnement industriel de la data science. Trouver un stage relève de la responsabilité de l’étudiant. DSTI apporte néanmoins aide, conseils et soutien actifs au travers de son réseau de partenaires industriels et académiques.


Advanced Engineering Project
0h*

Les étudiants en télé-enseignement seront tuteurés par un Enseignant DSTI Professor pour choisir un problème de data science engineering appliqué à l’industrie, rédiger une proposition, couvrir l’état de l’art puis proposer une solution. Les étudiants On-Campus peuvent choisir ce projet en alternative à un stage.

* le volume de 540h est indicatif et inclut les 200h déjà passées durant la phase d’enseignement pour arriver à un équivalent temps plein de 4 mois (35h par semaine) attendu par l’Institut pour réaliser ce projet.

La deuxième année de ce programme Executive MSc se compose de l’ensemble des modules suivants* en temps plein, : (le volume horaire représente les heures de présence en classe. Il est attendu des étudiants un supplément de travail personnel)

Advanced Information Systems
0hrs

  • Security (AIS1)
  • Standard mechanisms of IT security in a corporate environment
    Microsoft Active Directory Fundamentals, Firewalling, Single-Sign-on techniques
Big Data Tools
0hrs

  • Reporting & Business Intelligence (BDT1)
  • Reporting and BI: foundations of data visualisation
    Overview of Tableau, SAP Lumira, SAS Visual Analytics, MS SQL Server Reporting and Excel
  • Statistical analysis software (BDT2)
  • Advanced Excel for Statistical analysis
    Data Integration and cleaning, PivotTables and Solver for regression analysis
  • Hands-on week 1: Leveraging SAS Base & Stats
    Preparation to the SAS Business Analyst Certification
  • Machine and Deep Learning Enterprise Tools (BDT3)
  • The IBM SPSS Ecosystem
    Use-cases of IBM SPSS main data science customers’ activities
    Preparation to the IBM SPSS Modeler Certification
    IBM DB/2 and SPSS integration with IBM SPSS Collaboration and Deployment Services
  • Hands-on week 2: Leveraging IBM SPSS
    SPSS Statistics Level 1 v2 Programme
  • Hands-on week 3: Leveraging Built-in Machine Learning Tools
    Using Oracle Data Miner & MSSQL BI
  • Hands-on week 4: Modelling and Generating Data out of Complex Systems
    Applications using Wolfram Mathematica
  • Machine and Deep Learning Open-Source Tools (BDT4)
  • Open-source week 1: Machine Learning applications with R
    The R Machine Learning & Statistical Learning toolbox
  • Open-source week 2: Machine Learning applications with Python
    The sci-kit learn toolbox
  • Cloud and Machine Learning week
    Machine Learning applications with Amazon AWS Machine Learning & MS Azure Machine Learning
Advanced Business & Industrial Applications
0hrs

  • Project Management (ABI1)
  • IT Project Management: PMP-PMI and Agile Approaches
    PMBOK (PMI) – Agile Approaches – Kanban
  • Risk management (ABI2)
  • Dealing with legacy yet well-performing IT: cloud computing has not yet killed the mainframe
    Working in collaboration with an IBM Mainframe ecosystem:mainframe OS, programming style and methodologies. Overview of COBOL, PL/I and the Job Control Language (JCL).
  • Business & Management Specifics (ABI3)
  • Data and models integration
    Latest techniques in Data and Model exchanges for ML integration in Corporate Systems
  • Geo-targeting: combining clustering, GIS and prediction to reach a customer
    Applying Machine Learning techniques on spatial and operationnal data
  • An introduction to Sentiment Analysis for CRM customer feedback
    Social Networks data collection techniques, text-mining for sentiment analysis, data integration
  • Distributed storage and processing of large unstructured datasets (ABI4)
  • From the HADOOP ecosystem: datawarehousing with Hive & Machine Learning with Mahout
  • Specific numerical methods for scientific data processing (ABI5)
  • Latest techniques for Feature Selection, Feature Extraction, multifactor dimensionality reduction & Self Organising Map
Ethics & Law
0hrs

  • Business Ethics (L2)
  • Private and sensitive data management – Customer Profiling
    Legal frameworks for handling directly or indirectly acquired data, opt in, customers’ (and citizen) acceptance rates for profiling, regulation authorities, most particularly in Europe and in the USA
  • Commercial Law (L3)
  • French
    European Union
    International
    Pitfalls and loopholes to avoid and best practises to acquire.
    Contract over multiple legal jurisdictions
  • Open-Data (L4)
  • Legal framework, usability (and re-) of public open-data in commercial products, sustainability
  • eReputation (L5)
  • Legal frameworks and possible defence mechanisms for corporate eReputation

*Le contenu des cours ainsi que les technologies utilisées peuvent varier en fonction des besoins du marché et sous la supervision du Conseil Scientifique et Pédagogique de Data ScienceTech Institute.

ENGINEERING PROJECT 2
0h

Engineering Project a pour but de faire utiliser l’ensemble des connaissances et compétences acquises durant les enseignements, avec le soutien des Enseignants de DSTI en tant que mentors et coachs. L’Engineering Project pourra être donné par un Enseignant DSTI sur une thématique de son laboratoire de recherche de rattachement. Dans ce cas, les étudiants du programme Executive MSc travailleront comme des assistants d’ingénierie de recherche.

Une fois les enseignements terminés, nos étudiants Applied MSc peuvent choisir de partir en stage ou de continuer à travailler sur leur advanced engineering project et son rapport. DSTI encourage fortement les étudiants On-Campus vers l’option stage alors que ceux en télé-enseignement travailleront sur leur deuxième Engineering Project ou poursuivront celui de l’année précédente si possible.

Stage d'application
0 mois

Les étudiants On-Campus students sont fortement encouragés de choisir l’option du stage de 6 mois équivalent temps plein (805h, 35h/semaine) afin de se plonger dans l’environnement industriel de la data science. Trouver un stage relève de la responsabilité de l’étudiant. DSTI apporte néanmoins aide, conseils et soutien actifs au travers de son réseau de partenaires industriels et académiques.


Advanced Engineering Project
0h*

Les étudiants en télé-enseignement seront tuteurés par un Enseignant DSTI Professor pour choisir un problème de data science engineering appliqué à l’industrie, rédiger une proposition, couvrir l’état de l’art puis proposer une solution. Les étudiants On-Campus peuvent choisir ce projet en alternative à un stage.

* le volume de 540h est indicatif et inclut les 200h déjà passées durant la phase d’enseignement pour arriver à un équivalent temps plein de 4 mois (35h par semaine) attendu par l’Institut pour réaliser ce projet.

Frais de scolarité

Les frais de scolarité suivants sont pour la rentrée d’OCTOBRE 2017 et seront sujets à modification pour les prochaines rentrées. Les frais de scolarité pour MARS 2018 seront publiés en Octobre 2017.

MSc Executive Big Data Analyst Rentrée 1re Année 2de Année Total Moyenne(Moy) / An
étudiants On-Campus AUTOMNE 2017 12800 € 7000 € 19800 € 9900 €
télé-enseignement AUTOMNE 2017 7680 € 4200 € 11880 € 5940 €

Les non-Européens et les étudiants dits “matures” (>28 ans) peuvent être obligés par l’État Français à s’affilier à un régime de Sécurité Sociale pour un coût supplémentaire de 250€. Cette obligation et coût supplémentaire sont collectés par DSTI sur demande et pour le compte de l’État Français.

Une fois prononcé admis, vous devrez verser 10% des frais du programme pour les étudiants On-Campus et 20% pour ceux en télé-enseignement, moins les 100€ des frais d’admission afin de confirmer et sécuriser votre place (virement, chèque français ou carte bancaire).
Ce premier paiement ne serait remboursable qu’en cas de circonstances exceptionnelles pour ne pas finalement suivre le programme : non-obtention du visa pour les étudiants internationaux hors EU ou preuve d’un changement soudain de situation financière.

Le paiement des frais restant peut être découpé jusqu’à 10 bi-mensualités sur la durée du programme.

Pour les étudiants avec co-financement dans le cadre de la formation professionnelle, nous traitons directement avec votre employeur sur la partie de vos frais de scolarité qu’il pourrait prendre à sa charge.

Candidats diplômés d’un niveau Bac+3

3 ans d’expérience professionnelle

Candidats diplômés d’un niveau Bac+4

Expérience professionnelle (y compris stages)

Candidats diplômés d’un niveau Bac+5

Pas de conditions particulières