Data ScienceTech Institute - MSc Data Scientist Designer

MSc Executive Data Scientist Designer
Campus Paris – Campus Nice Sophia-Antipolis

MSc
0 ans
le plus intensif

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 Data Scientist Designer en 2 ans, est conçu pour maximiser vos compétences et attractivité auprès des employeurs sur des emplois de concepteurs d’outils de la Data Science que les entreprises recherchent désespérément.

Et en France, la Data Science prend vraiment la mesure du “the sexiest job of the XXIth century”! (Harvard Business Review, Oct. 2012)

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 :

  • analyser, concevoir, implémenter et monitorer les architectures IT & Big Data;
  • descendre au plus profond du coeur algorithmique des techniques de machine and deep learning au travers des mathématiques, de la physique et de la biologie, allant toucher la frontière de la R&D grâce à l’encadrement de nos enseignants ;
  • intégrer les architectures Big Data et les résultats de machine learning dans les systèmes d’entreprise (CRM, ERP), apprendre à construire des visualisations de données pleines d’impact, le tout avec une belle pincée de réseaux sociaux;
  • 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
  • ebiznext *Distributed Systems DSTI Chair*
    Preparation to Databricks Certifications for Apache® Spark

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
0h

  • Architecture (AIS1)
  • ebiznext “Distributed Systems DSTI Chair”
    SPARK: A new take on Massively Distributed Systems
    Preparation to the databricks certification
  • Advanced Operating Systems (AIS2)
  • How did the cloud computing happen? Virtualisation & Distributed Filesystems
    History of techniques, hypervisors, distributed file systems, virtualisation instructions in CPUs, RAID controllers
  • Security (AIS3)
  • Securing a “Big IT” Infrastructure with a MapReduce/Hadoop component
    Organising and securing a multi-tenancy in a Hadoop cluster and its interactions with other systems
  • Geographical Information Systems (GIS) (AIS4)
  • GIS and Data Science: another take on data visualisation
    Spatial Data representation, storage, processing and presenting using RDBMS Spatial Extensions
Machine and Deep Learning
0h

  • Reporting & Business Intelligence (MDL1)
  • Reporting and BI: foundations of data visualisation
    Overview of Tableau, SAP Lumira, SAS Visual Analytics, MS SQL Server Reporting and Excel
  • Text Mining (natural langage analysis & processing) (MDL2)
  • Text-mining and semantic web applications
    Parsing and pattern derivation techniques used for evaluation and interpretation, identifying trends (concept-entity extraction), collaborative filtering with ALS (alternating least squares), Word2Vec
  • Optimisation (algorithmics) (MDL3)
  • Nature-inspired approaches and techniques to Machine and Deep Learning
    Algorithmics related to Physics (PSO, Hill-Climbing, Simulated Annealing) and Biology (ant colony optimisation, Genetic algorithms)
  • Techniques for Data Assimilation: an application to oceanography and meteorology
    Inverse Problems, Partial Differential Equations, Forward and Nudge Algorithm
  • Signal Processing (MDL4)
  • Harmonic Analysis & Transformations Theory applications using Wolfram Mathematica
    Applications of Wavelet Analysis for feature selection and feature engineering
  • Advanced Machine and Deep Learning (MDL5)
  • NVIDIA “Deep Learning on GPU DSTI Chair”
    Hands-on with NVIDIA hardware
  • 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
  • Multi-agents modelling (MDL7)
  • Modelling systems dynamics and their evolutions using Multi-Agents techniques
Advanced Business & Science Applications
0h

  • Marketing (ABS1)
  • Geo-targeting: combining clustering, GIS and prediction to reach a customer
    Applying Machine Learning techniques on spatial and operationnal data
  • Tailoring and targeting an online advertising campaign using Data Science
    Applying customer segmentation, behaviour prediction, geo-targeting and sentiment analysis techniques for optimising a Google Adwords or Facebook Advertising online campaign
  • Strategy (ABS2)
  • An introduction to Sentiment Analysis for integrating feedback into a CRM system
    Social Networks data collection techniques, text-mining for sentiment analysis, data integration
  • Communication (ABS3)
  • Best practises (non-tech) in business-oriented social and web medias
    Plan, structure and deploy a corporate social and web media presence
  • Project Management (ABS4)
  • IT Project Management: PMP-PMI and Agile Approaches
    PMBOK (PMI) – Agile Approaches – Kanban
  • Risk management (ABS5)
  • 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).
  • Finance (ABS6)
  • A specific case for text-mining: digging into the International Financial Reporting Standards (IFRS) documentation
    Applying text-mining techniques for making sense of well-structured yet highly complex and large documentation
Ethics & Law
0h

  • 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 Data Scientist Designer 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.

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