MSc in Applied Data Science & Big Data
Campus Nice Sophia-Antipolis – Campus Paris

MSc temps plein
0 an
le plus industriel

certifications
0
Industrielles

Un total de
0
heures

Scolarité*
0
on-campus

Scolarité*
0
télé-enseignement

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

Description du programme

Le programme DSTI Applied MSc en 1 an, avec ses deux rentrés d’Automne et de Printemps, est conçu pour ouvrir vos opportunités de carrière aux emplois en Big Data Analytics très recherchés par les entreprises.

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

Les cours sont délivrés en Anglais de :

  • fin Septembre à début Avril pour la rentrée d’Automne ;
  • début Mars à mi-Octobre pour la rentrée de Printemps ;

en temps plein (5h/jour en moyenne), accompagnés d’un “Engineering Project” (voir plus bas) et se concluent sur un stage de 6 mois équivalent temps plein (805h, 35h/semaine).

Dans ce programme Applied MSc, vous apprendrez comment :

  • comprendre, analyser, concevoir, implémenter et suivre les grandes architectures SI pour Big Data;
  • vous familiariser avec les algorithmes de machine et deep learning avec une approche industrielle des mathématiques appliquées;
  • deployer des architectures Big Data et des résultats de Machine Learning dans les systèmes dits “corporate” et vous familiariser avec la data visualisation;
  • vous éveiller aux conséquences juridiques de la manipulation de données ainsi qu’un début de réflexion sur l’éthique des conséquences de la fouille de données.

Dans ce programme vous préparerez et passerez deux 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

Les cours de ce programme DSTI Applied MSc programme sont délivrés en temps-plein depuis les campus de Data ScienceTech Institute (5h/jour en moyenne).
Si vous êtes déjà employé d’une entreprise basée France et souhaitez suivre cette formation, vous pouvez consulter vos droits au “Congé Individuel de Formation” ou dispositifs similaires pour la contributions aux frais de formation par votre employeur (voir votre département RH).

Les 600 heures de cours de ce programme sont partagées avec les cohortes des programmes Executive MSc, le programme Applied MSc programme constituant leur première année.

Les étudiants DSTI Applied MSc peuvent souhaiter, une fois leur année validée(600h + Engineering Project + Stage), de continuer de se spécialiser. Dans ce cas, ils ont la possibilité d’intégrer un programme MSc Executive de leur choix, soit le MSc Executive Big Data Analyst ou le MSc Executive Data Scientist Designer en fonction de leur profil, perspectives et attentes de carrière.

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).


Ce programme Applied MSc se compose de l’ensemble des modules suivants* : (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
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 Applied MSc travaillerons 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.

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 in Applied Data Science & Big Data Rentrée Frais de scolarité
étudiants On-Campus AUTOMNE 2017 12800 €
télé-enseignement AUTOMNE 2017 7680 €

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 (10% 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 5 bi-mensualités sur la durée du programme.

Dans le cas d’un “Congé Individuel de Formation” ou autre dispositif similaire, nous traiterons directement avec le département RH de votre employeur concernant la proportion des frais éligibles à une prise en 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