MSc in Applied Data Science & Big Data

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

MSc temps plein
0 mois
le plus industriel

certifications
0
Industrielles

Un total de
0
heures

Scolarité
0
on-campus*

Scolarité
0
télé-enseignement**

*Les étudiants On-Campus auto-financés sont normalement exemptés de TVA Française/Européenne
**Les étudiants en télé-enseignement (Off-Campus) peuvent être soumis à des taxes locales en fonction de leurs pays de résidence

Découvrez le contenu du programme Tarifs rentrée Mars 2018 – Frais de scolarité

Description du programme

Le programme DSTI Applied MSc en 6 mois de cours et 6 mois de stage, avec ses deux rentrées en Mars et en Octobre, 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’« Engineering Projects » (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.

Le programme vous prépare à passer deux examens de certifications industrielles au travers des cours :

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).

Les étudiants DSTI Applied MSc peuvent souhaiter, une fois leur année validée (600h de cours + Engineering Projects + Stage + certifications), de continuer de se spécialiser. Dans ce cas, ils ont la possibilité d’intégrer notre programme Advanced MSc in Information Systems & Artificial Intelligence for Big Data Engineering.

Si vous disposez de droits de financement au titre de la formation professionnelle (ou dispositifs assimilés), veuillez nous consulter pour étudier des possibilités de co-financement. Nous rappelons que ce programme est en temps-plein uniquement et que vous devez donc disposer du temps nécessaire pour pouvoir y assister. Si vous cherchez un programme en temps-partiel permettant d’étudier et travailler, veuillez consulter les modalités notre programme International Executive MSc in Applied Data Science & Big Data.

Les étudiants On-Campus qui ne sont PAS citoyens et titulaires d’un passeport d’un pays de l’Espace Économique Européen (EEE), d’Andorre ou de Monaco, doivent déposer une demande de visa étudiant long-séjour (VLS/TS). Merci de consulter vos obligations sur notre page « Procédures de visa.

Cycle d’études Applied MSc

Programme

2 Certifications Industrielles

Amazon AWS *Cloud-Computing DSTI Chair*
Preparation for AWS Certified Solutions Architect – Associate

SAS Institute *The SAS ecosystem DSTI Chair*
Preparation for SAS Enterprise Miner certification

Data ScienceTech Institute SAS Gold Partner Logo

Témoignages de nos étudiants


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
0hrs

  • Architecture (IS1)
  • Amazon AWS « Cloud-Computing DSTI Chair » **
    Preparation for AWS Certified Solutions Architect – Associate
    Big Data and Machine Learning on Amazon AWS
  • Software Engineering (IS2)
  • Analysis and Design of Information Systems
    Refreshers in Computer Science: fundamentals of algorithmics & data structures using C & C++
    Analysis methodology, E/R model & LAPAGE method for data model design
  • Databases (IS3)
  • Data Wrangling backed with MS SQL Server
    Advanced SQL queries, stored procedures & triggers (T-SQL)
    Combining SQL and .Net code for complex ETL (SSIS)
    Dynamic Reporting and BI (SSRS)
  • 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
0hrs

  • Foundations (DSBD1)
  • Applied Mathematics for Data Science
    Calculus – Linear Algebra – Trigonometry & Complex Numbers
  • Algorithmics for Data Science – Optimisation
    Combinatorics and Complexity – Graph-based modelling & algorithms for discrete optimisation
    Introduction to continuous optimisation
  • 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
  • Artificial Neural Network and introduction to Deep Learning
    Data representation and distributed representations, Universal Interpretation Theorem, Probabilistic Interpretation, backpropagation and stochastic gradient descent
  • SAS Institute « The SAS ecosystem DSTI Chair » **
    Preparation for SAS Certified Predictive Modeler Using SAS Enterprise Miner 14
    SAS and Hadoop – SAS Visual Analytics – Base SAS
  • MapReduce Ecosystem (DSBD3)
  • The Hadoop & SPARK ecosystem
    HDFS, scheduling & ressources management
    Workflow management & ETL, Dataflow management, Scalable Entreprise Serial Bus
    Realtime, Machine Learning, Data Exploration & Visualisation
Business & Industrial Applications
0hrs

  • Marketing (BIA1)
  • Time-Series Analysis using SAS
    Forecasting Using SAS Software: A Programming Approach (SAS/ETS)
    Forecasting Using SAS Forecast Server Software
  • Operations (BIA2)
  • Survival Analysis using R
    Probabilistic description of Survival data, parametric, non-parametric and semi-parametric (Cox model) statistical methods. Applications to Big Data with penalised Cox regression
  • Project Management (BIA3)
  • IT Project Management: PMP-PMI and Agile Approaches
    PMBOK (PMI) – Agile Approaches – Kanban
  • Social Sciences (BIA4)
  • Agent-Based Modelling for population behaviour
    Modeling objectives, model types, matching modelling approaches to studies objectives, ODD protocol, ABM objectives and components
  • Modelling complex and chaotic economic systems with System Dynamics
    Causal loop diagrams, Stock and flow diagrams, Non-linear algrebraic equations, Chaos Theory
Ethics & Law
0hrs

  • Data regulations (L1)
  • Data ownership and protection laws and regulation
    Private Data – Corporate Data
    EU Data Protection Act, GDPR, US-EU Data Transfers regulations

*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.
** Sauf si l’étudiant serait sujet à des Sanction Programmes of the United States of America qui l’empêcherait de pouvoir suivre ces cours et/ou examens de certification.

ENGINEERING PROJECTS
0h

Des « engineering projects » sont donnés aux étudiants durant les différents modules d’enseignement. Les étudiants conduisent leurs projets pendant l’année scolaire jusqu’à la fin des cours et leurs départs en stage. Ces Engineering Projects ont pour but de mettre en pratique les connaissances vues en cours avec l’assistance des professeurs de l’école et peuvent, à ce titre, être issus de travaux de recherche appliquée de nos professeurs affiliés à des laboratoires 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 sont exprimés hors taxes applicables à la situation et/ou pays de résidence de l’étudiant et sont valides pour la rentrée Octobre 2017.
Les frais de scolarité peuvent changer lors d’une prochaine rentrée. Les frais de scolarité pour la rentrée d’Octobre 2018 seront publiés en Mars 2018.

Les étudiants en auto-financement n’ont normalement pas à supporter de TVA Française/Européenne. Par contre, si l’étudiant bénéficie d’un financement partiel ou total au titre d’un mécanisme de formation professionnelle, alors ce financement, et donc le financeur, devra supporter la TVA. Dans tous les cas, des taxes locales au pays de résidence peuvent s’appliquer. Veuillez-nous contacter pour vérifier votre situation.

MSc in Applied Data Science & Big DataRentréeFrais de scolarité (hors taxes applicables)
étudiants On-CampusMars 201812 800€
télé-enseignementMars 20187 680€

Les étudiants âgés de moins de 28 ans (sauf les étudiants ressortissants de l’UE munis de leur carte d’assurance maladie européenne) doivent être affiliés à la Sécurité sociale étudiante et doivent, lors de leur inscription, choisir un centre payeur (LMDE ou SMEREP (Paris) ou MEP (Sophia)) pour le remboursement de leurs soins.

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) 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 mensualités sur la durée du programme.

Dans de l’utilisation d’un dispositif de financement externe relevant de la formation professionnelle ou assimilé, nous traiterons directement avec le financeur concernant la proportion des frais éligibles à une prise en charge. Veuillez noter que la TVA Française pourra alors s’appliquer au financeur.


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