En poursuivant votre navigation, vous acceptez l'utilisation de cookies destinés à améliorer la performance de ce site et à vous proposer des services et contenus personnalisés.

X

Objectifs et débouchés

Le parcours de Data Science est destinée à des étudiants ayant des connaissances de niveau M1 en mathématiques appliquées ou en informatique avec des prérequis en statistique ou en machine learning. Il constitue un parcours de haut niveau scientifique équilibré entre la théorie et la mise en oeuvre.

L’objectif de formation est aussi bien la poursuite en doctorat que le début d’une carrière de datascientists.

  • Les compétences requises en programmation sont 
  • Les compétences requises en mathématiques appliquées sont

Les grands acteurs du monde économique ont aujourd’hui une conscience de plus en plus précises du potentiel que recèlent leurs données et recherche les moyens d’exploiter et d’en tirer le maximum d’informations utiles. Pour les aider dans cette tâche, les datascientists (littéralement les scientifiques des données) sont les personnes en charge de récupérer, stocker, organiser, traiter cette masse d’informations afin d’en tirer de la valeur.

Le datascientist est un profit d’un genre nouveau, issu de la convergence des statistiques et de l’informatique. Donner une définition précise de ce que recouvre le mot datascientist reste une gageure. Ce qui le caractérise certainement le mieux c’est la variété des compétences qu’il doit maîtriser. Il s’agit d’un profil hybride, qui doit disposer d’un solide bagage en mathématiques, statistiques mais aussi maîtriser les outils informatiques ou les infrastructures nécessaires à la gestion et au traitement des données. Il doit avoir la curiosité et la soif de comprendre le métier de secteur dans lequel il intervient. L’objectif de ce master est de vous préparer à devenir les datascientists de demain aussi bien dans le monde académique que dans le monde industriel. Une grande partie de nos étudiants choisit d’ailleurs de faire un doctorat.

Objectifs pédagogiques
Les méthodes d’extraction de connaissances, pour pouvoir être développées à l’échelle de masses de données requièrent la maitrise des mécanismes de parallélisation et distribution des calculs, des méthodes d’accès et de requêtes à des bases de données réparties à très grande échelle et en temps-réel. La grande dimension influence la conception même des algorithmes d’extraction de connaissance et d’inférence statistique, poussant à l’utilisation de nouveaux outils issus de différentes branches des mathématiques (analyse fonctionnelle, analyse numérique, optimisation convexe et non convexe) dont il s’agit d’acquérir la compréhension.
Ce parcours associe des cours théoriques et méthodologiques complétés par des projets en « vraie grandeur » faisant intervenir tous les aspects des sciences des données, depuis l’acquisition jusqu’à l’exploitation et l’analyse. Une partie significative du parcours sera validée sous forme de projets. Une des originalités de ce parcours: un recours à des pédagogies innovantes basés sur l’apprentissage par projets et la participation à des compétitions de data sciences (kaggle). Le candidat choisit librement un stage proposé par l’un des ensegnants du master, un stage en entreprise proposé dans le cadre de la «bourse des stages », ou un stage d’origine différente ayant reçu l’agrément d’un enseignant du master. Le stage doit présenter un enjeu scientifique réel et le développement applicatif d’un des thèmes développés dans le master. La durée est de 4 mois minimum, et débute en avril.

Débouchés
Les compétences dans le domaine de l’apprentissage statistique et du traitement de données massives (Big Data) que vont acquérir les étudiants suivant ce parcours sont recherchées aussi bien dans des start-up (dont beaucoup ont des projets basées sur l’extraction de connaissance, les méthodes de recommandation, de ciblage) que dans des grandes entreprises (tous les domaines d’activité sont impactés). Ces nouveaux métiers de «datascientists » sont multiformes, ils vont de la mise en place de nouvelles générations de systèmes d’informations décisionnels aux développements d’applications complètement nouvelles (autour du e-commerce, de la recommandation, du minage de réseaux sociaux, etc..).
Le besoin de doctorants est également important dans ce domaine d’innovations de rupture. Les propositions de thèses sont nombreuses dans la recherche publique (Université, CNRS, INRIA, CEA, CNES, INRA, INSERM, LETI, etc.) et dans les grands laboratoires de recherche dans l’industrie (Aérospatiale, Alcatel, Sagem, General Electric, Matra, Philips, Siemens, Thales, EDF, ...)

 

Pour candidater : candidature en ligne sur le site https://www.ip-paris.fr/master-2-data-science/

Ouverture des admissions : 20 décembre 2019 / Fermeture des admissions : 28 février (session 1) - 30 avril (session 2) - 30 juin (session 3)