Parcours Apprentissage Machine pour la Science des Données (AMSD) et Parcours Machine Learning for Data Science (MLDS) en alternance

Objectifs

Il permettra d’une part d’étudier les méthodes d’apprentissage non supervisé, semi-supervisé et supervisé et les méthodes de visualisation. Ces méthodes sont couramment utilisées dans le contexte fouille de données qui est l’art d’extraire des informations, voire des connaissances à partir des données de plus en plus volumineuses. Celles-ci peuvent provenir de divers domaines tels que la génomique, l’analyse textuelle, l’image, les réseaux et la parole. Cette formation permettra aussi de maîtriser l’utilisation des modèles probabilistes souvent utilisés tels que la PLSA (Probabilistic Latent Semantic Analysis), les modèles de mélange ou encore les modèles de mélange par blocs qui sont devenus un outil classique dans l’apprentissage numérique. D’autre part, une attention particulière sera accordée à la visualisation des données de grande dimension.

Le but de cette formation est de former des Data Scientists capables de gérer et d’analyser des données massives présentes dans divers domaines tels que la bio-informatique, la fouille de textes, les systèmes de recommandation et l’imagerie. Il est important de leur fournir les bases nécessaires en termes de de statistique, d’apprentissage artificiel, de modélisation, d’optimisation et d’algorithmique pour la préparation d’une thèse de doctorat dans le domaine de l’apprentissage artificiel et la science des données.

Débouchés

Le parcours fournit aux étudiants des bases théoriques solides qui leur permettront d’effectuer de la recherche théorique ou appliquée de haut niveau dans le secteur public comme dans le secteur privé.

  • Data Scientist dans divers secteurs et domaines
  • Thèse de doctorat en Machine Learning
  • Ingénieur de recherche dans un département de recherche et développement (R&D)
M1 Semestre 1 (Informatique - Parcours AMSD)
UE Obligatoires
Anglais (MIS1U2)

Anglais (MIS1U2)



Administration Système Unix/Linux (MIS1U1)

Administration Système Unix/Linux (MIS1U1)

cours: 15h TD: 15h



Probabilités et statistiques pour l’ingénieur (MIS1U9)

Probabilités et statistiques pour l’ingénieur (MIS1U9)

cours: 15h TD: 15h



Programmation avancée (MIS1U10)

Programmation avancée (MIS1U10)

cours: 15h TD: 15h



Complexité algorithmique (MIS1U4)

Complexité algorithmique (MIS1U4)

cours: 15h TD: 15h



Optimisation combinatoire (MIS1U7)

Optimisation combinatoire (MIS1U7)

cours: 15h TD: 15h



Optimisation et algorithmique (MIS1U8)

Optimisation et algorithmique (MIS1U8)

cours: 15h TD: 15h



Réduction de la dimension (MIS1U12)

Réduction de la dimension (MIS1U12)

cours: 15h TD: 15h



une UE au choix parmi
Bases du traitement du signal et des images (MIS1U3)

Bases du traitement du signal et des images (MIS1U3)

cours: 15h TD: 15h



Cryptographie et applications (MIS1U5)

Cryptographie et applications (MIS1U5)

cours: 15h TD: 15h



Introduction à la reconnaissance des formes (MIS1U6)

Introduction à la reconnaissance des formes (MIS1U6)

cours: 15h TD: 15h



Représentation des connaissances et raisonnement (MIS1U13)

Représentation des connaissances et raisonnement (MIS1U13)

cours: 15h TD: 15h



UE Facultative
Cap emploi (MIS1U15)

Cap emploi (MIS1U15)



M1 Semestre 2 (Informatique - Parcours AMSD)
UE Obligatoires
Droit de l’informatique et propriété industrielle (MIS2U6)

Droit de l’informatique et propriété industrielle (MIS2U6)

cours: 15h TD: 15h



Apprentissage machine (MIS2U2)

Apprentissage machine (MIS2U2)

cours: 15h TD: 15h



BIG DATA (MIS2U3)

BIG DATA (MIS2U3)

cours: 15h TD: 15h



Data science (MIS2U5)

Data science (MIS2U5)

cours: 15h TD: 15h



Programmation distribuée (MIS2U9)

Programmation distribuée (MIS2U9)

cours: 15h TD: 15h



Programmation Web (MIS2U10)

Programmation Web (MIS2U10)

cours: 15h TD: 15h



Projet tuteuré (MIS2U11)

Projet tuteuré (MIS2U11)

cours: 15h TD: 15h



une UE au choix parmi
Introduction à l’analyse d’images (MIS2U8)

Introduction à l’analyse d’images (MIS2U8)

cours: 15h TD: 15h



Réseaux multimédia (MIS2U13)

Réseaux multimédia (MIS2U13)

cours: 15h TD: 15h



Sécurité des réseaux (MIS2U14)

Sécurité des réseaux (MIS2U14)

cours: 15h TD: 15h



UE Facultative
stage facultatif (MIS2U15)

stage facultatif (MIS2U15)



M1 Semestre 3 (Informatique - Parcours AMSD)
UE Obligatoires
Analyse et reconstruction de graphes (MIS3AMSD1)

Analyse et reconstruction de graphes (MIS3AMSD1)

cours: 9h TD: 15h



Apprentissage et factorisation matricielle (MIS3AMSD2)

Apprentissage et factorisation matricielle (MIS3AMSD2)

cours: 9h TD: 15h



Apprentissage non supervisé (MIS3AMSD3)

Apprentissage non supervisé (MIS3AMSD3)

cours: 9h TD: 15h



Apprentissage supervisé (MIS3AMSD4)

Apprentissage supervisé (MIS3AMSD4)

cours: 9h TD: 15h



Big Data Analytics (MIS3AMSD5)

Big Data Analytics (MIS3AMSD5)

cours: 9h TD: 15h



Deep learning (MIS3AMSD6)

Deep learning (MIS3AMSD6)

cours: 9h TD: 15h



Dimensionality Reduction (MIS3AMSD7)

Dimensionality Reduction (MIS3AMSD7)

cours: 9h TD: 15h



Finite Mixture models (MIS3AMSD8)

Finite Mixture models (MIS3AMSD8)

cours: 9h TD: 15h



Fouille des données spatiales et temporelles (MIS3AMSD9)

Fouille des données spatiales et temporelles (MIS3AMSD9)

cours: 9h TD: 15h



Text-mining (MIS3AMSD10)

Text-mining (MIS3AMSD10)

cours: 9h TD: 15h



Méthodologie de la recherche (MIS3AMSD11)

Méthodologie de la recherche (MIS3AMSD11)

TD: 15h



Anglais (MIS3AMSD12)

Anglais (MIS3AMSD12)

TD: 15h



UE Facultative
Cap emploi (MIS3Cap)

Cap emploi (MIS3Cap)



M2 Semestre 4 (Informatique - Parcours AMSD)
Stage de M2 (MIS4Stage)

Stage de M2 (MIS4Stage)




Programme des deux années

La première année est commune aux 3 spécialités de la mention informatique.

La deuxième année est spécifique à chaque spécialité et fait partie du Master International.

Plaquette du master MLSD

Candidatures

Vous trouverez sur la page des candidatures toutes les informations utiles.