Data science : Fiche Parcours : Offre de formation

Présentation :

Modalité de formation :

Formation initiale
Formation continue
Formation accessible en VAE (Validation des Acquis de l'Expérience)

Formation diplomante

Nature de la Formation :
Diplôme national

Niveau de recrutement :
BAC+3

Niveau de sortie :
BAC+5

Durée de la formation :
4 semestres

Adresse web d'inscription : *
https://ecandidat.univ-lyon1.fr/

Lieux de formation :
Cette formation est dispensée principalement sur le(s) site(s) suivant(s) :

Villeurbanne - La Doua

Diplôme co-accrédité :
Cette formation est co-accréditée avec le(s) établissement(s) suivant(s) :

Université Lumière Lyon 2
Université Jean Monnet Saint-Etienne
Ecole Centrale de Lyon EDIT
Ecole Normale Supérieure de Lyon
Ecole Nationale Supérieure des Mines de Saint-Etienne

Langues d'enseignement :

Français

Description de la formation :

Pour la spécialité Mathématique voir le site: http://mastermas.univ-lyon1.fr/

Pour la spécialité Informatique voir le site: http://master-info.univ-lyon1.fr/ds

Résumé de la formation :

Le parcours de Data Science est une spécialité professionnelle en ingénierie mathématique et informatique. Elle offre aux étudiants une formation solide en statistique et informatique, permettant d’acquérir un socle de connaissances conduisant à l’exercice opérationnel du métier de « data scientist ».

Public concerné et pré-requis :

Les prérequis d'une première année d'un master de mathématiques ou d'informatique, ou équivalent, sont nécessaires.

Spécificités et conditions d'accès :

Pour le M2 Data Science, les prérequis d'une première année d'un master de mathématiques ou d'informatique, ou équivalent, sont nécessaires.

Effectifs des années antérieures :

Année 2016/2017: 27 étudiants

Responsabilité du Parcours :

CIUPERCA GABRIELA

↳ 04.26.23.45.57

AUSSEM ALEXANDRE

↳ 04.72.43.44.66

Composante(s) de l'université responsable de cette formation :

UFR Faculté des sciences / Département de Mathématiques

http://fst-mathematiques.univ-lyon1.fr/

Liste des Unités d'Enseignement (UE) :

UE survolée :

Validation pour 1 semestre (30 cts)

S1

Analyse appliquées et EDP
6*

Statistiques paramétriques
6*

Logiciels scientifiques
3*

Analyse numérique et optimisation
6*

Probabilités
6*

Anglais pour la communication professionnelle niveau 1
3*

S2

Recherche opérationnelle et optimisation discrète
18*

Projet en mathématiques appliquées
6*

Bases de données - HTML5 - PHP
3*

TrIP - Rechercher un stage, un emploi
3*

S3

Statistique Inférentielle
3*

Modèles de régression
3*

Modèles Graphiques Probabilistes
3*

Data Visualization
3*

Cloud computing
3*

Anglais pour la communication professionnelle niveau 2
3*

Connaissance métier
9*

Analyse des graphes de données
3*

S4

Machine Learning
3*

Data Mining
3*

Big Data Analytics
3*

Stage d'application professionnelle ou de recherche
21*

UE Obligatoire

UE Optionnelle

UE Libre

* Nombre de crédits de l'UE

Semestre 1
Semestre 2
Semestre 3
Semestre 4

S1: Bloc 1 [UE Obligatoire] (6 Crédits) :
Analyse appliquées et EDP (6 ects)

S1: Bloc 2 [UE Obligatoire] (6 Crédits) :
Statistiques paramétriques (6 ects)

S1: Bloc 3 [UE Obligatoire] (3 Crédits) :
Logiciels scientifiques (3 ects)

S1: Bloc 4 [UE Obligatoire] (6 Crédits) :
Analyse numérique et optimisation (6 ects)

S1: Bloc 5 [UE Obligatoire] (6 Crédits) :
Probabilités (6 ects)

S1: Bloc 6 [UE Obligatoire] (3 Crédits) :
Anglais pour la communication professionnelle niveau 1 (3 ects)

S2: Bloc 1 [UE Libre] (18 Crédits) :
Calcul Scientifique (6 ects)
Processus Stochastiques et modélisation (6 ects)
Recherche opérationnelle et optimisation discrète (6 ects)
Séries chronologiques (6 ects)
Systèmes dynamiques (6 ects)
Transformée de Fourier et traitement du signal (6 ects)

S2: Bloc 2 [UE Obligatoire] (6 Crédits) :
Projet en mathématiques appliquées (6 ects)

S2: Bloc 3 [UE Obligatoire] (3 Crédits) :
Bases de données - HTML5 - PHP (3 ects)

S2: Bloc 4 [UE Obligatoire] (3 Crédits) :
TrIP - Communication (1 ects)
TrIP - Rechercher un stage, un emploi (2 ects)

S3: Bloc 1 [UE Obligatoire] (3 Crédits) :
Statistique Inférentielle (3 ects)

S3: Bloc 2 [UE Obligatoire] (3 Crédits) :
Modèles de régression (3 ects)

S3: Bloc 3 [UE Obligatoire] (3 Crédits) :
Modèles Graphiques Probabilistes (3 ects)

S3: Bloc 4 [UE Obligatoire] (3 Crédits) :
Data Visualization (3 ects)

S3: Bloc 5 [UE Obligatoire] (3 Crédits) :
Cloud computing (3 ects)

S3: Bloc 6 [UE Obligatoire] (3 Crédits) :
Anglais pour la communication professionnelle niveau 2 (3 ects)

S3: Bloc 7 [UE Libre] (9 Crédits) :
Analyse factorielle (3 ects)
Connaissance métier (3 ects)
Développement Informatique (6 ects)
Droit de l'informatique et de l'internet (3 ects)
Fondamentaux mathématiques pour les Data Science (3 ects)

S3: Bloc 8 [UE Obligatoire] (3 Crédits) :
Analyse des graphes de données (3 ects)

S4: Bloc 1 [UE Obligatoire] (3 Crédits) :
Machine Learning (3 ects)

S4: Bloc 2 [UE Obligatoire] (3 Crédits) :
Data Mining (3 ects)

S4: Bloc 3 [UE Obligatoire] (3 Crédits) :
Big Data Analytics (3 ects)

S4: Bloc 4 [UE Libre] (21 Crédits) :
Stage (21 ects)
Stage d'application professionnelle ou de recherche (21 ects)

Lien vers Statistiques d’insertion professionnelle

Les enquêtes d’insertion professionnelle sont réalisées par l'Observatoire de la Vie Etudiante.

Poursuites d'études et débouchés :

- Débouchés dans tous les secteurs d'activité intéressés par les outils très récents (data mining, big data, machine learning, méthodes mathématiques en très grande dimension) du traitement des données massives:

marketing;
réseaux sociaux;
secteur industriel;
médical.

- Possibilité de poursuivre en thèse de mathématiques appliquées.

Secteurs disciplinaires concernés :

Informatique
Mathématiques