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) :

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://masterim.univ-lyon1.fr/?q=node/79
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 :

AUSSEM ALEXANDRE

↳ 04.72.43.44.66

ELGHAZEL HAYTHAM

↳ 04.26.23.44.65

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

Liste des Unités d'Enseignement (UE) :

UE survolée :

Validation pour 1 semestre (30 cts)

S1

Gestion de projet et génie logiciel
3*

Programmation avancée
3*

Conception d'applications Web
3*

Gestion de données pour le Web
3*

Réseaux
3*

Bases de l'intelligence artificielle
3*

Optimisation et recherche opérationnelle
3*

Compilation / traduction des programmes
3*

Calculabilité et complexité
3*

Projet transversal de master informatique
3*

S2

Projet pour l'orientation en master
6*

Anglais pour la communication professionnelle niveau 1
3*

Algorithmique distribuée
21*

S3

Statistique Inférentielle
3*

Modèles de régression
3*

Modèles Graphiques Probabilistes
3*

Data Visualization
3*

Cloud computing
3*

Data Mining
3*

Analyse des graphes de données
3*

Big Data Analytics
3*

Machine Learning
3*

Fondamentaux mathématiques pour les Data Science
3*

S4

Stage d'application professionnelle ou de recherche
21*

Connaissance métier
3*

Anglais pour la communication professionnelle niveau 2
3*

Droit de l'informatique et de l'internet
3*

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] (3 Crédits) :
Gestion de projet et génie logiciel (3 ects)

S1: Bloc 2 [UE Obligatoire] (3 Crédits) :
Programmation avancée (3 ects)

S1: Bloc 3 [UE Obligatoire] (3 Crédits) :
Conception d'applications Web (3 ects)

S1: Bloc 4 [UE Obligatoire] (3 Crédits) :
Gestion de données pour le Web (3 ects)

S1: Bloc 5 [UE Obligatoire] (3 Crédits) :
Réseaux (3 ects)

S1: Bloc 6 [UE Obligatoire] (3 Crédits) :
Bases de l'intelligence artificielle (3 ects)

S1: Bloc 7 [UE Obligatoire] (3 Crédits) :
Optimisation et recherche opérationnelle (3 ects)

S1: Bloc 8 [UE Obligatoire] (3 Crédits) :
Compilation / traduction des programmes (3 ects)

S1: Bloc 9 [UE Obligatoire] (3 Crédits) :
Calculabilité et complexité (3 ects)

S1: Bloc 10 [UE Obligatoire] (3 Crédits) :
Projet transversal de master informatique (3 ects)

S2: Bloc 1 [UE Obligatoire] (6 Crédits) :
Projet pour l'orientation en master (6 ects)

S2: Bloc 2 [UE Obligatoire] (3 Crédits) :
Anglais pour la communication professionnelle niveau 1 (3 ects)

S2: Bloc 3 [UE Libre] (21 Crédits) :
Algorithmique distribuée (3 ects)
Analyse d'image (3 ects)
Animation en synthèse d'image (3 ects)
Bases de données déductives (3 ects)
Bases de données réparties (3 ects)
Cryptographie et sécurité (3 ects)
Evaluation des performances des systèmes (3 ects)
Logiciels éducatifs (3 ects)
Parallélisme (3 ects)
Programmation embarquée et mobile des objets (3 ects)
Programmation système et temps réel (3 ects)
Projet transversal innovant (3 ects)
Réseaux par la pratique (3 ects)
Stage (9 ects)
Synthèse d'image (3 ects)
Technique de l'intelligence artificielle (3 ects)
Théorie des jeux (3 ects)
Traitement du signal et communications numériques (3 ects)
Web avancé et web mobile (3 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) :
Data Mining (3 ects)

S3: Bloc 7 [UE Obligatoire] (3 Crédits) :
Analyse des graphes de données (3 ects)

S3: Bloc 8 [UE Obligatoire] (3 Crédits) :
Big Data Analytics (3 ects)

S3: Bloc 9 [UE Obligatoire] (3 Crédits) :
Machine Learning (3 ects)

S3: Bloc 10 [UE Obligatoire] (3 Crédits) :
Fondamentaux mathématiques pour les Data Science (3 ects)

S4: Bloc 1 [UE Obligatoire] (21 Crédits) :
Stage d'application professionnelle ou de recherche (21 ects)

S4: Bloc 2 [UE Obligatoire] (3 Crédits) :
Connaissance métier (3 ects)

S4: Bloc 3 [UE Obligatoire] (3 Crédits) :
Anglais pour la communication professionnelle niveau 2 (3 ects)

S4: Bloc 4 [UE Obligatoire] (3 Crédits) :
Droit de l'informatique et de l'internet (3 ects)

Liste des Unités d'Enseignement Stage :

Stage :
[UE Libre] semestre : 2 - NB Credits : 9 - Stages de 29 semaines : Septembre à août

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