Applied MSc in Data Engineering
for Artificial Intelligence
Expert en Sciences des Données
La formation peut se suivre en présentiel sur le site de votre choix ou 100 % en distanciel :
- Campus Paris 4 rue de la Collégiale 75005 Paris
- Campus Sophia-Antipolis Les Templiers, 950 route des Colles - Sophia-Antipolis 06410 Biot
Formation en présentiel
Bac + 4, Bac + 5
Titre RNCP niveau 7
(
code RNCP 34262
-
code diplôme
16X11401
)
Formation éligible
à la prime de 6000€
Titre délivré par Data ScienceTech Institute
- Examens finaux
- Validation partielle par blocs de compétences : non
Siège social, 75005 Paris, France
Rentrée :
Spring :
Du 13/02/23 au 14/02/25
Autumn :
Du 15/09/23 au 12/09/25
Présentation de la formation
Objectifs
Ce Master of Science permet de :
- apprendre à comprendre l'analyse, la conception, la mise en oeuvre et le suivi des architectures informatiques et de Big Data ;
- découvrir le monde DevOps et mettre en place une architecture d'intégration continue ;
- exploiter les langages de programmation les plus répandus et leurs bibliothèques pour l'apprentissage automatique et deep learning ;
- apprendre à architecturer et à déployer des clusters de données et de calcul hautement distribués tels que Hadoop ou SPARK.
Certifications acquises : AWS Certified Solutions Architect - Associate / Neo4j Certified Professional / Microsoft Certified: Power Platform Functional Consultant Associate.
Compétences visées
Concevoir et déployer des infrastructures informatiques distribuées pour stocker et traiter des données massives - Rédiger un cahier des charges technique pour la conception et la mise en place d’une solution d’analyse des données volumineuses - Exploiter un système distribué d’entrepôt de données structurées et non structurées, notamment via Apache Hadoop & Apache Spark. - Contribuer à la définition de l’architecture de stockage de données, en prenant en compte les besoins de traitements algorithmiques de l’intelligence artificielle - Concevoir et implémenter des algorithmes pour le traitement des grands volumes de données dans le respect des bonnes pratiques de l’ingénierie logicielle (incluant les approches SQL et NoSQL) - Exploiter des infrastructures informatiques distribuées en mode cloud sur la plateforme Amazon AWS pour y déporter des traitements algorithmiques de l’intelligence artificielle (préparation à la certification Amazon AWS Solution Architect – Associate).
Pré-inscription à la formation :
c'est par ici !
Les pré-inscriptions pour cette formation sont ouvertes !
En cliquant sur "se pré-inscrire", vous serez redirigé vers notre plateforme iziA.
En 2 clics, créez votre compte et sélectionnez les formations qui vous intéressent : on vous recontacte !
Attention : n’oubliez pas de vous inscrire également auprès de l’établissement.
Débouchés
- Big Data Engineer
- Data Engineer
- Chief Data Officer
- Machine Learning Engineer
Rythme d’alternance
Contrat d'apprentissage (ou de professionnalisation sous conditions)
Parcours alterné de 1149 h sur 24 mois
Rythme d’alternance
- 2 semaines en formation
- 3 semaines en entreprise
Prérequis et admission
- Avoir une appétence pour les mathématiques, les algorithmes et les statistiques. Maîtriser les différents logiciels de programmation. Avoir une capacité d’analyse et de synthèse.
- Admission sur dossier, test et entretien
- Niveau d'anglais B2
- Être recruté en apprentissage par une entreprise
- Formation accessible aux étudiants en situation de handicap
Programme
| Enseignements | Volumes * |
|---|---|
|
Distributed & Performance IT |
200 h |
| Cloud - Computing – Amazon AWS |
50 h |
| Software Engineering Part I |
25 h |
| Cloud Computing – Microsoft Azure |
25 h |
| Web Engineering |
25 h |
| Software Engineering Part II |
25 h |
| Python Machine Learning Labs |
25 h |
| Semantic Web technologies |
25 h |
|
Data Management |
180 h |
| Data Wrangling with SQL |
25 h |
| Document Databases – NoSQL – Part 2 |
5 h |
| Datawarehousing & ETL |
25 h |
| Big Data Ecosystem by Adaltas |
50 h |
| Data Pipeline Part I & II |
50 h |
| Graph Databases – NoSQL – Part 1 |
25 h |
|
Operational Methodologies |
150 h |
| IT Project Management – PMP-PMI and Agile Approaches |
25 h |
| Data Laws & Regulations – Philosophies, Geopolitics & Ethics |
25 h |
| CRM Data Management |
25 h |
| Cybersecurity |
25 h |
| DevOps by Adaltas |
50 h |
|
Data Science |
125 h |
| Applied Mathematics for Data Science |
25 h |
| Foundations of Statistical Analysis & Machine Learning Part I |
25 h |
| Big Data Processing with R |
25 h |
| Deep Learning |
25 h |
| Artificial Neural Networks |
25 h |
|
Sessions de support |
50 h |
|
Cours d’Anglais |
50 h |
|
Warm-up |
75 h |
|
Examens |
30 h |
|
Induction day |
7 h |
|
Projet individuel |
282 h |
| Total | 1149 h |
Contacts
DSTI Charles CUGGIA charles@dsti.institute 04 89 41 29 44
DSTI Dominique SALLY dominique.sallay@dsti.institute 06 11 33 12 95
CFA Afia Ghada CHOUCHENE Chargée de Mission Alternance gchouchene@cfa-afia.fr 06 82 58 68 96
| DSTI | CFA Afia |
| Charles CUGGIA | Ghada CHOUCHENE |
| Chargée de Mission Alternance | |
| charles@dsti.institute | gchouchene@cfa-afia.fr |
| 04 89 41 29 44 | 06 82 58 68 96 |
| DSTI | |
| Dominique SALLY | |
| dominique.sallay@dsti.institute | |
| 06 11 33 12 95 |
