Aller au contenu principal

Master 2 informatique : Parcours Machine Learning pour la Science des Données

Titre niveau 7 (RNCP 34126 - code diplôme 1353261J)
Objectifs de la formation

À l’ère des données massives et multi-vues, l’extraction des connaissances est un réel défi. L’apprentissage machine qui est un champ d'étude de l'intelligence artificielle est devenu de ce fait une thématique incontournable dans la science des données.

Le Master MLSD a pour objectif de former des Data Scientists maitrisant différentes méthodes d’apprentissage machine sous différentes approches dont le deep learning et dans divers domaines dont le text-mining, le NLP, le traitement d’image, la détection d’anomalies et les systèmes de recommandation. Il permet aussi d’acquérir des compétences dans la conception de nouvelles méthodes adaptées aux enjeux dans des domaines aussi divers que la santé, la fraude, la recommandation, l’énergie, la mobilité, l’environnement, le CRM et les réseaux sociaux.

Débouchés

Le Master prépare aux métiers liés au domaine du Machine Learning et notamment :

  • Data Scientist
  • Data Analyst
  • Architecte et Développeur d’outils d’analyse de données
  • Concepteur/Développeur de modèles mathématiques/statistiques
  • Statisticien
  • Ingénieur Recherche & Développement 
Conditions d’admission
  • Avoir validé un Master 1 à orientation scientifique, mathématiques ou informatique de l’Université ou équivalent ; ingénieur nouvellement diplômé souhaitant se spécialiser.
  • Avoir réussi les étapes de sélection de l’Université et du CFA Afia
  • Être recruté comme apprenti par une entreprise.
  • Formation accessible aux étudiants en situation de handicap.
Programme
Enseignements Volume
Accompagnement 30 h
Analyse et reconstruction de graphes 30 h
Apprentissage et factorisation matricielle 20 h
Apprentissage non supervisé 30 h
Apprentissage supervisé 30 h
Apprentissage par renforcement 15 h
Deep learning 30 h
Big Data Analytics 20 h
Dimensionality Reduction 25 h
Finite Mixture models (clustering/co-clustering) 25 h
Fouille des données spatiales et temporelles 30 h
Text-mining et NLP 40 h
Business Intelligence 15 h
Anglais et communication 20 h
Projets pluridisciplinaires 80 h
Total 440 h
Durée et rythme d'alternance

Contrat d’apprentissage ou de professionnalisation.

Parcours alterné de 440 h sur 12 mois.

Rythme d’alternance : 

  • 2 jours à l'Université ;
  • 3 jours en Entreprise.
     
Calendrier d'admission
Clôture des inscriptions : mai 2021
Entretiens individuels : juin 2021
Rentrée : 6 octobre 2021
Chiffres clés
100 %
Taux de réussite au diplôme
20 %
Taux de poursuite d'études
0 %
Taux d'interruption de parcours
80 %
Taux d'insertion professionnelle à 3 mois
Université de Paris

45 rue des Saints Pères
75270 Paris cedex 06
Tél : 01 44 55 35 69

Contacter Sylvain Vairelles, CFA Afia

Contacter Mohamed Nadif, Université de Paris

Inscription en ligne 

48.851251, 2.3407609999999