Organisation des enseignements
⬅︎ Retour sur la page principale du parcours Data Science
Enseignements de 1ère année (M1)
Semestre 1 (30 ECTS)
Obligatoire :
Nom | ECTS | Volume horaire |
---|---|---|
Statistique | 8 | 32h CM, 32h TD et 16h TP |
Statistique multivariée et SAS : |
8 | 32h CM, 9h TD et 39h TP |
Logiciel R | 2 | 6h CM et 14h TP |
Représentations et approximations de données structurées | 4 | 15h CM, 18h TD et 6h TP |
Anglais | 3 | 18h TD |
Professionnalisation 1 | 2 | 5h CM et 15h TD |
Option : 3 ECTS à choisir parmi
Nom | ECTS | Volume horaire |
---|---|---|
Données catégorielles : exploration, modélisation | 3 | Variable |
Théorie et pratique du sondage | 3 | 12h CM, 12h TD et 6h TP |
Semestre 2 (30 ECTS)
Obligatoire :
Nom | ECTS | Volume horaire |
---|---|---|
Optimisation de fonctions différentiables | 3 | 15h CM et 15h TD |
Séries chronologiques | 3 | 10h CM, 6h TD et 8h TP |
Base de données | 3 | 10h CM et 20h TP |
Anglais | 3 | 24h TD |
Professionnalisation 2 | 3 | 10h CM, 10h TD |
TER (mémoire) | 6 | Variable |
Stage | 3 | 2 mois |
Options : 6 ECTS à choisir parmi
Nom | ECTS | Volume horaire |
---|---|---|
Statistique décisionnelle | 3 | 15h CM et 15h TD |
Signaux à temps discrets, modèles déterministes et aléatoires | 3 | 15h CM et 15h TD |
Chaînes de Markov, martingales | 3 | 15h CM et 15h TD |
Enseignements de 2ème année (M2)
Tronc commun (48 ECTS)
Scientifique :
Nom | ECTS | Volume horaire |
---|---|---|
Big Data | 3 | 12h CM et 12h TD |
Apprentissage (mutualisée avec le M2 IAAA) | 3 | 9h CM et 18h TP |
Représentation parcimonieuse des signaux, images et graphes | 3 | 12h CM et 12h TD |
Programmation Python | 3 | 10h CM et 20h TD |
Ouverture Professionnel/Recherche :
Nom | ECTS | Volume horaire |
---|---|---|
Professionnalisation 3 (mutualisée) | 3 | 10h CM et 10h TD |
Anglais | 3 | 18h TD |
Mini-projets | 3 | Variable |
Junior Entreprise ou Journal Club | 3 | Variable |
Stage | 24 | 4 à 6 mois |
Options (12 ECTS)
4 UE à choisir parmi la liste ci-dessous (classée par thématique)
Statistique :
Nom | ECTS | Volume horaire |
---|---|---|
Statistique appliquée | 3 | 12h CM et 12h TD |
Modèles à variables latentes | 3 | 12h CM et 12h TD |
Statistique spatiale et écologie | 3 | 12h CM et 12h TD |
Visualisation dynamique de données et data mining | 3 | 12h CM et 12h TD |
Spark, Hadoop et calcul parallèle | 3 | 12h CM et 12h TD |
Apprentissage :
Nom | ECTS | Volume horaire |
---|---|---|
Deep learning (mutualisée avec le M2 IAAA) | 3 | 9h CM et 18h TP |
Théorie de l'apprentissage et statistique non-paramétrique (mutualisée avec le M2 IAAA) | 3 | 12h CM et 12h TD |
Algorithmes stochastiques (FERMÉE EN 2019/2020) | 3 | 12h CM et 12h TD |
Méthodes numériques probabilistes (mutualisée avec le M2 CEPS) | 3 |
Traitement du signal et de l'image :
Nom | ECTS | Volume horaire |
---|---|---|
Problèmes inverses et optimisation convexe | 3 | 12h CM et 12h TD |
Séparation de sources : approches déterministes et probabilistes (FERMÉE en 2019/2020) | 3 | 12h CM et 12h TD |
Signal et big data, compressed sensing (FERMÉE en 2019/2020) | 3 | 12h CM et 12h TD |