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 | 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 | 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 | 3 | 9h CM et 18h TP |
| Théorie de l'apprentissage et statistique non-paramétrique | 3 | 12h CM et 12h TD |
| Algorithmes stochastiques | 3 | 12h CM et 12h TD |
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 | 3 | 12h CM et 12h TD |
| Signal et big data, compressed sensing | 3 | 12h CM et 12h TD |
