fbpx

Découvrez le Mastère 2 – Parcours Data Scientist

A qui s’adresse ce parcours ?

Le Mastère 2 Data Scientist s’adresse aux étudiants de l’IA School ayant suivi le Mastère 1 in Artificial intelligence & Management, ou aux étudiants ayant suivi un Mastère 1 en Data Science ou Data Analytics dans un autre établissement, et qui souhaitent se spécialiser en tant que Data Scientist.

Quels sont les objectifs du Mastère 2 Data Scientist ?

  • Création de tables et chargement de données sur MySQL et MongoDB pour optimiser et dynamiser leur manipulation
  • Faire des analyses statistiques sur différents formats de données afin de programmer un algorithme pour résoudre le problème sous-jacent
  • Manipulation des données avec Python Pandas pour optimiser les outils d’analyse des performances d’entreprise
  • Visualiser et cartographier les données sur des tableaux afin d’optimiser leur lecture
  • Exécuter le scrapping (extraction) de données avec Python pour optimiser les données rendues disponibles
  • Explorez la bibliothèque scikit-learn dans Python pour modéliser les données traitées.
  • Evaluer l’impact de l’intelligence artificielle sur la performance métier afin de proposer des solutions adéquates
  • Utiliser des outils de gestion de projets IT pour la mise en œuvre à l’échelle de l’entreprise.

Quelles sont les compétences développées  ?

  • Réaliser un tableau de bord des principaux indicateurs clés de performance d’un ensemble de données
  • Créer et déployer une application Web avec un composant de prédiction
  • Optez pour un algorithme deep learning adapté au problème défini
  • Optimisation des performances d’un algorithme de deep learning
  • Pouvoir analyser des données textes en utilisant des techniques NLP
  • Générer des faux visages grâce au GAN (generative adversarial network)

Quelles sont les conditions d’admission ?

L’étudiant devra être titulaire d’un Mastère 1 en Data Analytics/Data Science.

Mastère 2 – Data Scientist
Découvrez le détail des matières :

  • Test Statistiques (Khi 2, Anova etc…)
  • Loi de probabilité
  • Théorie des graphes
  • NLP: Naturel Language Processing with Python
  • Initiation à GitHub, Gitlab
  • Hadoop, Hive , Pig : Ecosystème Big Data
  • Projet et certification MongoDB
  • Programmation en classe avec Python
  • Python Flask: Déployer des analyses sur serveur
  • Modélisation de Série Temporelle
  • Introduction au Deep Learning
  • Reconnaissane d’image et Transfer learning
  • Machine Learning Avancé : Apprentissage supervisé/non supervisé
  • Introduction à l’apprentissage par renforcement
  • Base Graph avec Neo4j
  • Computer Vision
  • Projet Global IA avec R
  • Projet Global IA avec Python
  • Certification SAS
  • Conference english
  • Gestion de projet
  • Management du changement
  • Fusion/acquisition
  • Droits des contrats
  • Supplychain
  • Design thinking
  • Utilisation des blockchain