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 ?

  • Créer des tables et charger des données sur MySQL et MongoDB afin d’optimiser et dynamiser leur manipulation
  • Effectuer une analyse statistique sur différents formats de données afin de programmer un algorithme répondant à la problématique sous-jacente
  • Manipuler des données avec Python Pandas en vue d’optimiser les outils d’analyse de la performance en entreprise
  • Visualiser et cartographier des données sur tableau afin d’optimiser leur lecture
  • Effectuer du scrapping (extraction) de données avec Python afin d’optimiser les données mises à disposition
  • Explorer la librairie scikit-learn en Python afin de modéliser les données traitées
  • Évaluer l’impact de l’intelligence artificielle sur les performances en entreprise afin de proposer des solutions adaptées
  • Utiliser des outils de gestion de projet IT afin de les mettre en œuvre en entreprise

Quelles sont les compétences développées  ?

  • Réaliser un dashboard des principaux KPI d’un jeu de données
  • Créer et déployer une application web comprenant une partie prédictive
  • Choisir un algorithme de deep learning adapté au problème défini
  • Optimiser les performances d’un algorithme de deep learning
  • Etre capable d’analyser de la données textuelle à l’aide des technique de NLP
  • Générer des faux visages via les 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