Le cycle Mastère
Le M2 – Parcours Data Analyst
A qui s’adresse ce parcours ?
Le M2 Data Analyst s’adresse aux étudiants de l’IA School ayant suivi le Mastère 1 in Artificial intelligence & Management, ou aux étudiants ayant un niveau intermédiaire en programmation Python, R, et en mathématiques et qui souhaitent devenir Data Analyst.
Quels sont les objectifs du M2 Data Analyst ?
- 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 ?
– Interroger des bases de données NoSQL comme MongoDB
– Optimiser les performances de ces bases de données
– Réaliser un Dashboard des principaux KPI d’un jeu de données
– Connecter un langage de programmation et une base de donnée
Quelles sont les conditions d’admission ?
L’étudiant devra avoir suivi le M1 in Artificial Intelligence & Management de l’IA School, ou être titulaire d’un Bac+4 en mathématiques, informatiques, statistiques ou ingénieur.
Le M2 – Parcours Data Scientist
A qui s’adresse ce parcours ?
Le M2 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 M2 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
– Analyser de la donnée textuelle à l’aide des techniques 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 M1 en Data Analytics/Data Science.
Découvrez les modules dispensées
Mastère 2 – Data Analyst
Fondements mathématiques de la science de la donnée
Statistiques
Test Statistiques (Khi 2, Anova etc…)
Loi de probabilité
Découverte des ETL (Tableau Sofware/ Power BI)
Initiation à GitHub, Gitlab
SQL Avancée
Base de données NoSQL avancée
Projet et certification MongoDB
Ecosystème Big Data (Hadoop, Hive)
Scrapping de données à l’aide de Beautiful Soup
Python Flask: Déployer des analyses sur serveur
Excel Avancé
Analyse de données en Python
R for data analysis
R shiny: Déployer des analyses sur serveur
Introduction à SAS
Modélisation de Série Temporelle
Projet Data Analyse
Conference english
Gestion de projet
Management du changement
Fusion/acquisition
Droits des contrats
Supplychain
Design thinking
Utilisation des blockchain
Mastère 2 – Data Scientist
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
Mastère 2 – Data Analyst
Fondements mathématiques de la science de la donnée
Statistiques
Test Statistiques (Khi 2, Anova etc…)
Loi de probabilité
Découverte des ETL (Tableau Sofware/ Power BI)
Initiation à GitHub, Gitlab
SQL Avancée
Base de données NoSQL avancée
Projet et certification MongoDB
Ecosystème Big Data (Hadoop, Hive)
Scrapping de données à l’aide de Beautiful Soup
Python Flask: Déployer des analyses sur serveur
Excel Avancé
Analyse de données en Python
R for data analysis
R shiny: Déployer des analyses sur serveur
Introduction à SAS
Modélisation de Série Temporelle
Projet Data Analyse
English certification (2/2)
Management commercial
Marketing stratégique
Business Models
Management stratégique des entreprises
Droit de la propriété intellectuelle
Stratégie de marketing digital
Internet des objets (IoT)
Cybersécurité
Mastère 2 – Data Scientist
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
English certification (2/2)
Management commercial
Marketing stratégique
Business Models
Management stratégique des entreprises
Droit de la propriété intellectuelle
Stratégie de marketing digital
Internet des objets (IoT)
Cybersécurité