Admission

Prérequis : M1 de Mathématiques générales ou appliquées. Connaissances de base en programmation.

L'ouverture des inscriptions aura lieu au printemps 2020

Débouchés

Recherche et développement, consulting interne ou externe, etc. sur la sécurité, le traitement et l'analyse des données. Grand groupes, start-up spécialisées, sociétés de conseils, organismes publics. Secteurs de l’informatique, de la banque, de l’assurance, du marketing digital, bio-médical, pharmaceutique, de l’industrie, de la défense,...

Organisation

L’année comporte 24 semaines de cours de début septembre à fin mars. Les étudiant·e·s effectuent ensuite un stage d'application de 4 à 6 mois en entreprise ou organisme de recherche de début avril à fin juillet.

Organisation

L’année comporte :

  • 24 semaines d'enseignement de début septembre à fin mars. Tous les cours sont accompagnés de séances d'exercices et travaux pratiques sur machine permettant d'assimiler et d'implémenter les notions et algorithmes vus en cours. L'évaluation se fait via des examens écrits ou sur machine, mais aussi au travers de projets et exposés qui permettent aux étudiant·e·s d'entrevoir des techniques ou problèmes plus spécifiques et d'accroître leur autonomie.
  • un stage d'application en entreprise ou organisme de recherche de 4 à 6 mois, à partir de début avril. Les étudiant·e·s y mettent en œuvre les outils et les techniques vues tout au long de l'année. Ce stage, qui leur permet de se confronter à des problématiques concrètes, est une composante importante du master 2.
  • Structure des cours

    Les enseignements de mathématiques du parcours sont organisés en quatre blocs thématiques couvrant différents aspects de l'utilisation des mathématiques en science des données :

  • un bloc sur les outils mathématiques pour la sécurité des données, où l'on présente les techniques modernes de cryptographie, ainsi que la théorie des codes correcteurs d'erreurs.
  • un bloc sur des outils mathématiques pour le traitement et l'analyse des données. On y présente notamment les techniques de traitement du signal (compression, filtrage, débruitage) par ondelettes, et l'analyse topologique des données.
  • un bloc intitulé apprentissage artificiel et science des données, emprunté au master EID2 du Département d'Informatique. Les étudiant·e·s y verront les techniques statistiques pour l'extraction de connaissance et l'apprentissage artificiel.
  • enfin, un bloc sur des problèmatiques et techniques liés à des types de données particulières. Les étudiant·e·s pourront par exemple y suivre un cours sur les problèmes particuliers posés par les données bio-médicales, et un cours sur les techniques de traitement des images.
  • En complément des UE de mathématiques, les étudiant·e·s bénéficient d'une UE d' informatique sur les bases de données, et d'une UE d'anglais.

    Outils mathématiques pour la sécurité des données

    Outils mathématiques pour le traitement et l'analyse des données

    Apprentissage statistique et science des données (Master EID2)

    Problématique et techniques liées à des types de données particulières

    Environnement de travail

    Stage

    Validation

    Pour valider le master 2 mathématiques des données, les étudiant·e·s doivent cumuler 60 ECTS. La validation du stage est obligatoire. Même si l’ensemble des modules représentent un total supérieur à 60 ECTS, les étudiant·e·s sont fortement invités à suivre tous les modules.

    Cours proposés

    Semestre 1

    Courbes elliptiques et cryptographie

    3 ECTS, semestre 1

    BlocOutils mathématiques pour la sécurité des données
    ValidationCC+examen
    EnseignantsP. Boyer, M. Zitouni
    Horaires 15h cours + 15h de TD/TP

    Syllabus


    Codes correcteurs

    3 ECTS, semestre 1

    BlocOutils mathématiques pour la sécurité des données
    ValidationCC+examen
    EnseignantsP. Boyer, M. Zitouni
    Horaires 15h cours + 15h de TD/TP

    Syllabus


    Traitement du signal par ondelettes

    4 ECTS, semestre 1

    BlocOutils mathématiques pour le traitement et l'analyse des données
    ValidationCC+examen
    EnseignantJ. Barral
    Horaires 21h cours + 21h de TD/TP

    Syllabus


    Analyse topologique des données

    4 ECTS, semestre 1

    BlocOutils mathématiques pour le traitement et l'analyse des données
    ValidationCC+examen
    EnseignantG. Ginot
    Horaires 21h cours + 21h de TD/TP

    Syllabus

    Calcul stocchastique

    3 ECTS, semestre 1

    BlocOutils mathématiques pour le traitement et l'analyse des données
    ValidationCC+examen
    EnseignantB. Mallein
    Horaires 15h cours + 15h de TD/TP

    Syllabus


    Apprentissage statistique

    3 ECTS, semestre 1

    BlocApprentissage et science des données
    ValidationCC+examen
    EnseignantB. Matei
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Cours du master EID2

    Deep learning

    3 ECTS, semestre 1

    BlocApprentissage et science des données
    ValidationCC+examen
    EnseignantY. Bennani
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Cours du master EID2

    Science des données numériques

    3 ECTS, semestre 1

    BlocApprentissage et science des données
    ValidationCC+examen
    EnseignantY. Bennani
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Cours du master EID2

    Statistique exploratoire multidimensionnelle

    3 ECTS, semestre 1

    BlocApprentissage et science des données
    ValidationCC+examen
    EnseignantY. Bennani
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Cours du master EID2

    Bases de données

    2 ECTS, semestre 1

    Environnement de travail
    ValidationCC+examen
    EnseignantG. Cabanes
    Horaires 19,5h cours + 19,5h de TD/TP

    Syllabus

    Cours du Département d'Informatique

    Anglais

    2 ECTS, semestre 1

    Environnement de travail
    ValidationCC+examen
    Enseignant
    Horaires 19,5h cours + 19,5h de TD/TP

    Syllabus

    Cours du Département de Langues et TEC

    Semestre 2

    Outils pour le traitement et l'analyse des images

    3 ECTS, semestre 2

    BlocProblématiques et techniques liés à des types de données spécifiques
    ValidationCC+examen
    EnseignantsJ. Chaussard, J. Liandrat, J. Wang
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Cours de la filière MACS de l'école d'ingénieurs Sup'Galilée

    Statistiques bio-médicales

    3 ECTS, semestre 2

    BlocProblématiques et techniques liés à des types de données spécifiques
    ValidationCC+examen
    EnseignantM. Clertant
    Horaires 15h cours + 15h de TD/TP

    Syllabus

    Stage d'application en entreprise ou organisme de recherche

    24 ECTS, semestre 2

    Durée 4 à 6 mois

    Admission

    L'ouverture de ce parcours est prévu pour la rentrée 2020. Les inscriptions se feront au printemps 2020.

    Débouchés de la formation

    Les sciences de données sont un domaine en pleine explosion, qui s'appuie sur des outils mathématiques et informatiques. Les compétences acquises par les étudiant·e·s du master leur permettront de travailler sur les problématiques liées aussi bien à la sécurité, qu'au traitement, ou à l'analyse et l'exploitation des données. Ils seront amener à exercer des fonctions de :

  • mise en oeuvre et utilisation de solutions logicielels (data scientist)
  • coordination de projets (chef de projet, ingénieur en recherche et développement)
  • conseil aux entreprises concernant ces problématiques (consultant en Data Science).
  • Ils pourront exercer ces fonctions :

  • dans une entreprise généraliste dont l'activité (banque, assurance, bio-médical, marketing, e-commerc,...) pose des problématiques importantes de sécurité, traitement, analyse ou exploitation des données,
  • dans une société spécialisée (start-up, SSII, société de conseil) qui propose des solutions logicielles et/ou préstations de conseil concernant ces problématiques.