Face à l’émergence du phénomène des Big Data, de nombreuses entreprises souhaitent pouvoir tirer profit de ces grandes quantités de données qu’elles collectent quotidiennement afin de les aider dans leur processus de décision. Cependant, le plus souvent ces données sont disponibles sous forme brute et donc de peu d’utilité sans traitement préalable. Il est donc nécessaire, pour constituer une aide à la décision efficace, de traiter et de valoriser ces données brutes, massives et souvent hétérogènes pour obtenir de l’information exploitable et utilisable.

L’objectif de ce Master de Mathématiques et Informatique également appelé Big-Data est d’offrir une solide connaissance en Mathématiques appliquées ainsi qu’en Intelligence Artificielle afin de couvrir l’ensemble des problématiques de traitement et d’analyse des données massives que l’on peut rencontrer en entreprise.

Cette formation met l’accent à la fois sur la rigueur indispensable pour le traitement des données et sur les méthodologies récemment développées. Ces dernières ont pour fonction de produire des outils d’analyse mathématique, d’estimation statistique et de prévision qui se déclinent à travers la construction d’algorithmes programmés dans des langages informatiques performants.

L’analyse de grandes masses de données ne peut se faire sans connaissance de modèles et techniques mathématiques et informatiques, tant pour la pertinence de l’information résultante que pour sa représentation et sa visualisation.

Cette formation se déroule sur deux année pendant lesquelles deux thèmes majeurs sont enseignés :

• Traitement des données, via les architectures, algorithmes et langages orientés gestion des données à grande échelle
• Traitement de l’information via les techniques d’apprentissage (Deep Learning et Reinforcement learning) et d’Intelligence Artificielle

L’enseignement inclut également des projets tutorés et un mémoire rendant compte du travail effectué dans l’entreprise.

Partenariats pédagogiques et scientifiques

Le Master Big Data emprunte ses enseignements au département MIDO (Mathématique et informatique de la Décision et des Organisations) de l’université Paris Dauphine et est adossé à deux laboratoires de recherche de renommée internationale affiliés au CNRS, 

• Le CEREMADE laboratoire de recherche en mathématiques appliquées dont le but est l’analyse mathématique de problèmes aussi divers que la Finance, le traitement d’images, l’analyse des données la théorie de la classification, et
• Le LAMSADE laboratoire dont les thèmes de recherche sont notamment l’aide à la décision et la science des données. 

La première année du Master Big Data partage de nombreux modules d'enseignements avec le Master de Mathématiques Appliquées parcours Actuariat. Les enseignements de la seconde année du Master Big Data sont spécifiques et sont empruntés au Master Big-Data

En savoir plus:

Pour toute demande de renseignements, vous pouvez vous adresser soit : 

• par courrier électronique : master_bigdataping@dauphinepong.tn
• par téléphone : +216 71 957 857
• par messenger : Université Paris-Dauphine | Tunis
• En vous présentant au service admission directement sur le campus

Première année du Master (M1)

Le Master vise en première année à consolider les fondements théoriques en mathématiques appliquées (modélisation aléatoire, techniques de la statistique, analyse de données), à donner des bases en informatique et langages de programmation et une initiation à l’apprentissage statistique.

Pré-rentrée

• Programmation Python
• Compléments de Proba et Stats
• Mise à niveau Système d'exploitation et Git Lab
• Modèle et Algèbre Relationnelle et langage SQL
• Introduction à l'intelligence artificielle symbolique

Semestre 1

• Mathématiques pour la Data Science : - Optimisation numérique
• Mathématiques pour la Data Science : Modèle linéaire
• Analyse des données
• Apprentissage statistique I (Machine Learning)
• Algorithmique avancée
• Python pour la Data Science
• Logique
• Programmation Objet
• Complexité et Théorie des graphes
• Anglais

Semestre 2

• Apprentissage statistique II (Machine Learning)
• Méthodes de Monte Carlo et application
• Séries Temporelles avec R
• Projet Machine Learning
• Systèmes de gestion de bases de données (SGBD)
• Intelligence Artificielle
• Décision dans l’incertain
• Fouille de données
• Anglais

Deuxième année du Master (M2)

L’année de M2 comporte deux semestres de cours se répartissant entre octobre et fin mars et d’une période en entreprise d’une durée minimale de 5 mois effectuée à compter d'avril.

 Programme :

Semestre 1

• Fondamentaux de l'apprentissage automatique
• Optimisation pour l'apprentissage automatique
• Bases de données avancées (SGBD non classique)
• Apprentissage Profond /Deep Learning
• Systèmes paradigmes et algorithmes pour les Big Data
• Ethique et science des données
• Natutal Language Procession (NLP)
• Fouille de graphes
• Apprentissage par renforcement
• Data wrangling, qualité des données

Semestre 2

• Enseignements Obligatoires Nb Heures
• Machine learning sur les Big Data
• Apprentissage profond pour l'analyse d'images
• Graphes de connaissance, logique description, raisonnement sur les données
• Flux de données
• Recherche Monte Carlo et jeux
• Visualisation des données
• IA on the cloud
• Projet sciences des données

Toutes les UE comportent 24h de cours et rapportent 3 ECTS.

Durant la période en entreprise l’étudiant effectue un travail de recherche aboutissant à un mémoire et donnant lieu à une soutenance orale. Stage mémoire et soutenance orale rapportent 12 ECTS.

Insertion professionnelle

Avec l’émergence du phénomène du « Big Data », de nouvelles perspectives s’ouvrent pour les entreprises qui souhaitent tirer profit de l’énorme quantité de données qu’elles collectent quotidiennement. Mais pour constituer une aide à la décision, la valorisation de ces données brutes et multiformes est indispensable. Les métiers de Data Scientists, qui répondent à cet objectif, sont donc actuellement très recherchés.

Il s’agit d’un métier récent s’exerçant dans des secteurs très variés. Le Data Scientists possède des compétences techniques diverses selon l’environnement de travail, néanmoins les profils sont rares et extrêmement recherchés.

Les secteurs dans lesquels Data Scientists sont convoités :

• Entreprises des secteurs privés : banques, assurance, santé, télécommunication, transport, énergie, grande distribution.
• Editeurs de logiciel
• Sociétés de services en informatique, cabinets de conseil et d’audit, cabinets d’étude
• Les startups
• Les Organisations non gouvernementales (ONG)
• Les entreprises publiques : santé, sécurité, administrations.