Master Mathématiques appliquées, statistique - Parcours Data Science Modélisation Statistique
Master Mathématiques appliquées, statistique - Parcours Data Science Modélisation Statistique
Niveau Master, Ingénieur, Doctorat
Formation potentiellement éligible au CPF
Type de formation
Formation continueDomaine de formation
Informations pour les PRO
https://www.formation.gref-bretagne.com/formation/43494
L'objectif principal de la formation, orientée vers l'acquisition des connaissances scientifiques en sciences des données, est de permettre aux diplômés de maîtriser les concepts et technologies propres aux domaines de la modélisation statistique, des méthodes informatiques et du traitement des données pour différents secteurs des sciences de l'ingénieur.
Les compétences visées :
Aide à la décision
Application de la statistique
Gestion de base de données
Analyse prédictive
Data mining
Modélisation statistique
Analyse de l'information
Fiabilité, gestion des risques
Big Data
Les compétences visées :
Aide à la décision
Application de la statistique
Gestion de base de données
Analyse prédictive
Data mining
Modélisation statistique
Analyse de l'information
Fiabilité, gestion des risques
Big Data
Semestre 1 - M1 :
5 Unités d'enseignement obligatoires (UEO) :
- Modèles linéaires généralisés (estimations et prédictions)
- Séries chronologiques et prévisions
- Systèmes d'information opérationnels : bases de données
- Programmation et traitement statistique des données (R, Python, SAS)
- Statistique Bayésienne et MCMC
Unité de Culture Générale :
- Anglais
- Fonctions de l'entreprise
Semestre 2 - M1:
4 Unités d'enseignement obligatoires (UEO) :
- Fouille de données (data mining) et apprentissage statistique (Machine Learning)
- Modèles de durées et analyse de survie
- Systèmes d'information décisionnels et entrepôts de données
- Consultance et projets tuteurés
1 Unité d'enseignement (UE) à choisir :
- Optimisation statistique et Business Intelligence
- Bases de données
Unité de Culture Générale :
- Anglais,
- Communication
Semestre 3 - M2 :
5 Unités d'enseignement (UE) à choisir :
- Modélisation de données complexes
- Machines à vecteurs supports (SVM) et méthodes à noyaux
- Statistique en Assurance/Marketing analytique
- Extraction des connaissances à partir de données (deep learning et intelligence artificielle)
- Conférences et mini-cours
- Statistiques spatiales et systèmes d'Information Géographique (SIG)
Semestre 4 - M2 :
1 Unité d'enseignement obligatoire :
- Stage de 20 semaines minimum en entreprise ou en laboratoire de recherche
5 Unités d'enseignement obligatoires (UEO) :
- Modèles linéaires généralisés (estimations et prédictions)
- Séries chronologiques et prévisions
- Systèmes d'information opérationnels : bases de données
- Programmation et traitement statistique des données (R, Python, SAS)
- Statistique Bayésienne et MCMC
Unité de Culture Générale :
- Anglais
- Fonctions de l'entreprise
Semestre 2 - M1:
4 Unités d'enseignement obligatoires (UEO) :
- Fouille de données (data mining) et apprentissage statistique (Machine Learning)
- Modèles de durées et analyse de survie
- Systèmes d'information décisionnels et entrepôts de données
- Consultance et projets tuteurés
1 Unité d'enseignement (UE) à choisir :
- Optimisation statistique et Business Intelligence
- Bases de données
Unité de Culture Générale :
- Anglais,
- Communication
Semestre 3 - M2 :
5 Unités d'enseignement (UE) à choisir :
- Modélisation de données complexes
- Machines à vecteurs supports (SVM) et méthodes à noyaux
- Statistique en Assurance/Marketing analytique
- Extraction des connaissances à partir de données (deep learning et intelligence artificielle)
- Conférences et mini-cours
- Statistiques spatiales et systèmes d'Information Géographique (SIG)
Semestre 4 - M2 :
1 Unité d'enseignement obligatoire :
- Stage de 20 semaines minimum en entreprise ou en laboratoire de recherche
Master mention mathématiques appliquées, statistique
Métier(s) possible(s)