Descriptif
Responsables de la filière : Thomas Bonald et Ekhine Irurozki
Responsable mobilité internationale : Maria Boritchev
Coordination des stages : Olivier Fercoq
La filière est enseignée en anglais.
La filière Data Science & Artificial Intelligence couvre l'ensemble des domaines liés à l'exploitation, la gestion et l'analyse de grands volumes de données.
La filière repose sur un bon équilibre entre théorie et pratique. Vous développerez vos connaissances en bases de données, statistiques, optimisation, apprentissage, fouille de textes et de graphes. Vous mettrez ces connaissances en application sur un projet.
Les débouchés naturels couvrent les métiers de l'analyse des données, de l'administration des bases de données et des centres de calcul, ainsi que les métiers de la R&D ou du conseil.
| P1 | P2 | P3 | P4 | |
|
C1 |
APM_4AI08_TP Statistics : Linear models |
APM_4AI10_TP Machine learning |
APM_4AI09_TP Advanced Statistics ----- or ----- APM_4AI12_TP Machine Learning for Text Mining |
PRJ_4SD06_TP Project DSAI |
|
C2 |
CSC_4SD02_TP Data Bases |
APM_4AI11_TP Optimization for Machine Learning |
CSC_4AI07_TP Introduction to deep learning |
CSC_4SD04_TP Learning on graphs |
Cours requis en créneau D
- APM_0EL02_TP : Statistiques en P1
Options de 3e année
| Option interne |
Faire une option interne à l'école :
|
| Master M2 | Master M2
|
| Formation à l’étranger |
Suivre une formation équivalente à l'étranger (contacter le responsable mobilité internationale) |
Diplômes concernés
Pré-requis
UE créneaux D partagés pour la filière : Statistiques (MDI220) au P1Modalités d'acquisition
La filière est validée si la moyenne des notes finales est ≥ 10 et si vous obtenez au minimum 15 crédits ECTS.
Composition du parcours
-
APM_4AI08_TP CSC_4SD02_TP APM_4AI10_TP APM_4AI11_TP APM_4AI09_TP APM_4AI12_TP CSC_4AI07_TP CSC_4SD04_TP PRJ_4SD06_TP