Statistics for Smart Data
⚠️ Attention : cette formation ne semble actuellement plus dispensée ⚠️
Le Master in Statistics for Smart Data de l’ENSAI est un programme unique et innovant, entièrement dispensé en anglais. Il allie notions avancées en Statistiques, Mathématiques appliquées et Informatique. Plusieurs unités/matières sont spécifiques à ce programme et sont applicables au domaine de l’Intelligence Artificielle.
A l’issue de cette année de formation, les étudiants diplômés peuvent prétendre à une carrière de Data Scientist hautement qualifié dans de nombreux secteurs d’activités. Ce diplôme est également un sésame pour poursuivre en doctorat et faire carrière dans le domaine de la recherche.
Ce Diplôme National de Master (DNM) est accrédité par le Ministère Français de l’Enseignement Supérieur, de la Recherche et de l’Innovation en partenariat avec l’Université de Rennes l, l’Université Rennes 2, Agrocampus Ouest et INSA Rennes.
Le programme du Master in Statistics for Smart Data est scindé en 2 semestres : des cours à temps complet à l’ENSAI du mois de septembre à février pour le premier et un stage de 4 à 6 mois du mois de mars à août en France ou à l’étranger dans le monde professionnel ou des laboratoires universitaires / de recherche pour le second. Les soutenances de stage et la cérémonie de remise des diplômes ont lieu en septembre N + 1.
Avant de débuter le programme, les étudiants ont la possibilité de suivre des cours de remise à niveau en informatique, statistique et mathématiques. Au cours du semestre, ils acquièrent des méthodologies, des compétences pratiques et les concepts fondamentaux de la gestion de données. Ils apprennent à utiliser les outils nécessaires pour évaluer, traiter et analyser des quantités massives de données hétérogènes. Les étudiants développent la maîtrise des modèles mathématiques et des algorithmes leur permettant d’extraire les données importantes, de les analyser, de les comprendre et de créer de la valeur ajoutée. Le programme de l’ENSAI leur permet de devenir des spécialistes de la data science/science des données et de l’IA et de travailler dans différents secteurs tels que le commerce, l’industrie, les marchés financiers, les assurances, la santé, l’énergie et les administrations publiques.
De nombreuses opportunités de carrière s’offrent aux étudiants diplômés du Master in Statistics for Smart Data. Les compétences de ces Data Scientists qualifiés sont autant prisées par des sociétés internationales que par des start-up et dans de nombreux domaines tels que :
- Intelligence Artificielle
- Analyse Commerciale
- Internet des Objets
- Médecine Personnalisée
- Optimisation des Réseaux Intelligents
- Société Intelligente/Connectée
- Analyse des Réseaux Sociaux
- Optimisation de la Chaîne d’Approvisionnement/ Optimisation Logistique
Les diplômés peuvent également poursuivre en doctorat et faire carrière dans le domaine de la recherche ou dans le monde universitaire. L’ENSAI propose un doctorat en mathématiques appliquées (statistiques et domaines connexes). Les doctorants de l’ENSAI sont inscrits à l’École doctorale MathSTIC qui est gérée conjointement par plusieurs établissements régionaux d’enseignement supérieur, notamment l’Université de Rennes 1, l’Université Rennes 2, INSA Rennes, l’Institut Mines-Telecom Atlantique et l’École Normale Supérieure de Rennes. L’ENSAI propose également des programmes de doctorat conjoints en économie et informatique en collaboration avec des établissements partenaires de Rennes, Paris Saclay ou d’établissements étrangers.
Les doctorants de l’ENSAI profitent de l’environnement de recherche interdisciplinaire dynamique du laboratoire de recherche CREST et de son équipe. Le laboratoire CREST se caractérise par un fort attachement aux méthodes quantitatives, aux données, à la modélisation mathématique, ainsi qu’au mouvement continu entre les modèles théoriques et les preuves empiriques permettant d’analyser des problèmes scientifiques, économiques et sociaux concrets.
Detailed program can be checked here.
BEFORE SEMESTER 1
Before the main courses start, some preliminary modules are organised. The list of these courses could change from one year to another. There is no ECTS credit associated with these preliminary modules. The preliminary courses only allow students to complete the prerequisites for the MSc. Depending on their background, students will be asked to take some or all of these courses.Tentative list of preliminary courses:
- Statistical languages: R, Python (18h)
- Multivariate Data Exploration (12h)
- Markov Chains (12h)
- Simulation Based Inference (9h)
- Topics in Bayesian Inference (9h)
- Basics on Shiny (3h)
SEMESTER 1
Innhomogeneous Markov Models & Applications
Graphical Models & Dynamic Networks
Dynamic Data Visualization
Machine Learning: Features Selection & Regularization Methods
Deep Learning
Parallel Computing with R and Python
Foundations of Smart Sensing
Advanced Topics in Smart Sensing
High-dimensional Time Series
Functional Data Analysis
IT Tools 1: GNU Linux & Shell Scripting, Hadoop & Cloud Computing
IT Tools 2: NoSQL, Big Data Processing with Spark
Energy Transitions: Quantitative Aspects
Smart Data Project
Topics & Case Studies in Data Science (conferences)
French Summer Program
Courses for Non-French Speakers: Written and/or OralFrench Language Courses
SEMESTER 2
End-of-Studies Internship