Site icon Master MoSEF Data Science

Programme

Modalités pédagogiques

L’équipe enseignante utilise diverses méthodes et pratiques d’enseignement : le cours, les travaux dirigés, l’étude de cas, le projet, le mémoire, la présentation orale, la préparation aux entretiens…

Le master est constitué de 4 semestres de cours, dont 1 stage en fin de M1 et une alternance tout au long de l’année de M2 avec rendu de mémoire.

Enseignements

MASTER 1 : Econométrie STATISTIQUES
SEMESTRE 1Volume HoraireECTS
Gestion de Bases de Données240
Econométrie Avancée des Modèles Linéaires546
Analyses des Données et Introduction au Machine Learning546
Langage de Programmation Python242
Econométrie Appliquée des Modèles Linéaires486
Econométrie Appliquée des Modèles de Santé244
Anglais182
1 option parmi : 544
- OpenMacroeconomics
- Microéconomie
- Financial Market
TOTAL SEMESTRE 130030
SEMESTRE 2Volume HoraireECTS
Econométrie des Modèles Qualitatifs546
Econométrie Financière546
Langage de Programmation Python : Introduction au Machine Learning242
Econométrie Appliquée des Series Temporelles486
Anglais182
1 option parmi : 544
- Produits Dérivés et Gestion des Risques
- Development macroeconomics
Stage ou Mémoire04
TOTAL SEMESTRE 225230
MASTER 2 : MODELISATIONS STATISTIQUES ECONOMIQUES ET FINANCIERES
SEMESTRE 3Volume HoraireECTS
SAS180
Langage de programmation Python150
Modèles de prévision économique100
Système d'exploitation 1 : SQL60
CRM analytics183
Finance quantitative303
Modélisation risque de Crédit183
Données 1 : Gestion de bases de données multidimensionnelles (OLAP, No SQL) et Architecture243
Programmation avancée et Certifications333
Système d'exploitation 2: Linux213
Données 2 : Data Mining & Scoring424
Données 3 : Visualisation des données152
Machine Learning et Projet machine learning403
Certifications Professionnelles, Cloud & SAS Data Science 183
TOTAL SEMESTRE 330830
SEMESTRE 4Volume HoraireECTS
Ethique des données60
Interventions de data scientists140
Master Class Employabilité et Carrières60
Données 4 : Systèmes répartis (Hadoop, spark, …)284
Machine Learning avancé (NLP, Autoencodeur, …)243
Deep Learning183
Traitement des données avancées avec Spark Scala242
Séries temporelles182
Econométrie financière182
Modèles de prévision et Deep learning182
Chatbot, Projet entreprise & Challenge (suivi)332
Insertion professionnelle/stage/mémoire010
TOTAL SEMESTRE 420730
Calendrier M2 UNIVERSITE/ENTREPRISE

projets tutorés, STAGES ET ALTERNANCE

Les étudiants travaillent en groupe sur des sujets appliqués dans plusieurs cours. Les objectifs de ces projets sont de :

MODALITES D’EVALUATION

Aller à la barre d’outils