M2 Mathématiques et applications -Parcours Statistique et Data Science

  • Niveau d'études visé

    BAC +5
  • Composante(s)

Présentation

Le parcours Statistique et Data Science du M2 Modélisation aléatoire propose une formation d'excellence en méthodes statistiques et science des données.

Niveau d'études viséBAC +5

Niveau d'entréeBac+4

Régime d'étude

  • Formation continue
  • Formation initiale

Public(s) cible(s)

  • Étudiant

Formation à distanceNon

StageObligatoire (6 mois (3 mois minimum))

Stage à l'étrangerOptionnel (6 mois (3 mois minimum))

  • Validation des Acquis de l'Expérience : Oui
  • Capacité d'accueil

    20

    Sites web

    Organisation

    • Organisation de la formation

      Pour valider le parcours Statistiques et Data Science, l’étudiant doit obtenir 60 Crédits ECTS :

      UE 1 Cours fondamentaux (18 ECTS) 

      • Datamining: théorie et pratique (6 ECTS)

      plus 2 cours au choix parmi :

      • Calcul stochastique et modèles de diffusion (6 ECTS)
      • Chaînes de Markov (6 ECTS)
      • Modélisation de données: base théorique (6ECTS)

      UE 2 Cours spécialisés (24 ECTS) au choix parmi les cours de finance, statistique, data science et informatique

      UE3 Stage (18 ECTS)

      Stages

      • Soit un stage d’initiation à la recherche effectué dans un des laboratoires universitaires sur lesquels s’appuie le master ou par un stage dans un laboratoire de recherche (INRA, INRIA, ONERA,…).
      • Soit un stage professionnalisant d’au moins 3 mois dans une entreprise éventuellement à l’étranger, sous la direction conjointe d’un tuteur responsable dans l’entreprise et d’un enseignant référent universitaire et un projet informatique.

      Admission

      Conditions d'admission

      Le Master 2ème année est accessible aux étudiants titulaires d'une maîtrise ou d’un Master 1ère année à dominante mathématique, d'un diplôme étranger équivalent, d'un titre d'ingénieur de certaines grandes écoles et aux élèves inscrits en dernière année de ces écoles.

      La sélection se fait sur dossier.

      Pré-requis

      Un solide niveau en probabilités et statistique est requis.

      Et après ?

      Poursuite d'études

      Thèse CIFRE (dans une entreprise) ou thèse académique (laboratoire de recherche)

      Insertion professionnelle

      La spécialisation dans le domaine « data science » ouvre la voie à des débouchés académiques et industriels comme le traitement des données massives, l'analyse d'images, l'imagerie médicale, l'analyse et l'intégration de données multimédia, les systèmes de communication, le développement logiciel, les études statistiques et les développements informatiques pour le data mining. Nous avons des demandes de stages dans des grandes entreprises ou organismes de recherches tels que l'INRA, EDF, l'ONERA, l'INSERM.

       

      Types d’emplois accessibles :

      - Analyste statistique

      - Chargé d’études prévisionniste, tarifaire et/ou risque

      - Chargé d’études économiques ou statistiques

      - Chargé de systèmes de communication, de développement logiciel ou développement informatique pour le data-mining

      Contact(s)

      Composante(s)

      Lieu(x) de la formation

      • Université Paris Diderot
      • Xuan-Huyen Pham

        Tél : 0157279106

        Email : huyen.pham @ univ-paris-diderot.fr

      Contact(s) administratif(s)

      • Virginie Kuntzmann

        Secrétariat pédagogique M2

        UFR de Mathématiques - Bâtiment S. Germain - Bureau 50558 rue Aurélie Nemours - Case 701275205 Paris cedex 13 ParisTél : 0157279306

        Email : virginie.kuntzmann @ univ-paris-diderot.fr

      Nous contacter

      5 Rue Thomas Mann
      75013 Paris
      Standard : 01 57 27 57 27

      Plan du site