Conditions d’accès
Objectifs de la formation
Profils et compétences visés
Débouchés professionnels
Le monde de l’informatique étant en évolution constante, la présente offre de formation en Science des Données vise les principaux objectifs suivants :
- Former des ingénieurs possédant des compétences solides en science des données, leur permettant de maîtriser l’ensemble du processus de gestion des données, depuis la collecte et le nettoyage des données jusqu’à l’analyse, la visualisation et l’interprétation des résultats pour une prise de décision éclairée.
- À travers cette formation, les étudiants acquerront des connaissances approfondies en apprentissage automatique, en intelligence artificielle, en statistique, en analyse de grandes quantités de données (Big Data), ainsi qu’en techniques de traitement et de stockage de données. Ils seront également formés à l’utilisation des outils et des langages de programmation couramment utilisés dans le domaine de la science des données (Python, R, SQL, etc.).
- Former des compétences permettant de développer et de déployer des modèles de données avancés pour résoudre des problèmes complexes dans divers secteurs, tels que la finance, la santé, le marketing, et bien d’autres. Les ingénieurs en science des données seront également capables de concevoir des systèmes de recommandation, de prévision et d’optimisation pour aider les entreprises à améliorer leurs performances et à innover.
- Des notions académiques approfondies seront enseignées aux étudiants, leur permettant également de poursuivre des études de post-graduation en science des données, en intelligence artificielle ou dans des domaines connexes. Ils seront ainsi préparés à contribuer de manière significative à la recherche et au développement dans le domaine de la science des données.
Les compétences visées à l’issue de cette formation sont :
- Maîtriser l’analyse et la gestion de données massives et variées (Big Data).
- Savoir appliquer des techniques de modélisation et d’apprentissage automatique pour extraire des connaissances à partir des données.
- Maîtriser les outils et les environnements technologiques actuels (Hadoop, Spark, NoSQL, ).
- Savoir gérer des projets de science des données, de la collecte et la préparation des données à l’interprétation des résultats et la mise en œuvre des solutions.
- Maîtriser les techniques de visualisation des données pour communiquer efficacement les résultats aux décideurs.
- Savoir intégrer et utiliser des infrastructures de données en cloud pour des analyses à grande échelle.
- Comprendre les aspects éthiques et légaux liés à l’utilisation des données.
- Être capable de répondre aux besoins des entreprises et des décideurs en proposant des solutions basées sur les données pour améliorer la prise de décision.
- Maîtriser les nouvelles technologies et leur impact sur l’analyse des données et le système d’information de l’entreprise.
- Être capable de travailler en collaboration dans le cadre de projets de science des données, en utilisant des méthodologies agiles et des techniques de gestion de projet.
Les retombées de cette formation concernent aussi bien le contexte régional que le contexte national au vu des besoins immenses en matière de compétences dans le domaine de la science des données (à tous les niveaux) pour le secteur économique public et privé. Les débouchés en matière d’employabilité concernent les profils suivants :
- Data Scientist,
- Data Analyst,
- Data Engineer,
- Business Intelligence Analyst,
- Analyste Big Data,
- Ingénieur en apprentissage automatique,
Programme de la formation Ingénieur d’état en Informatique
Spécialité : Sciences de Données
Télécharger : Le Canevas
3eme Année
Semestre 5
Unité d’Enseignement |
VHS | V.H hebdomadaire |
Coeff. |
Crédits |
Mode d’enseignement | Mode d’évaluation | |||||
14-16 sem |
C | TD | TP | Autres | A distance | En présentiel | Continu | Examen | |||
UE Fondamentales | |||||||||||
UEF51 (O/P) | 4h30 | 1h30 | 4h30 | 9 | 13 | ||||||
UEF511 : Compilation | 63H | 1h30 | 1h30 | 1h30 | 3 | 5 | X | 40 | 60 | ||
UEF512 : Réseaux Avancés | 42H | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | |||
UEF513 : Programmation Avancée | 42H | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | |||
UEFondamentales | |||||||||||
UEF52 (O/P) | 3h00 | 3h00 | 3h00 | 6 | 9 | ||||||
UEF521 : Les fondements de l’Intelligence Artificielle |
63H | 1h30 | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | ||
UEF522 : Analyse des données | 63H | 1h30 | 1h30 | 1h30 | 3 | 5 | X | 40 | 60 | ||
UE Méthodologie | |||||||||||
UEM53(O/P) | 3h00 | 1h30 | 1h30 | 4 | 6 | ||||||
UEM531 : Fondement des sciences des données |
42H | 1h30 | 1h30 | 2 | 3 | X | 40 | 60 | |||
UEM532 : Génie Logiciel | 42H | 1h30 | 1h30 | 2 | 3 | X | 40 | 60 | |||
UE Transversale | |||||||||||
UET54(O/P) | 1h30 | 1 | 2 | ||||||||
UET541 : Management de l’innovation |
21H | 1h30 | 1 | 2 | X | 100 | |||||
Total Semestre 5 | 298H | 12h00 | 6h00 | 9h00 | 20 | 30 |
Semestre 6
Unité d’Enseignement |
VHS |
V.H hebdomadaire |
Coeff. |
Crédits |
Mode d’enseignement |
Mode d’évaluation |
|||||
14-16 sem |
C |
TD |
TP |
Autres |
A distance |
En présentiel |
Continu |
Examen |
|||
UE Fondamentales |
|
|
|
|
|
|
|
||||
UEF61 (O/P) |
|
4h30 |
1h30 |
6h00 |
|
9 |
14 |
|
|
|
RTF- |
UEF611 : Bases de données avancées |
63H |
1h30 |
1h30 |
1h30 |
|
3 |
5 |
|
X |
40 |
60 |
UEF612 : Programmation Web Avancée |
63H |
1h30 |
|
3h00 |
|
3 |
5 |
|
X |
40 |
60 |
UEF613 : Sécurité des données |
42H |
1h30 |
|
1h30 |
|
3 |
4 |
|
X |
40 |
60 |
UEFondamentales |
|
|
|
|
|
|
|
|
|
|
|
UEF62 (O/P) |
|
4h30 |
1h30 |
4h30 |
|
7 |
10 |
|
|
|
|
UEF621 : Machine Learning 1 |
84H |
3h00 |
|
3h00 |
|
4 |
5 |
|
X |
40 |
60 |
UEF622 : Analyse de données avancée |
63H |
1h30 |
1h30 |
1h30 |
|
3 |
5 |
|
X |
40 |
60 |
UE Méthodologie |
|
|
|
|
|
|
|
|
|
|
|
UEM63(O/P) |
|
1h30 |
1h30 |
1h30 |
|
3 |
4 |
|
|
|
|
UEM631 : Méthodes Numériques |
63H |
1h30 |
1h30 |
1h30 |
|
3 |
4 |
|
X |
40 |
60 |
UE Transversale |
|
|
|
|
|
|
|
|
|
|
|
UET64 (O/P) |
|
1h30 |
|
|
|
1 |
2 |
|
|
|
|
UET641 : Cyber sécurité |
21H |
1h30 |
|
|
|
1 |
2 |
|
X |
|
100 |
Total Semestre 6 |
399H |
12h00 |
4h30 |
12h00 |
|
20 |
30 |
|
|
|
|
4eme Année
Semestre 7
Unité d’Enseignement |
VHS |
V.H hebdomadaire |
Coeff. |
Crédits |
Mode d’enseignement |
Mode d’évaluation |
|||||
14-16 sem |
C |
TD |
TP |
Autres |
A distance |
En présentiel |
Continu |
Examen |
|||
UE Fondamentales |
|
|
|
|
|
|
|
||||
UEF71 (O/P) |
|
3h00 |
3h00 |
3h00 |
|
8 |
12 |
|
|
|
|
UEF711 : Statistique en Science des données |
63H |
1h30 |
1h30 |
1h30 |
|
4 |
6 |
|
X |
40 |
60 |
UEF712 : Programmation linéaire et Optimisation |
63H |
1h30 |
1h30 |
1h30 |
|
4 |
6 |
|
X |
40 |
60 |
UEFondamentales |
|
|
|
|
|
|
|
|
|
|
|
UEF72 (O/P) |
|
4h30 |
|
4h30 |
|
7 |
10 |
|
|
|
|
UEF721 : Machine Learning 2 |
84H |
3h |
|
3h |
|
4 |
6 |
|
X |
40 |
60 |
UEF722 : Visualisation des données |
42H |
1h30 |
|
1h30 |
|
3 |
4 |
|
X |
40 |
60 |
UE Méthodologie |
|
|
|
|
|
|
|
|
|
|
|
UEM7(O/P) |
|
3h |
|
3h |
|
4 |
6 |
|
|
|
|
UEM731 : Gestion de projet en Science des données. |
42H |
1h30 |
|
1h30 |
|
2 |
3 |
|
X |
40 |
60 |
UEM732 : DEVOPS |
42H |
1h30 |
|
1h30 |
|
2 |
3 |
|
X |
40 |
60 |
UE Transversale |
|
|
|
|
|
|
|
|
|
|
|
UET74(O/P) |
|
1h30 |
|
|
|
1 |
2 |
|
X |
40 |
60 |
UET741 : Ethique et Déontologie |
21H |
1h30 |
|
|
|
1 |
2 |
|
|
|
100 |
Total Semestre 7 |
347H |
12h00 |
3h00 |
12h00 |
|
20 |
30 |
|
|
|
|
Semestre 8
Unité d’Enseignement |
VHS |
V.H hebdomadaire |
Coeff. |
Crédits |
Mode d’enseignement |
Mode d’évaluation |
|||||
14-16 sem |
C |
TD |
TP |
Autres |
A Distance |
En présentiel |
Continu |
Examen |
|||
UE fondamentales |
|
|
|
|
|
|
|
||||
UEF81(O/P) |
|
3h00 |
3h00 |
3h00 |
|
6 |
9 |
|
|
|
|
UEF811 Gestion de l’Incertain |
63h |
1h30 |
1h30 |
1h30 |
|
3 |
4 |
|
X |
40 |
60 |
UEF812 Techniques de Prédiction |
63h |
1h30 |
1h30 |
1h30 |
|
3 |
5 |
|
X |
40 |
60 |
UEF82(O/P) |
|
4h30 |
|
3h00 |
|
6 |
9 |
|
|
|
|
UEF821 Deep Learning |
63h |
3h00 |
|
1h30 |
|
3 |
5 |
|
X |
40 |
60 |
UEF822 Intelligence Artificielle Générative |
42h |
1h30 |
|
1h30 |
|
3 |
4 |
|
X |
40 |
60 |
UE méthodologie |
|
|
|
|
|
|
|
||||
UEM83(O/P) |
|
3h00 |
|
6h00 |
|
7 |
10 |
|
|
|
|
UEM831 Traitement Automatique du Langage Naturel |
42h |
1h30 |
|
1h30 |
|
2 |
3 |
|
X |
40 |
60 |
UEM832 Traitement d’Images Numériques |
42h |
1h30 |
|
1h30 |
|
2 |
3 |
|
X |
40 |
60 |
UEM833 Projet Pluridisciplinaire |
|
|
|
3h |
|
3 |
4 |
|
|
100% Soutenance |
|
UE transversales |
|
|
|
|
|
|
|
||||
UET84(O/P) |
|
1h30 |
|
1h30 |
|
1 |
2 |
|
|
|
|
UET841 Blockchain |
21h |
1h30 |
|
1h30 |
|
1 |
2 |
|
X |
|
100 |
Total Semestre 8 |
336h |
10h30 |
4h30 |
13h30 |
|
20 |
30 |
|
|
|
|
5eme Année
Semestre 9
Unité d’Enseignement |
VHS | V.H hebdomadaire |
Coeff. |
Crédits |
Mode d’enseignement |
Mode d’évaluation |
|||||
14-16 sem |
C | TD | TP | Autres |
A distance |
En présentiel |
Continu |
Examen | |||
UE Fondamentales | |||||||||||
UEF91 (O/P) | 3h | 3h | 6 | 10 | |||||||
UEF911 : Système d’Aide à la Décision |
42h | 1h30 | 1h30 | 3 | 5 | X | 40 | 60 | |||
UEF912 : Big Data | 42h | 1h30 | 1h30 | 3 | 5 | X | 40 | 60 | |||
UEFondamentales | |||||||||||
UEF92 (O/P) | 3h | 3h | 6 | 8 | |||||||
UEF921 : Calcul Intensif | 42h | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | |||
UEF922 : Optimisation avancée et Méta heuristiques |
42h | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | |||
UE Méthodologie | |||||||||||
UEM93(O/P) | 3h | 3h | 7 | 10 | |||||||
UEM931 : Cloud Computing | 42h | 1h30 | 1h30 | 2 | 3 | X | 40 | 60 | |||
UEM932 : Applications Avancées des Sciences de données |
42h | 1h30 | 1h30 | 3 | 4 | X | 40 | 60 | |||
UEM933 : Systèmes de Recommandation |
42h | 1h30 | 1h30 | 2 | 3 | X | 40 | 60 | |||
UE Transversale | |||||||||||
UET94(O/P) | 1h30 | 1 | 2 | ||||||||
UET941 : Rédaction Scientifique | 21h | 1h30 | 1 | 2 | X | 100 | |||||
Total Semestre 9 | 273h | 10h30 | 09h00 | 20 | 30 |
Semestre 10
Domaine : Mathématiques/ informatique
Filière : Informatique
Spécialité : Sciences des données
Sujet de recherche ou Stage en entreprise sanctionné par un mémoire et une soutenance. L’attribution des sujets doit se faire au début de l’année (Octobre)
|
VHS |
Coeff |
Crédits |
Travail Personnel |
140 |
/ |
/ |
Stage e entreprise |
280 |
/ |
/ |
Séminaires |
/ |
/ |
/ |
Autre (préciser) |
/ |
/ |
/ |
Total Semestre 10 |
420 |
20 |
30 |