Le lien entre Big Data et Machine Learning est double puisque le Big Data sert au Machine Learning et que le Machine Learning permet d’exploiter au mieux le Big Data.
Le Machine Learning a besoin d’ensembles de données volumineux pour développer son intelligence, sa précision et sa fiabilité et ainsi être performant dans son domaine d’application.
La capacité et la vitesse de traitement des algorithmes de Machine Learning permettent un apprentissage rapide. Cependant, pour s’assurer une fiabilité de l’algorithme de l’application, il faut auparavant être en capacité d’assurer la fiabilité et la qualité des données soumises à l’ordinateur durant la phase d’apprentissage.
Objectifs
Le mastère professionnel en Big Data et Machine Learning a pour objectif de :
- Former des analystes de données
- Former des experts en sciences de données
- Former des experts en conception, implémentation et optimisation des systèmes complexes pour le Big Data
- Former des experts dans les technologies relatives au Big Data, Fouille de données et Machine Learning.
Perspectives
Perspectives professionnelles du parcours :
Les titulaires de ce mastère peuvent occuper des postes dans une entreprise industrielle ou informatique.
- Analystes de données (ou data scientists) ;
- Architectes de systèmes d’information Big Data ;
- Experts en visualisation des données ;
- Experts en recherche et développement en fouille de données et extraction des connaissances ;
- Directeurs de projets en informatique ;
- Consultants dans des secteurs de pointe en technologies dans divers domaines tels que l’informatique, les télécommunications, l’énergie, les banques et assurances, l’automobile, …
Perspectives académiques du parcours :
Les étudiants qui réussissent le M2 peuvent suivre un cursus spécifique de recherche en médecine de précision avec les laboratoires de recherche en partenariat avec GDAAA et l’éminent Dr Moez Ben Ali cancérologue, expert en médecine de précision, de recherche clinique et développement des médicaments anti-cancéreux.
Déroulement des enseignements
Semestre 1
- Complexité Algorithmique ;
- Atelier Statistiques avec R ;
- Introduction au Big Data ;
- Calcul parallèle et distribué ;
- Base de Données NoSQL ;
- Systèmes de Gestion de Bases de Données PL_SQL ;
- Anglais 1 ;
- Technique de Communication 1 ;
- Culture d’entreprise ;
- Programmation Orientée Objet ;
- Traitement analytique des Bases de Données (SAS) ;
- Probabilité et statistiques.
Semestre 2 :
- Machine Learning 1 ;
- Fouille de Données ;
- Atelier Fouille de Données et Machine Learning ;
- Traitement du Big Data Avancé ;
- Modélisation des systèmes pour les pour les données massives ;
- Systèmes Répartis pour le Big Data ;
- Systèmes d’Information Décisionnels ;
- Anglais 2 ;
- Techniques de Communication 2 ;
- Création d’Entreprises ;
- Visualisation des Données Massives ;
- Processus Agile Unifié de Développement :
- Intelligence Artificielle.
Semestre 3 :
- Machine Learning 2 ;
- Fouille de Données Massives ;
- Projet Fédérateur Machine Learning ;
- Traitement Automatique du Langage Naturel ;
- Environnement Cloud pour le Big Data ;
- Frameworks Big Data ;
- Analyse et Programmation avec Python ;
- Anglais 3 ;
- Gestion des Entreprises ;
- Droit et Ethique Informatique ;
- Architecture Orientée Service ;
- Internet Of Things (IoT) ;
- Ecosystème pour le Big Data.
Semestre 4 :
- Projet de Fin d’Etude.
Conditions d'admission
- Niveau M1 : Les étudiants titulaires de licences fondamentales ou appliquées en Sciences et Techniques; en Mathématiques ; et en Informatique ;
- Niveau M2 : Les étudiants de L’Ecole Supérieure Privée de Technologie et de Management ayant validé le S1 et S2 du M1 en « Big Data et Machine Learning ». Les étudiants ayant validé le M1 d’un mastère équivalent peuvent accéder au M2 après l’étude du dossier par la commission d’admission.
