Objectifs de la formation

 

Les objectifs pédagogiques de cette formation sont de former des apprentis capables de :

  1. Faire progresser l’état des connaissances et des pratiques en matière d’apprentissage machine grâce à des contributions innovantes.
  2. Intégrer et d’appliquer des principes issus de statistiques, de l’optimisation, de l’informatique et de l’ingénierie pour innover, et créer des modèles d’apprentissage machine et les appliquer pour résoudre d’importants problèmes du monde réel qui nécessitent le traitement intensif de données.
  3. Participer à des équipes multidisciplinaires en étant capables de communiquer des idées complexes dans leur domaine d’expertise à des personnes d’autres domaines, être capables de comprendre des idées et des concepts complexes d’autres disciplines et être capables d’incorporer ces concepts dans leur propre travail.

Programme de la formation

Enseignements fondamentaux

  • Optimization for Data Science
  • Machine Learning
  • Introduction to Graphical Models
  • Deep Learning I
  • Online learning
  • Hidden Markov Chain Models and sequential Monte Carlo methods

150h

Enseignements d’approfondissement

  • Deep Learning II
  • Bootstrap and resampling methods in machine learning
  • Partially observed Markov chains in signal and image
  • Graphical models for large scale content access
  • Missing Data and causality
  • Kernel Techniques with Information Theoretical Applications
  • Audio and music information retrieval
  • Structured Data : learning and prediction
  • Operational research and massive data
  • Systems for Big Data Analytics
  • Multi-object estimation and filtering
  • Stochastic approximation and reinforcement learning

210h

Compétences informatiques et cas pratiques

  • Software development
  • Big Data Frameworks
  • Data camp
  • Project Big Data & Assurance

80h

Méthodologies et vie de l’entreprise

  • Seminar: soft skills at workplace
  • Report writing and Presentation workshop

40h

Projet professionnel

  • Projet réalisé en entreprise
  • Séances de suivi des projets
  • Soutenances

40h

Rythme de l’alternance

 

1 an. Volume horaire à l’Université : 440 heures.

Alternance – en septembre/octobre : 1ere semaine en entreprise et le reste de la periode en formation ; puis de mi-novembre à mi-avril : 7 semaines en entreprise/2 semaines en formation puis une période de temps plein en entreprise.plein en entreprise d’avril à septembre.

Investissez dans vos futurs talents

Coût de formation finançable par les OPCO.
Pour plus d’informations : www.cfa-union.org

Type de contrats

  • Contrat d’apprentissage
  • Contrat de professionnalisation

Admission

 

Sont invités à candidater les étudiant(e)s disposant d’un M1 ou équivalent validé dans les domaines des mathématiques appliquées, des statistiques et du machine learning.

La formation est accessible par une sélection sur dossier par un jury composé d’enseignants du cursus. Un des points clés est l’adéquation d’un projet d’apprentissage au projet professionnel du candidat. Lorsque cette étape est franchie, le candidat rencontre le maître de stage pour valider son intervention dans l’entreprise. Ce n’est qu’à l’issue de cette double validation académique et professionnelle que le cursus peut s’engager. L’admission est déclarée (sous réserve d’avoir un contrat d’apprentissage) courant septembre de l’année en cours.

Les dossiers des candidats ayant valide un M1 dans un autre domaine disciplinaire pourront éventuellement être évalués en fonction de la pertinence de leur projet d’apprentissage

Procédure pour candidater

Candidature via le portail de candidatures : https://

 

Métiers visés

 

Les apprentis diplômés occuperont les emplois suivants :

  • Les métiers en entreprise associés au traitement des données : datascientist, data engineer, machine learning engineer, R&D, stratégie, marketing, gestion de projet. Ces emplois sont présents dans les grandes entreprises comme dans les start-up.
  • Les métiers du conseil, dans les grands cabinets comme dans des petites structures spécialisées dans l’innovation.
  • Les métiers dans les différentes agences et institutions publiques qui nécessitent le traitement intensif de données.
  • Des carrières universitaires de recherche sur les disciplines des data sciences associées.

 

Entreprises partenaires

 

L’institut Polytechnique de Paris peut s’appuyer, pour cette formation, sur un solide réseau de partenaires industriels, tels que AIRBUS, SANOFI, TOTAL…

 

Contacts filière

 

Informations sur le master
Karim LOUNICI, Professeur à l’école Polytechnique, e-mail

Contacts CFA UNION
Pour toute information concernant l’apprentissage et les conditions du contrat : www.cfa-union.org