Master 2 Traitement de l'Information et Exploitation des Données
| Année d’étude | Master 2 |
| Programme | Traitement de l'Information et Exploitation des Données (TRIED) |
| Crédits ECTS | 60 |
| Langue | Français |
| Orientation | professionnel et recherche |
| Lieu | campus de Palaiseau |
| Durée de la formation | 12 mois à temps complet |
| Début des cours | septembre |
| Diplôme délivré | Master |
POURQUOI INTÉGRER CE PROGRAMME ?
Atout n° 1
Se préparer à un métier d’avenir aussi bien en recherche académique que dans l’industrie
Atout n°2
Maîtriser les connaissances théoriques tout acquérant de la pratique à travers des projets et un stage
Atout n°3
Suivre une formation pluridisciplinaire menant à l’acquisition de compétences transverses
Le Master 2 en Traitement de l'Information et Exploitation des Données (TRIED) forme des scientifiques des données (data scientists) qui sont des experts en analyse, traitement et modélisation des données. Ils maîtrisent les concepts et les technologies de l’intelligence artificielle. La formation est pluridisciplinaire, à la frontière entre les mathématiques appliquées, l’informatique et la physique. Le Master accueille donc des étudiants d’horizons divers (Physique, Mathématiques, Sciences pour l’Ingénieur, Environnement). Le programme est composé d’un tronc commun important et les modules optionnels permettent aux étudiants de choisir différents parcours ainsi qu’un stage. L’objectif est d’acquérir les compétences nécessaires au développement d’algorithmes d’apprentissage automatique (Machine Learning) pour des modélisations statistiques complexes dans des domaines applicatifs variés. Les étudiants sont également formés à l’apprentissage profond (Deep Learning), ces techniques offrant des perspectives d’emploi importantes dans de nombreux secteurs.
Objectifs
Le programme vise à :
- Aborder les différents éléments intervenant dans le traitement des données d’une application, à savoir l’acquisition, l’analyse, la modélisation, la validation et l’interprétation
- Associer systématiquement les enseignements théoriques et pratiques
- Permettre la mise en œuvre des cas concrets grâce à plusieurs modules projets, réalisés notamment au sein de laboratoires
Les étudiants diplômés de ce programme de Master pourront :
- Poursuivre une carrière dans de nombreux secteurs d’activité tels que l’industrie automobile, les télécommunications, la santé, la télédétection mais également l’analyse des réseaux sociaux, les banques ou les sociétés d’assurance
- Travailler dans des petites structures telles que des startups ou dans les grands groupes ou encore intégrer un laboratoire de recherche
La structure du Master est composée d’un tronc commun et de modules optionnels. Le Tronc Commun est constitué du socle scientifique et d’un module d’anglais. Le socle scientifique comprend les bases en analyse et modélisation statistique des données, l’apprentissage statistique, l’intelligence artificielle. Les modules optionnels permettent d’acquérir des compétences relatives aux bases de données, aux objets connectés, au traitement d’image, et de réaliser des projets de data science qui nécessitent la mise en œuvre de l’ensemble des compétences acquises dans le tronc commun associées à des compétences transverses (gestion de projet, rédaction, valorisation).
Tronc commun
|
Analyse statistique jeu de données réelles |
60h 6 ECTS Français |
|
Anglais |
30h 3 ECTS Français |
|
Apprentissage profond |
30h 3 ECTS Français |
|
Reconnaissance de formes et méthodes neuronales |
60h 6 ECTS Français |
|
Méthodes statistiques données qualitatives |
30h 3 ECTS Français |
|
Réseaux bayésiens-Chaînes Markov Cachées |
30h 3 ECTS Français |
Options
Un premier groupe de modules optionnels permet de choisir 9 ECTS. Deux modules de 6 ECTS composent ce groupe: un module sur les capteurs (Objets connectés: principes et fiabilité des capteurs) et un module d’image (Traitement d’images). Un de ces deux modules devra être choisi, avec un autre module de 3 ECTS.
Un deuxième groupe de modules optionnels permet de choisir 3 ECTS. Le projet de recherche en Data Science est réalisé dans un des laboratoires de recherche partenaires pendant un mois à temps plein, et a lieu au mois de Mars. Ce projet permet une initiation à la recherche juste avant le début du stage de Master au semestre 2.
Le Master est adossé à plusieurs laboratoires de recherche partenaires :
- Laboratoire SAMOVAR Télécom SudParis
- Institut Pierre Simon Laplace (IPSL) fédération de laboratoires
- Laboratoire Atmosphères, Milieux, Observations Spatiales (LATMOS), UVSQ, CNRS (UMR 8190)
- Centre d’Etudes et de Recherches en Informatique et Communications (CEDRIC), CNAM (EA 4629)
9 ECTS à choisir :
|
Base de données recherche d'information |
36h 3 ECTS |
|
Objets connectés: principes & fiabilité capteurs |
54h 6 ECTS |
|
Traitement d’images |
60h 6 ECTS |
|
Comparaison de méthodes de classification |
30h 3 ECTS |
|
Etude de cas en data science |
30h 3 ECTS |
3 ECTS à choisir :
|
Projet de recherche en data science |
1 mois intensif 3 ECTS |
|
Connaissance de l'entreprise |
45h 3 ECTS |
|
Base de données pour Big Data |
36h 3 ECTS |
Stage recherche et mémoire
Stage de recherche de 4 à 6 mois, à temps plein.
A partir du mois d’Avril
Il pourra être effectué dans un laboratoire de recherche ou dans l’industrie. De nombreux stages de recherche permettent aux étudiants de se spécialiser en modélisation des données. On peut citer à titre d’exemple le secteur automobile, de la sécurité des personnes, de l’internet des objets, de la santé, de l’observation et la surveillance de l’environnement, des réseaux sociaux, le web marketing, le secteur bancaire ou les sociétés d’assurance.
Un rapport ou mémoire de stage (entre 30 et 40 pages) devra être rédigé en Français ou en Anglais. La soutenance orale du travail de stage sera effectuée devant un jury composé du maître de stage (encadrant) et des responsables de la formation. La soutenance orale peut être effectuée en Français ou en Anglais. La durée de la soutenance est de 20 minutes, l’exposé est suivi par 15 minutes de questions.
24 ECTS
Prérequis
Prérequis académiques
- Accomplissement d’un Master 1 en Électronique, Énergie électrique et Automatique à l’Institut Polytechnique de Paris ou équivalent en France ou à l’étranger
- Être détenteur d’un diplôme d’ingénieur ou étudiant en dernière année d’école d’ingénieur dans le cadre d’une convention pédagogique ou en bi cursus (ISTY, TSP, ENSIIE, ESME,..).
Prérequis linguistiques
Français
Procédure de candidature
Les candidatures se font exclusivement en ligne. Vous devrez fournir les documents suivants :
- Diplômes et relevés de notes
- Deux références académiques (notez qu'il vous incombe de vous assurer que les personnes que vous désignerez fournissent leurs références en ligne)
- CV
- Lettre de motivation
Vous recevrez une réponse sur votre espace candidat dans les deux mois suivant la date de clôture de la session d’admission.
Droits de scolarité et bourses
Tarifs 2023-2024
- Etudiants de l'UE/EEE/Suisse : 243€
- Etudiants hors UE/EEE/Suisse : 4130€
- Les élèves ingénieurs inscrits dans l'une des cinq écoles membres de l'Institut Polytechnique de Paris (Ecole polytechnique, ENSTA Paris, ENSAE Paris, Télécom Paris et Télécom SudParis) : 159€
- Cas particuliers : veuillez vous référer à la section "Coût des études" de la FAQ
Plus d’informations sur les bourses
Veuillez noter que les droits de scolarité et les bourses peuvent changer pour l'année suivante.
Candidatures et calendrier des admissions
Responsables
Secrétariat pédagogique
Informations générales
Le Master 2 en Traitement de l'Information et Exploitation des Données (TRIED) forme des scientifiques des données (data scientists) qui sont des experts en analyse, traitement et modélisation des données. Ils maîtrisent les concepts et les technologies de l’intelligence artificielle. La formation est pluridisciplinaire, à la frontière entre les mathématiques appliquées, l’informatique et la physique. Le Master accueille donc des étudiants d’horizons divers (Physique, Mathématiques, Sciences pour l’Ingénieur, Environnement). Le programme est composé d’un tronc commun important et les modules optionnels permettent aux étudiants de choisir différents parcours ainsi qu’un stage. L’objectif est d’acquérir les compétences nécessaires au développement d’algorithmes d’apprentissage automatique (Machine Learning) pour des modélisations statistiques complexes dans des domaines applicatifs variés. Les étudiants sont également formés à l’apprentissage profond (Deep Learning), ces techniques offrant des perspectives d’emploi importantes dans de nombreux secteurs.
Objectifs
Le programme vise à :
- Aborder les différents éléments intervenant dans le traitement des données d’une application, à savoir l’acquisition, l’analyse, la modélisation, la validation et l’interprétation
- Associer systématiquement les enseignements théoriques et pratiques
- Permettre la mise en œuvre des cas concrets grâce à plusieurs modules projets, réalisés notamment au sein de laboratoires
Les étudiants diplômés de ce programme de Master pourront :
- Poursuivre une carrière dans de nombreux secteurs d’activité tels que l’industrie automobile, les télécommunications, la santé, la télédétection mais également l’analyse des réseaux sociaux, les banques ou les sociétés d’assurance
- Travailler dans des petites structures telles que des startups ou dans les grands groupes ou encore intégrer un laboratoire de recherche
La structure du Master est composée d’un tronc commun et de modules optionnels. Le Tronc Commun est constitué du socle scientifique et d’un module d’anglais. Le socle scientifique comprend les bases en analyse et modélisation statistique des données, l’apprentissage statistique, l’intelligence artificielle. Les modules optionnels permettent d’acquérir des compétences relatives aux bases de données, aux objets connectés, au traitement d’image, et de réaliser des projets de data science qui nécessitent la mise en œuvre de l’ensemble des compétences acquises dans le tronc commun associées à des compétences transverses (gestion de projet, rédaction, valorisation).
Tronc commun
|
Analyse statistique jeu de données réelles |
60h 6 ECTS Français |
|
Anglais |
30h 3 ECTS Français |
|
Apprentissage profond |
30h 3 ECTS Français |
|
Reconnaissance de formes et méthodes neuronales |
60h 6 ECTS Français |
|
Méthodes statistiques données qualitatives |
30h 3 ECTS Français |
|
Réseaux bayésiens-Chaînes Markov Cachées |
30h 3 ECTS Français |
Options
Un premier groupe de modules optionnels permet de choisir 9 ECTS. Deux modules de 6 ECTS composent ce groupe: un module sur les capteurs (Objets connectés: principes et fiabilité des capteurs) et un module d’image (Traitement d’images). Un de ces deux modules devra être choisi, avec un autre module de 3 ECTS.
Un deuxième groupe de modules optionnels permet de choisir 3 ECTS. Le projet de recherche en Data Science est réalisé dans un des laboratoires de recherche partenaires pendant un mois à temps plein, et a lieu au mois de Mars. Ce projet permet une initiation à la recherche juste avant le début du stage de Master au semestre 2.
Le Master est adossé à plusieurs laboratoires de recherche partenaires :
- Laboratoire SAMOVAR Télécom SudParis
- Institut Pierre Simon Laplace (IPSL) fédération de laboratoires
- Laboratoire Atmosphères, Milieux, Observations Spatiales (LATMOS), UVSQ, CNRS (UMR 8190)
- Centre d’Etudes et de Recherches en Informatique et Communications (CEDRIC), CNAM (EA 4629)
9 ECTS à choisir :
|
Base de données recherche d'information |
36h 3 ECTS |
|
Objets connectés: principes & fiabilité capteurs |
54h 6 ECTS |
|
Traitement d’images |
60h 6 ECTS |
|
Comparaison de méthodes de classification |
30h 3 ECTS |
|
Etude de cas en data science |
30h 3 ECTS |
3 ECTS à choisir :
|
Projet de recherche en data science |
1 mois intensif 3 ECTS |
|
Connaissance de l'entreprise |
45h 3 ECTS |
|
Base de données pour Big Data |
36h 3 ECTS |
Stage recherche et mémoire
Stage de recherche de 4 à 6 mois, à temps plein.
A partir du mois d’Avril
Il pourra être effectué dans un laboratoire de recherche ou dans l’industrie. De nombreux stages de recherche permettent aux étudiants de se spécialiser en modélisation des données. On peut citer à titre d’exemple le secteur automobile, de la sécurité des personnes, de l’internet des objets, de la santé, de l’observation et la surveillance de l’environnement, des réseaux sociaux, le web marketing, le secteur bancaire ou les sociétés d’assurance.
Un rapport ou mémoire de stage (entre 30 et 40 pages) devra être rédigé en Français ou en Anglais. La soutenance orale du travail de stage sera effectuée devant un jury composé du maître de stage (encadrant) et des responsables de la formation. La soutenance orale peut être effectuée en Français ou en Anglais. La durée de la soutenance est de 20 minutes, l’exposé est suivi par 15 minutes de questions.
24 ECTS
Prérequis
Prérequis académiques
- Accomplissement d’un Master 1 en Électronique, Énergie électrique et Automatique à l’Institut Polytechnique de Paris ou équivalent en France ou à l’étranger
- Être détenteur d’un diplôme d’ingénieur ou étudiant en dernière année d’école d’ingénieur dans le cadre d’une convention pédagogique ou en bi cursus (ISTY, TSP, ENSIIE, ESME,..).
Prérequis linguistiques
Français
Procédure de candidature
Les candidatures se font exclusivement en ligne. Vous devrez fournir les documents suivants :
- Diplômes et relevés de notes
- Deux références académiques (notez qu'il vous incombe de vous assurer que les personnes que vous désignerez fournissent leurs références en ligne)
- CV
- Lettre de motivation
Vous recevrez une réponse sur votre espace candidat dans les deux mois suivant la date de clôture de la session d’admission.
Droits de scolarité et bourses
Tarifs 2023-2024
- Etudiants de l'UE/EEE/Suisse : 243€
- Etudiants hors UE/EEE/Suisse : 4130€
- Les élèves ingénieurs inscrits dans l'une des cinq écoles membres de l'Institut Polytechnique de Paris (Ecole polytechnique, ENSTA Paris, ENSAE Paris, Télécom Paris et Télécom SudParis) : 159€
- Cas particuliers : veuillez vous référer à la section "Coût des études" de la FAQ
Plus d’informations sur les bourses
Veuillez noter que les droits de scolarité et les bourses peuvent changer pour l'année suivante.