| Niveau d'études visé | Bac +5 |
|---|---|
| Durée de la formation en année | Non renseignée |
| Statut de l'école | Non renseigné |
| Formation reconnue par l'État | Oui |
| Rythme de formation | Alternance |
| Prix | Non renseigné |
| Accréditation(s) | EQUIS, CGE, EESPIG, CTI, EUR-ACE, AACSB, AMBA, QUALIOPI |
Description
Le Master Informatique : Parcours Machine Learning pour la Science des Données proposé par le Centre de Formation d'Apprentis numiA en partenariat avec l'Université Paris Cité forme des experts en intelligence artificielle et analyse de données massives.
Au programme : maîtrise des méthodes d'apprentissage machine supervisé, non supervisé et semi-supervisé, deep learning avancé, programmation R et Python, data engineering, Big Data Analytics, NLP et IA générative, computer vision, systèmes de recommandation et bioinformatique.
Les étudiants développent des compétences pointues en statistiques appliquées, algèbre linéaire, gestion de données non structurées, outils cloud et business intelligence.
Cette formation d'excellence, intégrée à la Graduate School Artificial Intelligence and Data Science, prépare aux métiers de Data Scientist, Data Engineer, Data Analyst, architecte d'outils d'analyse de données, ingénieur R&D et concepteur de modèles mathématiques.
Les diplômés peuvent également poursuivre en thèse pour devenir chercheurs spécialisés en intelligence artificielle.
Thématiques abordées
- Fondamentaux du Machine Learning : apprentissage supervisé, non supervisé, semi-supervisé, deep learning
- Mathématiques appliquées à la science des données : statistique, algèbre linéaire, optimisation
- Ingénierie des données : programmation Python et R, gestion et traitement de données, data engineering
- Applications avancées : traitement du langage naturel (NLP), text mining, IA générative, vision par ordinateur, systèmes de recommandation
- Big data et outils analytiques : technologies cloud, business intelligence, analyse de données massives
Objectifs de la formation
- Maîtriser les techniques avancées de machine learning, y compris le deep learning, pour construire et optimiser des modèles prédictifs performants.
- Analyser et traiter efficacement des données massives et non structurées en utilisant des outils de data engineering et de gestion Big Data.
- Appliquer les méthodes statistiques et algébriques essentielles à la science des données pour interpréter et valoriser les résultats obtenus.
- Développer des compétences pratiques en programmation avec Python et R pour implémenter des solutions intelligentes et automatisées.
- Concevoir et déployer des applications en intelligence artificielle couvrant des domaines variés tels que le NLP, la vision par ordinateur et l'IA générative.
Découvrir l’établissement
Voir l’établissement
Autres formations qui pourraient te plaire
