Parcours Mathématiques et informatique pour le Big Data
ECTS
120 crédits
Durée
2 ans
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Langue(s) d'enseignement
Français
Présentation
Le caractère ubiquitaire de l’informatique et des données numériques dans les sociétés modernes fait que la production, l’analyse et le traitement de l’information sont aujourd’hui au cœur du développement économique et concernent tous les secteurs de l’industrie et des services : commerce, santé, sécurité, énergie, transports, aménagement du territoire, etc. Disposer d’outils performants pour produire, extraire, traiter, analyser et présenter les données est désormais une clé pour de nombreux secteurs d'activité.
Considérer l’ensemble de l’information circulant sur l’internet comme une immense base de données dynamiques au service des processus d'aide intelligente à la prise de décision a donné naissance au phénomène Big Data. Il se caractérise par des données de très grande taille (Volume), peu structurées, multi-variables, multidimensionnelles (Variété) et de nature dynamique voire furtive (Vélocité) de par l’impossibilité quelquefois de les stocker, ne serait-ce que provisoirement. Ces caractéristiques posent de nouveaux problèmes, les processus de traitements classiques ne supportant souvent pas le passage à l’échelle ou n’étant pas adaptées à ce type de données.
Enquête 2017/2018 à 2021/2022 :
Taux de réussite M2 :
97%
Enquête 2019/2020 :
Taux de poursuite d'études :
100% de la promotion a répondu à l'enquête (promotion de 10 étudiants)
Sur ces 100%, 0% ont poursuivi leurs études juste après l'obtention du diplôme.
Taux d'insertion professionnelle :
2 personnes de la promotion ont répondu à l'enquête (promotion de 10 étudiants)
Sur ces 2 personnes, 100% sont en emploi à 30 mois après l'obtention du diplôme.
Plus d'informations :
https://ode.univ-pau.fr/fr/index.html
15 étudiants/an
Capacité d'accueil
Objectifs
Les métiers ciblés par cette formation concernent toute la chaîne de stockage, traitement et valorisation des données. En particulier celles qui adressent les aspects techniques et méthodologiques liés à l'infrastructure matérielle ou logicielle, les algorithmiques de traitement et de prédiction, la mise en valeur et l'exploitation des résultats. La formation vise les métiers de Data Analyst et Data Scientist mais a également pour objectif de répondre au défit posé à la recherche par le Big Data.
Votre université
Savoir-faire et compétences
Répondre au défi posé par le Big Data nécessite de nouvelles compétences liées au domaine des sciences des données
alliant des solides connaissances en informatique et en mathématique ainsi qu'une culture de l'entreprise.
Les diplômés pourront en particulier intégrer tous les secteurs d'activité concernés par des compétences telles que :
- concevoir des architectures permettant de traiter de grand volume de données;
- proposer des solutions pour l'accès à ces données;
- monitorer les flux de données de leur source à leur destination;
- composer des méthodes, moyens et outils pour aider à la prise de décision;
- proposer, adapter et développer les algorithmes nécessaires afin d'extraire des informations pertinentes à partir de données endogènes et exogènes;
- intervenir sur toute la chaîne de stockage, traitement et valorisation des données.
Les + de la formation
Cette formation est proposée en formation initiale pour la première année et en formation initiale ou en alternance pour la seconde année.
Organisation
Les UE du semestre 1 et 2 permettent de mettre en place les connaissances de base dans les deux disciplines supports des sciences des données : l'informatique et les mathématiques.
Les UE proposées au semestre 3, permettront aux étudiants d'acquérir les compétences essentielles se trouvant au coeur des métiers visés par leur projet professionnel. L'UE au choix leur permettra quant à elle d'approfondir l'une de ces compétences ou d'avoir une compétence complémentaire particulière. Les étudiants ayant choisi l'alternance pour la seconde année vont acquérir une véritable compétence en culture d'entreprise. Les autres étudiants pourront eux choisir d'approfondir des compétences plus académique leur permettant de poursuivre en doctorat ou de s'initier à la culture d'entreprise grâce à un stage de 5 mois minimum à réaliser dans un laboratoire de recherche (publique ou privée) ou dans une entreprise.
Les enseignements sont dispensés sous forme de cours magistraux, travaux dirigés et pratiques et projets encadrés.
Chaque semestre peut être effectué à l’étranger, y compris le stage, avec toutefois comme restriction de passer 2 des 3 premiers semestres à Pau. De nombreux accords existent avec des universités étrangères comprenant notamment un accompagnement financier. Les crédits obtenus dans le pays étranger sont validés au retour dans le cadre du master.
M2 : 415,5h de formation.
Contrôle des connaissances
L’obtention du master est prononcée après validation de l’année M2, l’entrée en année M2 étant de droit pour tout étudiant ayant obtenu l’année M1.
Chaque année en septembre les Modalités de Contrôle des Connaissances sont votées par le Conseil d’Administration de l’établissement au plus un mois après la reprise des cours. Elles définissent les modalités de validation de chaque UE, de chaque semestre et de chaque année.
Ouvert en alternance
Type de contrat
- Contrat de professionnalisation
- Contrat d'apprentissage
Cet enseignement est ouvert en alternance : mode d'emploi
Calendrier de l'alternance
Stages
Stage | Obligatoire |
|---|---|
Durée du stage | 5 mois |
Programme
Calcul parallèle
2 crédits16hStatistique Inférentielle S7
6 créditsStatistique Inférentielle S7
6 crédits48h
Logiciels statistiques
2 créditsLogiciels statistiques R S7
2 crédits16h
Visual analytics
6 crédits55,5hAnalyse matricielle et optimisation S7
4 créditsAnalyse matricielle et optimisation S7
4 crédits32h
Python
4 crédits36hAnglais M1 S1
2 crédits20hEntrepôts de données
4 crédits28,5h
Cloud
2 créditsNOSQL
2 crédits19,5hModèles linéaires
6 créditsModèles Linéaires
6 crédits48h
Analyse de données
2 créditsAnalyse de données S8
2 crédits16h
Machine Learning - intro
2 créditsMachine learning
2 crédits16h
Apprentissage profond - notion de base
2 créditsApprentissage profond - notions de base
2 crédits16h
Modèles et plateformes pour l'IA et le Big Data
6 créditsFrameworks IA Big Data
4 crédits36hPlateforme de Sciences des Données
2 crédits19,5h
Programmation orientée Agents
4 crédits36hInteropérabilité des Données et des Connaissances
2 crédits16hAnglais M1 S2
2 crédits
IA Notions Avancées (Non compensable)
14 créditsMachine learning - notion avancées S9
2 crédits19,5hText mining
4 crédits32hDatamining S9
2 crédits19,5hApprentissage profond
2 crédits19,5hProgrammation orientée agents (notions avancées)
4 crédits36h
Compétences transversales et pratiques (Non compensable)
14 créditsGPGPU
4 crédits32hProjet intégrateur 1 (Définitions des objectifs, Analyse fonctionnelle, Spécifications)
6 crédits66h
Anglais M2
2 créditsAu choix : 1 à 2 parmi 3
Admission
Conditions d'admission
Admission en M1 seulement sur dossier pour les :
- titulaire d’une licence en Mathématiques et Informatique ou équivalent,
- titulaire d’une licence en Mathématiques et Informatique pour les Sciences Humaines et Sociales,
- titulaire d’une troisième année d’école d’ingénieur ou équivalent.
Consultez les attendus et critères d'examen des candidatures en M1
Pour candidater :
- étudiants à l'étranger : voir sur le site des RI
- étudiants en France ou avec un diplôme français : https://candidature.monmaster.gouv.fr/
- en cas de difficulté : secrétariat master (secretariat-mathematiques @ univ-pau.fr)
|
Capacité d'accueil |
Date d’ouverture |
Date de clôture |
|
15 |
22/03/2023 |
18/04/2023 |
Depuis la loi n° 2016-1828 du 23 décembre 2016, le master est un cursus de 4 semestres, sans sélection intermédiaire, conduisant au diplôme national de master. Cette loi introduit un recrutement des étudiants à l'entrée en première année du master (sur dossier ou concours). Chaque mention ou parcours fixe une capacité d’accueil, les modalités du recrutement ainsi que le calendrier de la campagne de candidature.
Modalités d'inscription
Les inscriptions se font en ligne.
Attention, sont concernés par ce calendrier tout étudiant titulaire d'un diplôme national de Licence français et les étudiants ressortissants d'un pays de l'UE.
› Dates limites d'inscription M1 (Après votre acception définitive sur la plateforme Mon Master, un délai de 48 h peut être nécessaire pour s’inscrire en ligne) :
- Pour une proposition d’admission
acceptée définitivement jusqu’au 15 juillet
2024 inclus : Vendredi 19 juillet 2024 à 12h - Pour une proposition d’admission
acceptée définitivement entre le 16 juillet et
le 26 août inclus : Jeudi 29 août 2024 - Pour toute proposition d’admission
acceptée à partir du 27 août 2024 : Inscription obligatoire dans un délai de 48h.
› Dates limites d'inscription M1 étudiants internationaux (hors UE) :
lundi 30 septembre 2024 inclus (visa obtenu tardivement)
Faute d'inscription effective à la date limite indiquée, vous êtes réputé démissionnaire et la place sera attribuée pour d'autres personnes sur liste d'attente.
Droits d'inscription et tarification
Consultez les montants des droits d'inscription.
L'établissement applique une exonération partielle des droits différenciés pour tout étudiant extra communautaire relevant de la formation initiale s'inscrivant en master.
Capacité d'accueil
15 étudiants en M1
15 étudiants en M2
Pré-requis obligatoires
Le candidat doit être capable de suivre un master mention mathématiques ET un master mention informatique, le contenu du master Big Data étant constitué d'enseignements du master mention mathématiques et du master mention informatique. La liste des enseignements suivis, avec volume horaire et notes obtenues, devra attester de cette capacité.
De plus, le candidat est supposé :
- Maîtriser les modèles, concepts et notions fondamentaux de l’informatique
- Maîtriser les notions fondamentales en statistique et en probabilités
- Maîtriser les outils du développement et du déploiement des applications logicielles
- Travailler en autonomie et en équipe
- Avoir un projet professionnel cohérent avec le parcours
Et après
Poursuite d'études
Possibilité de poursuivre en doctorat.
Poursuite d'études dans l'établissement
Poursuite d'études à l'étranger
Les étudiants diplômés ont toujours la possibilité de postuler sur les nombreuses offres de thèse dans le domaine du Big Data à l’étranger mais, contrairement aux études à l’étranger pendant la formation de master, aucun accord spécifique n’existe pour la poursuite en thèse à l’étranger.
Insertion professionnelle
Les "vraies" formations sur le Big Data, couvrant à la fois les domaines des mathématiques appliquées et de l'informatique, sont très rares aujourd’hui en France alors qu'il existe une pénurie constatée de diplômés. Le gouvernement a d’ailleurs adopté un plan Big Data en juillet 2014 pour faire face à ce défi, plan qui souligne le besoin en formations de haut niveau. L’insertion professionnelle des futurs diplômés devrait donc être particulièrement aisée.
Taux de réussite :
Taux de réussite sur les apprentis de la formation : 100% pour 2020-2021. Il y a eu 11 inscrits en M2 dont 4 apprentis, ces derniers ont tous été admis.
