Présentation
Ce Master professionnel, porté par l'ENSEA Abidjan avec le Data Institute de l'INP-HB, forme des spécialistes capables de collecter, modéliser et valoriser de grands volumes de données grâce à la statistique, à l'apprentissage automatique et aux outils Big Data. Les diplômés travaillent en Côte d'Ivoire et en Afrique de l'Ouest dans les banques, télécoms, assurances, instituts statistiques, administrations, ONG et startups.
Débouchés : Data scientist, Data engineer, Ingénieur en apprentissage automatique (ML engineer), Statisticien-analyste de données, Consultant en intelligence artificielle et data analytics.
Établissement : ENSEA Abidjan — ENSEA — avec le Data Institute de l'INP-HB.
M1 : 5 matières
| Matière | Semestre | Volume | Contenu |
|---|---|---|---|
| Statistique mathématique | S1 | 30 h CM + 20 h TD | Estimation, tests et propriétés asymptotiques des estimateurs, fondements de l'inférence statistique. |
| Programmation Python | S1 | 20 h CM + 30 h TP | Manipulation et visualisation de données avec NumPy, pandas et scikit-learn. |
| Bases de données avancées | S1 | 20 h CM + 30 h TP | Modélisation relationnelle, SQL avancé, entrepôts de données et introduction au NoSQL. |
| Optimisation | S2 | 25 h CM + 25 h TD | Optimisation convexe et méthodes de gradient, outils de base de l'apprentissage statistique. |
| Machine learning 1 | S2 | 30 h CM + 30 h TP | Méthodes supervisées et non supervisées : régression, arbres, forêts aléatoires, SVM et clustering. |
M2 : 5 matières
| Matière | Semestre | Volume | Contenu |
|---|---|---|---|
| Deep learning | S3 | 25 h CM + 35 h TP | Réseaux de neurones profonds, réseaux convolutifs et récurrents avec TensorFlow ou PyTorch. |
| Big Data et calcul distribué | S3 | 20 h CM + 30 h TP | Traitement de données massives avec Hadoop et Spark, architectures distribuées. |
| Statistique bayésienne | S3 | 25 h CM + 25 h TD | Modèles bayésiens, méthodes MCMC et inférence probabiliste appliquée. |
| Traitement automatique du langage | S4 | 20 h CM + 30 h TP | Analyse de textes, représentations vectorielles et modèles de langage, avec applications aux langues africaines. |
| MLOps et déploiement | S4 | 15 h CM + 30 h TP | Industrialisation des modèles : conteneurisation, API, suivi et mise en production. |
Référentiel indicatif établi par l'ISPA pour l'orientation et la révision ; il ne remplace pas la maquette officielle de l'établissement. Dans Universal Library, chaque matière dispose d'une fiche de cours avec TD corrigés et sujet d'examen type.
Filières proches
- Université Polytechnique ISPA
Ingénieur Assurance
- ENSEA — École nationale supérieure de statistique et d'économie appliquée
Master Actuariat
- ENSEA — École nationale supérieure de statistique et d'économie appliquée
Analyste Statisticien (AS)
- ENSEA — École nationale supérieure de statistique et d'économie appliquée
Ingénieur Statisticien Économiste (ISE)
Réviser avec Universal Library
Les fiches de chaque matière sont accessibles aux étudiants inscrits.