Université Polytechnique ISPA · Abidjan, Côte d'Ivoire+225 27 22 46 51 86 · info@ispapolytech.fr
Universal Library Se connecter
Accueil › Filières universitaires › Master Data Science

Master professionnel · ENSEA Abidjan

Master Data Science

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…

2années d'études décrites
10matières
Master professionnelcycle

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

MatièreSemestreVolumeContenu
Statistique mathématiqueS130 h CM + 20 h TDEstimation, tests et propriétés asymptotiques des estimateurs, fondements de l'inférence statistique.
Programmation PythonS120 h CM + 30 h TPManipulation et visualisation de données avec NumPy, pandas et scikit-learn.
Bases de données avancéesS120 h CM + 30 h TPModélisation relationnelle, SQL avancé, entrepôts de données et introduction au NoSQL.
OptimisationS225 h CM + 25 h TDOptimisation convexe et méthodes de gradient, outils de base de l'apprentissage statistique.
Machine learning 1S230 h CM + 30 h TPMéthodes supervisées et non supervisées : régression, arbres, forêts aléatoires, SVM et clustering.

M2 : 5 matières

MatièreSemestreVolumeContenu
Deep learningS325 h CM + 35 h TPRéseaux de neurones profonds, réseaux convolutifs et récurrents avec TensorFlow ou PyTorch.
Big Data et calcul distribuéS320 h CM + 30 h TPTraitement de données massives avec Hadoop et Spark, architectures distribuées.
Statistique bayésienneS325 h CM + 25 h TDModèles bayésiens, méthodes MCMC et inférence probabiliste appliquée.
Traitement automatique du langageS420 h CM + 30 h TPAnalyse de textes, représentations vectorielles et modèles de langage, avec applications aux langues africaines.
MLOps et déploiementS415 h CM + 30 h TPIndustrialisation 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

Réviser avec Universal Library

Les fiches de chaque matière sont accessibles aux étudiants inscrits.

Se connecter