Modalité Temps plein la 1re année + 2 ans en alternance
Niveau d’entrée CPGE scientifique (hors TSI) ou après le premier cycle ESIEE Paris
Durée 3 ans
Nombre de places 26
Pourquoi devenir ingénieur en data et applications ?
Vous aurez une très bonne compréhension de l'univers des données et de ses outils, une compétence qui enregistre une demande croissante sur le marché du travail et des perspectives d'évolution importantes.
Vous serez capables de manipuler des grands volumes de données, d'en tirer des compréhensions justes (Data Analyst) ainsi que de définir des algorithmes d’apprentissage pertinents, de développer des modèles descriptifs et prédictifs (Data Scientist).
En utilisant des technologies IA de pointe, vous résoudrez des problèmes complexes et aurez un impact majeur sur diverses industries et services telles que la santé numérique, l’efficacité énergétique, les télécommunications, l’usine connectée, la finance, les banques, et les assurances ...
Ce que va m'apporter la formation ?
Objectifs
Découvrir le métier de data scientist
Former au métier du data engineer
Apprendre les principales techniques d'apprentissage automatique
Expérimenter l'ingénierie de données dans diverses industries et services
Compétences
Recueillir, analyser, nettoyer de grands volumes de données
Construire des modèles prédictifs à partir des données et évaluer leurs performances en utilisant les dernières technologies de l'IA
Présenter les résultats par la visualisation de données
Développer et déployer les applications de data science
Formaliser les besoins et attentes et gérer les projets dans tous les domaines applicatifs faisant appel à l'IA, et à l'ingénierie de la donnée
Prérequis
Cette filière est ouverte aux CPGE (MP - PC - PSI - MPI) via le concours CCINP-E3a-Polytech et aux élèves issus du premier cycle à ESIEE Paris.
Après une année en temps-plein les élèves poursuivront sur les deux dernières annéesleur cursus en alternance, sur des contrats d’apprentissage conclus entre l’élève, l’école et l’entreprise. Le rythme de l’alternance varie de 3 à 6 mois .
ESIEE Paris, reconnue pour ses liens avec les entreprises, offre une aide dans la recherche de missions. Une équipe de professionnels accompagne chaque futur apprenti dans la recherche de son contrat d’apprentissage.
Programme détaillé
Le programme comprend des enseignements mixtes : cours, travaux dirigés, travaux pratiques, et projets propices à approfondir les concepts utilisés pendant les missions menées en entreprise.
Enseignements de 1re année
Semestre 1 - P1 (alpha) 90 h - 5 ECTS Traitement de l’information analogique | 30 h Apprentissage de la programmation avec PYTHON et C | 60 h
Semestre 1 | P1 (beta) 90 h - 6 ECTS Outils pour le traitement du signal | 30 h Programmation et systèmes à base de microprocesseurs | 30 h Introduction à l’électronique numérique | 30 h
Semestre 1 - P2 90 h - 8 ECTS Probabilités | 30 h Algorithmique | 30 h Réseaux | 30 h
Semestre 2 120 h - 6 ECTS Optimisation et introduction à l’IA | 30 h Bases de données relationnelles | 30 h IA, deep learning et applications | 30 h Data sciences et applications | 30 h
Semestre 2 90 h - 5 ECTS Cybersécurité | 30 h Système d’exploitation | 30 h Programmation C++, projet et jeux | 30 h
Semestre 1 80 h - 7 ECTS Initiation au management | 30 h Initiation au management (suite) | 30 h Accompagnement à la professionnalisation et recherche de contrat d’apprentissage | 20 h
Semestre 2 90 h - 5 ECTS Développement durable et éthique | 30 h Management de projet : théorie et mise en pratique | 30 h Compétences et carrières | 30 h
Semestre 1 50 h - 4 ECTS Integrated language skills | 10 h Integrated language skills (suite) | 20 h Anglais renforcé ou LV2 (Chinois, Japonais, Allemand, Espagnol) | 20 h
Semestre 2 40 h - 3 ECTS Integrated language skills 2 | 20 h Anglais renforcé ou LV2 (Chinois, Japonais, Allemand, Espagnol) | 20 h
Semestre 1 8 semaines | 7 ECTS
Enseignements de 2e année
Semestre 1 90 h - 5 ECTS Compléments de probabilités et statistique pour la data | 30 h Apprentissage automatique 1 | 30 h Graphs-Algorithms | 30 h
Semestre 2 90 h - 5 ECTS Apprentissage automatique 2 | 30 h Approches sémantiques en intelligence artificielle | 30 h Exposition à la recherche : analyse d’articles scientifiques | 30 h
Semestre 1 60 h - 3 ECTS Data engineering 1 | 30 h Fouille de données avec R | 30 h
Semestre 2 60 h - 3 ECTS Data engineering 2 | 30 h Introduction to image analysis | 30 h
Semestre 1 60 h - 3 ECTS Python pour la data science | 30 h R et data visualisation | 30 h
Semestre 1 16 h - 1 ECTS Finance de l’entreprise
Semestre 2 48 h - 2 ECTS Simulation de gestion d’entreprise | 32 h Analyse et politique économique ou Management de l’innovation ou Stratégie d’entreprise ou UX design ou Propriété intellectuelle, stratégie et outils | 16 h
Semestre 1 35 h - 2 ECTS La data pour l’industrie : rencontres avec des anciens venus des entreprises | 15 h La data pour les services | 20 h
Semestre 2 40 h - 3 ECTS Droit des données, réglementation RGPD | 20 h La data : société et humanités numériques | 20 h
Semestre 1 24 h - 1 ECTS Skills for new TOEIC ou Business English | 24 h
Semestre 2 40 h - 2 ECTS Technical English | 16 h Oral presentation skills | 24 h
Enseignements de 3e année
Semestre 1 80 h - 4 ECTS Décision séquentielle | 30 h Deep & reinforcement learning | 30 h Traitement du langage naturel | 20 h
Semestre 1 60 h - 3 ECTS Time series & machine learning | 30 h Big data analytics with Spark | 30 h
Semestre 1 120 h - 7 ECTS Application full stack data | 30 h Functional programing with Scala | 30 h IA et jeux | 30 h DevOps Data | 30 h
Semestre 1 100 h - 5 ECTS IA et sécurité | 30 h Equité et explicabilité dans le machine learning | 30 h La data dans la santé | 20 h La data dans la mobilité | 20 h
Semestre 1 32 h - 3 ECTS Création d’entreprise | 16 h Bilan de compétences et projet professionnel | 16 h
Semestre 1 56 h - 3 ECTS TOEIC préparation ou English in an international context | 24 h Project : team working skills | 16 h Professional skills ou TOEIC bootcamp | 16 h
