Filière ingénieur en datascience et intelligence artificielle
ESIEE Paris propose un programme d’ingénieur avec une spécialisation en data science et intelligence artificielle sur les deux dernières années du cursus. La formation est habilitée par la Commission des Titres d'Ingénieur (CTI).
Pourquoi devenir ingénieur en data science et intelligence artificielle ?
Dans un contexte de très fort essor de la data science, du big data et de l’intelligence artificielle, la filière forme des ingénieurs en traitement de données. Les principales missions de cet ingénieur sont de transformer les données dans un format adapté à l’analyse (data engineer), et de participer au développement d’algorithmes qui traduisent les données en informations utiles et exploitables (data scientist). En somme, son rôle est de collecter, préparer, analyser et exploiter les données afin d’aiguiller l’entreprise dans laquelle il travaille vers une nouvelle stratégie commerciale.
Ce que va m'apporter la filière ?
Objectifs
Construire la boîte à outils pour l'ingénierie de données
Apprendre les principales techniques d'apprentissage automatique
Former au métier du data engineer
Découvrir le métier de data scientist
Compétences
Recueillir, analyser, nettoyer de grands volumes de données
Construire des modèles prédictifs à partir des données et évaluer leurs performances
Présenter les résultats par la visualisation de données
Les entreprises qui ont recruté des diplômés de la filière :
MC2IBNP ParibasSafranAkka TechnologiesSaurLCLCredit AgricoleAgence France PresseL'oréalSIACI Saint HonoreEDF R&DOrangeInetumAG2RImpalaLGM IngenierieSociété Générale …
96 %
des jeunes diplômés ont trouvé leur 1er emploi 4 mois après leur sortie (promo 2023)
90 %
des élèves ont trouvé un contrat avant même la fin de leur formation
43 400 €
Salaire moyen d'embauche (brut) annuel France et international
Programme détaillé de la 2e année du cycle ingénieur
A la fin de la 1re année du cycle ingénieur les élèves choisissent leur filière. Les enseignements se déroulent sur deux années avec des enseignements scientifiques et techniques obligatoires et optionnels, des enseignements de management et des cours de langues vivantes.
Les enseignements sont organisés en deux semestres subdivisés chacun en deux périodes. Le premier semestre est constitué de deux périodes d’enseignement. Le second semestre est constitué d’une période d’enseignement et d’une période de stage de 12 semaines minimum. De janvier à avril, les élèves doivent travailler en équipe sur des projets pluridisciplinaires proposés par des partenaires industriels, des laboratoires ou des enseignantes ou enseignants de ESIEE Paris.Tout élève peut suivre des enseignements optionnels de langue vivante 2.
Enseignements scientifiques obligatoires
Semestre 1 - Période 1 120 h - 10 ECTS
Python pour la data science | 30 h Algorithm design | 30 h R & Data visualization | 30 h Traitement du signal / Signal analysis | 30 h
Semestre 1 - Période 2 120 h - 10 ECTS
Apprentissage automatique 1 | 30 h DevOps Data | 30 h Data engineering | 30 h Un enseignement de 30 h au choix : Graphes - Algorithmes Fouille de données avec R pour la datascience et l’IA IA pour la RFID
Semestre 2 90 h - 7 ECTS
Apprentissage automatique 2 | 30 h Introduction à la recherche en DSIA | 30 h Deep & Reinforcement Learning | 30 h
Enseignements scientifiques d’ouverture au choix
Semestre 1 - Période 1 et 2 60 h - 4 ECTS
Période 1 (un enseignement de 30 h au choix) Design patterns en java Système d'aide à la conduite automobile (ADAS) Design thinking Cryptographie et sécurité des communications Compléments de probabilités et statistique pour la data Optoelectronics Hands on 3D technologies programming Technologies pour le handicap en e-santé Mécanique des fluides Traitement des données et tableaux de bord
Période 2 (un enseignement de 30 h au choix) Optimal estimation and control Design thinking et santé General introduction to IoT Introduction to robotics Architecture des ordinateurs Acquisition and signal processing in biomedical applications Energie hydraulique Introduction to image analysis Développement web front-end IT for industry: l’experience by Capgemini
Semestre 2 50 h - 6 ECTS
Un enseignement de 30 h au choix : Intensive TOEIC training Workshop Life cycle analysis Rétro-ingénierie Clean-room Test et validation des systèmes embarqués Prothèses et aide au handicap Approches sémantiques en intelligence artificielle Initiation au langage Rust Jumeaux numériques et IA au service de l’industrie
Projet de 4e année (10 semaines) obligatoire
Management et sciences humaines
Semestre 1 - Période 1 et 2 75 h - 4 ECTS
Période 1 (un enseignement de 30 h au choix) Intercultural management and communication Fondements du marketing Analyse et politique économiques Finance et contrôle de gestion Management d'équipe et leadership Management de la RSE Gestion des risques et prises de décisions Sociologie du numérique
Période 2 (un enseignement de 30 h au choix) Veille technologique De la technologie au marché Economie industrielle et analyse sectorielle Management de l'innovation Entrepreneuriat et business plan French business culture and communication Management d'équipe et leadership
Compétences et carrières - Enseignement obligatoire | 15 h
Semestre 2 45 h - 3 ECTS
Un enseignement de 30 h au choix : Stratégie d'entreprise et développement durable Droit des affaires Marketing opérationnel International management Economie et environnement Economie et organisation du système de santé Management d'équipe et leadership Improvisations Diriger et décider
Compétences et carrières - Enseignement obligatoire | 15 h
Langues vivantes
Semestre 1 - Période 1 et 2 30 h - 2 ECTS
English CV (Période 1) English Electives 1 (Période 2)
Programme détaillé de la 3e année du cycle ingénieur
Les enseignements sont organisés en deux semestres. Le premier semestre est constitué de deux périodes d’enseignements. Au second semestre, l’élève doit effectuer un stage de fin d’études de 24 semaines minimum (6 mois) en entreprise ou en laboratoire de recherche.
Enseignements scientifiques
Semestre 1 - Période 1 90 h - 9 ECTS
Application full stack data | 30 h Time series & Machine Learning | 30 h Functional programming with Scala | 30 h
Semestre 1 - Période 2 90 h - 9 ECTS
BigData analytics with spark | 30 h Data engineering 2 | 30 h IA et jeux | 30 h
Enseignements scientifiques d’ouverture au choix
Semestre 1 - Période 1 et 2 60 h - 5 ECTS
Période 1 (un enseignement de 30 h au choix) : Ingénierie systèmes pour l'embarqué : application au cycle de développement automobile Réseaux de chaleur Environnement de télémédecine pour l’acquisition et le traitement de données physiologiques et cliniques IoT Chaire Devoteam - Audit avancé de sécurité des systèmes d’information Chaire Capgemini - Test driven development et agilité Chaire IBM - Pratique l’IA en entreprise : méthodologie, management de projet, déploiements et étude de cas en AI
Période 2 (un enseignement de 30 h au choix) : Systèmes embarqués connectés sous Android MEMS sensors HLS pour l'IA / Vidéo Traitement des eaux usées et récupération d'énergie fatale Conception de solutions de stockage de données de santé via des services web sécurisés Communication scientifique et travail en équipe Distributed control systems Forensic avancé Développement web full stack
Management et sciences humaines
Semestre 1 - Période 1 et 2 90 h - 5 ECTS
Période 1 (un enseignement de 30 h au choix) : Les transformations des mondes du travail et ressources humaines Corporate profiling (seulement pour les internationaux) Management d'équipe et leadership Veille technologique Data science et analyse des réseaux sociaux Economie de la mondialisation Entrepreneuriat et business plan Ingénierie financière et finance de marché Technologies et santé en société
Compétences et carrières - Enseignement obligatoire | 15 h
Période 2 (un enseignement de 30 h au choix) :
Simulation de gestion | 30 h
Compétences et carrières - Enseignement obligatoire | 15 h
Méline DANG, diplômée ESIEE Paris (promo 2023), de la filière Datascience et intelligence artificielle
De nos jours, les moyens technologiques évoluent et nous cherchons constamment à passer dans un monde numérique et de digitalisation afin de faciliter et limiter les interventions humaines. L’intelligence artificielle et la data science ont pris une place cruciale dans les interactions Hommes-Machines en prouvant leur capacité à simuler et anticiper sur de vastes domaines d’application et de nombreuses situations de la vie réelle. En suivant l'enseignement octroyé au sein de ESIEE Paris, j'ai pu approfondir mes connaissances dans ce domaine et les utiliser lors des nombreux projets effectués durant ces dernières années. Mes compétences en programmation, en DevOps et en algorithmie se sont améliorées, mais également en management, ainsi que dans mon développement personnel ayant pour but de renforcer mon profil ingénieur et de valoriser mes atouts.
