Langages, Modèles et Systèmes & Applications22h
- Introduction à l’analyse de grandes masses de données
- Architectures avec parallélisme massif
- L’écosystème Hadoop et MapReduce
- Architectures et langages NoSQL
- Intégrer HADOOP dans un Système d’Information d’Entreprise
- Stockage des données (base de données classiques et base de données Nosql)
Machine Learning & Data Mining22h
- Introduction à l’apprentissage automatique
- Apprentissage supervisé (modèles prédictifs) : régression, arbres de décision, bagging, SVM, réseaux de neurones
- Apprentissage non-supervisé (modèles explicatifs/exploratoires) : changement de représentation, réduction de dimensionnalité, analyse par composantes principales, décomposition en valeurs singulières, clustering
- Sessions pratiques sous Python avec les librairies ScikitLearn et PyTorch (Deep Learning)
Graph Data Analytics13h
- Bases de données graphes : modélisation des données en graphe, architecture, Neo
- Langages de requête pour les graphes (Cypher)
- Frameworks pour l’analyse des graphes (Pregel, GraphX)
Projet6h
Les participants auront l’occasion de mettre en oeuvre les connaissances acquises dans les modules du certificat dans le cadre d’un projet pratique.
Modalités pédagogiques
Des infrastructures matérielles adaptées à la pratique de la data science
Afin d'assurer le bon déroulement des travaux pratiques et l'application des techniques abordées pendant le certificat sur des jeux de données de grande taille, les participants ont accès à un cluster composé de 10 serveurs, dont la capacité de mémoire vive atteint 40 GO de RAM par serveur et la capacité de stockage secondaire totale du cluster atteint 10 TO.
Un apprentissage en effectif réduit
Le Certificat Data Science accepte un maximum de 15 participants par promotion afin de garantir une meilleure compréhension et un suivi individuel rapproché de chaque participant tout au long de la formation.
Langue d'enseignement
La formation est dispensée en français (des supports en anglais pourront être utilisés).
Contrôle des connaissances
La validation des acquis des enseignements et la délivrance du certificat Data Science est conditionnelle à plusieurs types d’épreuves :
- Un QCM (avec des questions libres) pour chacune des 3 matières au programme, permettant de valider l’acquisition des connaissances vues tout au long de la formation.
- La construction et la soutenance d’un projet.
Planning prévisionnel
Jeudi 27 mars : 9h30 à 17h30 - Ouverture
Jeudi 3 avril : 18h00 à 21h00
Mardi 8 avril : 18h00 à 21h00
Jeudi 10 avril : 18h00 à 21h00
Mardi 29 avril : 18h00 à 21h00
Mardi 13 mai : 18h00 à 21h00
Jeudi 15 mai : 18h00 à 21h00
Jeudi 22 mai : 9h30 à 17h30
Mardi 27 mai : 18h00 à 21h00
Mardi 3 juin : 18h00 à 21h00
Jeudi 5 juin : 18h00 à 21h00
Jeudi 12 juin : 18h00 à 21h00
Jeudi 19 juin : 09h30 à 17h30
Mardi 24 juin : 18h00 à 21h00
Jeudi 26 juin : 18h00 à 21h00
Mardi 1 juillet : 18h00 à 21h00 - Examen sur table
Jeudi 3 juillet : 18h00 à 21h00 - Soutenances des projets
Responsable de la formation & intervenants
La formation est assurée par des conférenciers et des professeurs de classe internationale qui participent à différents enseignements au sein d'établissements de PSL (Université Paris Dauphine-PSL et ENS), de l'Ecole Centrale et de l'Ecole Polytechnique.
Khalid Belhajjame
Maître de conférences en informatique et membre du LAMSADE, Université Paris Dauphine-PSL
Khalid Belhajjame est spécialiste en pay-as-you data integration, e-Science, scientific workflow management, provenance tracking & exploitation et semantic web services.
Jamal Atif
Professeur des Universités en informatique, Université Paris Dauphine-PSL
Jamal Atif est chercheur en Machine learning. Il est chargé de mission IA au CNRS et directeur scientifique adjoint de l'institut PRAIRIE.
Dario Colazzo
Professeur et membre du LAMSADE, Université Paris Dauphine-PSL
Professeur en informatique au sein du LAMSADE, Dario Colazzo est spécialisé dans les domaines de l’algorithmique et de l'optimisation des traitements de données massives.
Il a créé et dirigé le pôle Data Science du LAMSADE pendant 4 ans.
Depuis 2019, il dirige l’Executive Master Intelligence artificielle et science des données de Dauphine Executive Education.
Daniela Grigori
Professeure des universités en informatique, Université Paris Dauphine-PSL
Daniela Grigori est spécialiste en business process Management, workflow technology, web services, SOA et data mining.
Elle est par ailleurs directrice du LAMSADE (Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision) de Dauphine-PSL.
Florence Biéret
06 12 65 16 62
contact.data-science@dauphine.psl.eu
Retrouvez-nous aussi sur les réseaux sociaux
