A estrutura combina aquecimento técnico, cursos especializados, sessões de suporte e experiência profissional integrada.
DSTI não se esconde atrás de rótulos vagos de cursos. O MSc in Data Engineering for AI é mostrado abaixo por meio de seus blocos de ensino, horas, ECTS e conteúdo do curso.
Uma ponte preparatória para estudantes de diversas origens acadêmicas antes de entrarem no núcleo completo do mestrado.
Uma estrutura transparente de curso a curso que abrange engenharia de software, nuvem, gerenciamento de dados, DevOps, IA e segurança.
Uma experiência profissional validada em que os alunos aplicam o programa em um ambiente de trabalho relevante.
O Warm Up reforça a matemática, a programação, o gerenciamento de dados, a consciência da IA e os fundamentos de TI antes que os alunos entrem no núcleo completo do mestrado.
Core mathematical preparation for quantitative and technical coursework.
Programming, data structures and first machine-learning workflows using Python and R.
Introduction to how data is organised, stored, queried and prepared for later work.
Initial orientation on artificial intelligence concepts, uses and limits.
Essential concepts about how computers execute, store and process information.
Basic networking knowledge for students who will work with connected systems and platforms.
Practical systems work to consolidate the IT foundation of the programme.
Responsible and sustainable digital practice.
Baseline spreadsheet skills for students who need to consolidate fundamentals.
Esse bloco cria a base da engenharia da computação por trás dos sistemas de dados e IA: plataformas em nuvem, design de software, web semântica, engenharia web e implementação de aprendizado de máquina.
AWS cloud services and preparation for AWS Certified Solutions Architect – Associate.
Comparative overview with AWS, focusing on Azure services relevant to data lakes and data pipelines.
RDF, SPARQL and standards for representing, querying and using knowledge on the web.
Procedural programming in Rust, memory representation, ownership, borrowing, data structures, testing and reliable code.
Object-oriented programming in C#, SOLID, UML, MVC, design patterns, services and Entity Framework.
Data structures, data cleaning, feature engineering and machine-learning modelling with Python libraries.
HTML, CSS, JavaScript, front-end basics, MVC programming with ASP.NET and API frameworks.
Esse é o centro de gravidade do programa: armazenamento de dados, data warehouses, ETL, bancos de dados gráficos e de documentos, ecossistemas de big data e tecnologias de pipeline.
Relational databases, advanced SQL queries, stored procedures, triggers, dynamic SQL and Microsoft SQL Server.
Design and implementation of data warehouses and ETL processes in stand-alone and cluster deployments.
Graph-based problem modelling and practical implementation in Neo4j graph databases.
MongoDB collections, documents, advanced queries, aggregations and data architecture.
HDFS, scheduling, resource management, workflow and ETL, scalable enterprise service bus, Spark and data exploration.
XML data flow, DTD and schemas, XSL transformations and JSON data formats.
Apache Spark, Kafka, modern data platforms, Lambda and Kappa architectures, anything-as-code and CI/CD practices.
A engenharia de sistemas de dados também exige métodos de projeto, conhecimento jurídico, prática de DevOps, fundamentos de segurança cibernética e design de sistemas de informação.
Data privacy and security principles, EU and US regulation, and differences between common law and code law.
Project management lifecycle and best practices for traditional and agile approaches.
Preparation for Microsoft Power Platform Functional Consultant and CRM data management software.
Nagios, Consul, Docker, Ansible, GitHub, Jenkins, Kubernetes and continuous integration practices.
System security design patterns, infrastructure security, data encryption and code safety.
Principles and methodologies for designing and analysing information systems.
O programa conecta a engenharia de dados com a ciência e as aplicações da IA, para que os graduados entendam não apenas os pipelines, mas também os modelos que eles suportam.
Calculus, linear algebra and complex numbers needed for optimisation and data science.
Descriptive statistics, probability theory and applications using R.
Importing, manipulating, transforming, visualising, exploring and modelling large datasets in R.
Neural network layers, weights, biases, hyperparameters, optimisation and TensorFlow implementation.
Deep learning models in Python, with practical applications in computer vision and natural language processing.
As sessões de apoio ajudam os alunos a consolidar conceitos difíceis, enquanto a experiência profissional valida a capacidade de aplicar o programa em um ambiente de trabalho relevante.
Reviewing course topics, answering student questions, re-explaining harder notions and preparing for examinations.
Internship, employment or contracting experience validated through DSTI’s standard evaluation procedures.
Os alunos do MSc Data devem validar o Neo4j certification. Uma segunda certificação aprovada é altamente recomendada e concede a distinção “with Honours” aos graduados.
Para engenharia de dados para IA, DSTI prepara certificações de programas por meio do CRM Data Management e da computação em nuvem Amazon AWS. Certificações adicionais podem ser aceitas somente quando o corpo docente e Direção de Estudos validarem seu nível, escopo e relevância para a trajetória do aluno.
Contexto do curso: Gerenciamento de dados de CRM
Site de certificaçãoContexto do curso: Computação em nuvem - Amazon AWS
Site de certificaçãoEsta lista não é gratuita para todos. Cada certificação alternativa deve ser relevante para a rota de estudo e os objetivos de carreira do aluno e permanece sujeita à validação do corpo docente e de Direção de Estudos.
MongoDB
Instituto C++
OracleOracle
GoogleAWSAWSMicrosoft
TerraformMicrosoftGoogleMicrosoftMicrosoftMicrosoftMicrosoft
ElasticElasticMicrosoft
dbt
Fortinet
Denodo
Databricks
scikit-learn
CiscoDSTI foi construído em torno do ensino conectado. Os estudantes podem estudar no campus, por meio do acesso Live Streamed, ou por meio da rota on-line, quando essa modalidade se adequar à sua situação.
Assíncrono online Acesse o programa pela modalidade on-line da DSTI quando ela for a mais adequada à sua situação. O programa inclui experiência profissional integrada. O percurso depende de onde o aluno está baseado e do que faz sentido profissional.
DSTI pode apoiar a experiência profissional na França ou no exterior, sujeito à validação acadêmica e às regras do programa. O trabalho deve ser relevante para os resultados da aprendizagem.
Para muitos estudantes internacionais ou de Live Streamed, o melhor caminho é um estágio relevante no mercado de trabalho local.
Alternativa estruturada Quando relevante, DSTI pode orientar os alunos para uma opção estruturada de estágio internacional por meio de CRCC Asia.
Visite CRCC AsiaOs alunos recebem orientação sobre currículos, perfis públicos, inscrições e posicionamento profissional.
As primeiras funções típicas incluem engenheiro de dados júnior, desenvolvedor de ETL/Data Pipeline, engenheiro de análise ou engenheiro de suporte de dados em nuvem, dependendo da base técnica e da exposição do projeto do aluno.
Com a experiência, os graduados podem progredir para as funções de engenheiro de dados, engenheiro de plataforma de dados em nuvem ou engenheiro de DataOps/MLOps. As responsabilidades de arquitetura normalmente vêm mais tarde, após a entrega real do sistema.
O MSc in Data Engineering for AI é uma rota técnica. Matemática, inglês e prontidão de TI são importantes, e o processo de admissão deve confirmar que o candidato pode progredir seriamente.
Os candidatos devem possuir um diploma de bacharel reconhecido ou equivalente em Engenharia da Computação, Sistemas de Informação, Ciência da Computação ou uma disciplina de computação intimamente relacionada.
Candidatos com menor formação técnica podem ser convidados a fazer o exame de admissão on-line da DSTI em matemática e TI.
Os cursos são ministrados em inglês. IELTS 6.0, Duolingo 110 ou evidência equivalente podem ser necessários.
Os alunos devem ter um laptop com Windows PC com pelo menos 16 GB de RAM, capaz de executar a versão mais recente do Windows.
Candidatos que concluíram ou estão terminando o primeiro ano de um programa de mestrado na mesma área ou um bacharelado de quatro anos na mesma área podem solicitar a entrada direta no Ano 2. Direção de Estudos decide sobre a admissão após uma revisão acadêmica específica.
Exames comuns obrigatórios: Applied Mathematics; Foundations of Statistical Analysis — Part 1; Data Wrangling with SQL. Exames adicionais do programa: Analysis & Design of Information Systems; Cloud Computing — Amazon AWS — DSTI Internal Exam; Software Engineering with C.
Se você está hesitando entre análise de dados com IA, engenharia de dados para IA e ciência de dados e IA, a questão-chave é seu centro de gravidade: decisão e implementação, plataformas e pipelines ou modelagem e sistemas de IA.
