A estrutura combina aquecimento técnico, cursos especializados, sessões de suporte e experiência profissional integrada.
A DSTI não se esconde atrás de descrições vagas. O MSc in Data Science & AI é apresentado abaixo por meio de seus blocos de ensino, horas, ECTS e conteúdo das disciplinas.
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 modelagem, otimização, aprendizado profundo, MLOps, big data e governança.
Uma experiência profissional validada em que os alunos aplicam o programa em um ambiente de trabalho relevante.
O Warm Up ajuda estudantes de origens variadas a reforçar a matemática, a programação, a consciência da IA e os fundamentos de TI necessários para um mestrado sério em Ciência de Dados e IA.
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.
Este bloco estabelece os fundamentos científicos e matemáticos do programa: análise estatística, otimização, séries temporais, SAS e redes neurais.
Calculus, linear algebra and complex numbers required for optimisation and data science.
Descriptive statistics, probability theory and applications using R.
Tests, estimators, confidence intervals, inference, ANOVA, PCA, linear regression and applications using R.
Temporal data analysis with mathematical foundations and applications in R for forecasting and prediction.
Preparation for SAS Base certification, covering SAS Base programming and applications in SAS STATS.
Critical points, optimisation of multivariable functions, gradient methods and constraint-based optimisation using Lagrange multipliers.
Neural network layers, weights, biases, hyperparameters, optimisation algorithms and TensorFlow implementation.
Os cientistas de dados precisam de conhecimentos de engenharia. Esse bloco conecta a modelagem aos ambientes de software, nuvem, bancos de dados, MLOps e big data que tornam a IA implantável.
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.
DevOps, GitOps, DataOps, MLOps, unit testing with Spark, CI/CD, artifact deployment, Databricks and MLFlow.
Relational databases, advanced SQL queries, stored procedures, triggers, dynamic SQL and Microsoft SQL Server.
AWS cloud services and preparation for AWS Certified Solutions Architect – Associate.
HDFS, scheduling, resource management, ETL, scalable enterprise service bus, Spark, data exploration and visualisation.
Esse bloco é o núcleo da modelagem avançada: estatísticas de alta dimensão, análise de sobrevivência, problemas inversos, bancos de dados gráficos e de documentos, aprendizado profundo, ABM e web semântica.
Multiple linear regression, CART, random forests, feature selection, model comparison and practical applications in R.
Analysis of large datasets including open data and social networks, with modern statistical tools and practical implementation in R.
Parametric, non-parametric and semi-parametric survival analysis techniques.
Variational and sequential data assimilation for initial condition identification and parameter estimation, with Python applications.
Preparation for Neo4j Certified Professional and graph-based problem modelling with practical Neo4j implementations.
MongoDB collections, documents, advanced queries, aggregations, architecture and practical applications.
Deep learning models in Python, with practical applications in computer vision and natural language processing.
Complex problem modelling with ABM, comparisons with statistical, Markov and system dynamics approaches, and ABM validation.
RDF, SPARQL and standards for representing, querying and using knowledge on the web.
A ciência de dados e a IA são usadas em organizações e ambientes jurídicos. Este bloco aborda a regulamentação de dados, a ética e a metodologia do projeto.
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.
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 questions, re-explaining harder concepts 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 ciência de dados e IA, DSTI coloca em primeiro plano as certificações preparadas por meio da computação em nuvem Amazon AWS e da SAS Base Programming. Outras certificações reconhecidas podem ser aceitas somente após o corpo docente e Direção de Estudos validarem seu nível e relevância para a carreira do aluno.
Contexto 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++
DatabricksDatabricksDatabricksAWSAWS
IBMNeo4j
Google
DataikuDataikuDataiku
scikit-learnGoogle
DenodoDSTI 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 cientista de dados júnior, analista de aprendizado de máquina, cientista de dados aplicado ou estagiário de IA/ML, dependendo da matemática, codificação e portfólio de projetos do aluno.
Com a experiência, os graduados podem progredir para as funções de cientista de dados, engenheiro de aprendizado de máquina, engenheiro de MLOps ou especialista em IA aplicada. A implantação responsável e o valor mensurável são mais importantes do que a inflação do título de trabalho.
O MSc in Data Science & AI exige preparação matemática, proficiência em inglês e capacidade de avançar por disciplinas técnicas e estatísticas exigentes.
Os candidatos devem possuir um diploma de bacharel reconhecido de 3 ou 4 anos ou equivalente, em um campo em que a matemática aplicada tenha sido estudada, como matemática, física, engenharia, ciência da computação ou economia.
Os candidatos podem ser convidados a fazer o exame de admissão on-line da DSTI em matemática e TI, especialmente quando a equipe de admissões ou a Direção de Estudos precisar de mais evidências de preparação.
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: Matemática Aplicada; Fundamentos da Análise Estatística — Parte 1; Data Wrangling with SQL. Exames adicionais do programa: Continuous Optimisation; Artificial Neural Networks.
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.
