MR11604A

Master Sciences, technologies, santé mention Informatique parcours Traitement de l'information et exploitation des données


120 crédits Master N'deye NIANG-KEITA et Nicolas THOME EPN05 - Informatique

Publié Du 01-09-2016 au 31-08-2019

Publics / conditions d'accès

La spécialité TRIED est une filière pluridisciplinaire qui est ouverte aux étudiants titulaires des licences de physique appliquée, mathématiques appliquées, informatique, statistique, sciences de l'ingénieur et sciences de l'environnement. Elle doit, de plus, accueillir un flux d'étudiants en formation continue provenant du CNAM. 
Pour les étudiants qui veulent entrer directement en M2, une étude de dossier avec éventuellement un entretien sert à la sélection. Afin d'assurer un niveau suffisant pour aborder le M2 avec de bonnes chances de succès, des exigences de prérequis correspondants aux trois principaux modules obligatoires du M1 sont imposées. Les équivalences sont évaluées librement dans le but de favoriser les échanges avec d'autres programmes (de l'Université de Versailles, du CNAM ou d'autres universités).
Pour les étudiants ayant intégrés la première année du master TRIED, les examens de M1 conditionneront l'admission en M2. Pour les étudiants du CNAM, les équivalences seront attribuées par le comité de pilotage à partir des UE obtenues au CNAM.

Objectifs

L’objectif du master TRIED est de former des spécialistes du traitement des données, discipline émergente aux frontières de l’informatique et des bases de données, de l’intelligence artificielle, de l’apprentissage et de la statistique.

Niveau M1
La spécialité TRIED affiche une composante pluri-disciplinaire importante, seuls les enseignements du second semestre sont imposés (18 ECTS). Ils représentent la connaissance fondamentale indispensable à la poursuite des études en M2.
Les 33 ECTS supplémentaires nécessaires à la validation de l'année M1 seront choisies dans la discipline d'origine de l'étudiant (licence ou filière de l'école d'ingénieur).
Un stage de deux mois (6 ECTS) choisi dans la filière d'origine de l'étudiant, donnant lieu à la rédaction d'un mémoire et d'une soutenance devant un jury et une valeur d'anglais de 3 ECTS compléteront les 60 ECTS permettant de valider l'année M1.
Ce cursus permet à chaque étudiant qui le désire de se spécialiser en traitement des données et de garder une forte spécificité dans un domaine d'application précis (sciences de l'environnement, sciences de l'ingénieur, informatique décisionnelle).


Niveau M2
Les UE du M2 sont réparties en blocs : apprentissage (12 ECTS), bases de données et systèmes d’information (6 ECTS), capteurs et systèmes répartis (6 ECTS), statistique (6 ECTS), anglais (6 ECTS). La formation est complétée par un stage de 24 ECTS, dont le contenu devra être validé par le comité de pilotage afin d’assurer sa conformité par rapport aux problématiques de traitement de données du master. 

Modalités de validation

L’obtention du diplôme est conditionnée à la validation de l’ensemble des blocs théoriques mentionnés ci-dessus (note supérieure ou égale à 10/20 pour chaque UE), et du stage. 

Validation du stage. Vous devez effectuer un stage professionnel d’une durée de 6 mois en relation avec le diplôme de master.
 Une convention peut être passée entre le CNAM et l'entreprise d'accueil, (nécessité au préalable d'avoir été admis par le jury et avoir régularisé son inscription au Master  auprès de la scolarité).

En fin de stage,  vous rédigerez un rapport qui décrit vos activités professionnelles en insistant sur la démarche scientifique suivie : état de l’art et contexte, méthodes utilisées, expérimentations menées et logiciels utilisés.

Les questions administratives sur la convention de stage sont à régler auprès de la scolarité. A cet effet, lire attentivement sur le site Cnam-Paris : http://www.cnam-paris.fr/  rubriques "Suivre ma scolarité ; stages". Les documents à télécharger se trouvent sur ce site. Il est vivement conseillé de commencer les démarches le plus tôt possible pour prendre en compte les contraintes administratives.

Pour l'obtention de l'accord pédagogique, il faut adresser aux responsables du master un descriptif du travail que vous serez amené à faire. Les tâches envisagés doivent être directement liés aux thématiques de traitement de données abordées dans le master. Précisez dans votre mel : le nom de la société, le nom du tuteur, lieu et adresse de votre stage ainsi que la date de début et date de fin en vue de l’établissement de ce document. Pour effectuer un stage dans de bonnes conditions,  il faut avoir réussi au moins les principales unités d'enseignement liées au traitement et l'exploitation des données (à voir avec les responsables en fonction du parcours) entrant dans la composition du master M2. La délivrance de cet accord pédagogique est conditionnée par cette réussite.  

 Une version électronique du rapport sous format pdf doit être expédiée aux responsables du master.

Responsable: Mme Ndeye Niang-Keita <n-deye.niang_keita@cnam.fr>  et Mr Nicolas THOME <nicolas.thome@cnam.fr>

 

 

120 ECTS
M1 60 ECTS
S1 :
Modules libres à choisir non redondants avec les modules obligatoires et pour assurer la cohérence
24 ECTS
Une UE d'anglais au choix parmi : 6 ECTS
Parcours d'apprentissage personnalisé en anglais
6 ECTS
Anglais professionnel
6 ECTS
S2 :
une UE à choisir parmi : 6 ECTS
Théorie et traitement des signaux aléatoires [UVSQ]
6 ECTS
Signal aléatoire
6 ECTS
Intelligence artificielle
6 ECTS
une UE à choisir parmi : 6 ECTS
Approximation numérique pour la physique [UVSQ]
6 ECTS
Recherche opérationnelle et aide à la décision
6 ECTS
Modélisation, optimisation, complexité et algorithmes
6 ECTS
Eléments finis
6 ECTS
une UE à choisir parmi : 6 ECTS
Application des méthodes statistiques [UVSQ]
6 ECTS
Analyse des données : méthodes descriptives
6 ECTS
Analyse des données : méthodes explicatives
6 ECTS
Stage avec rapport et soutenance
6 ECTS
Module libre à choisir en accord avec le responsable du master
6 ECTS
M2 60 ECTS
une UE à choisir parmi : 6 ECTS
Reconnaissance des formes et méthodes neuronales [UVSQ]
6 ECTS
Reconnaissance des formes et méthodes neuronales
6 ECTS
une UE à choisir parmi : 6 ECTS
Mise en oeuvre des méthodes de reconnaissance des formes et neuronales [UVSQ]
6 ECTS
Apprentissage, Réseaux de neurones et Modèles graphiques
6 ECTS
une UE à choisir parmi : 6 ECTS
Outil d'observations/capteur
6 ECTS
Capteurs physiques chimiques et biologiques
6 ECTS
Réseaux et systèmes répartis(1)
6 ECTS
Une autre UE après accord du responsable du master
6 ECTS
une UE à choisir parmi : 6 ECTS
Base de données [UVSQ]
6 ECTS
Conception et administration de bases de données
6 ECTS
Systèmes de gestion de bases de données
6 ECTS
Ingénierie des systèmes décisionnels(1)
6 ECTS
Bases de données documentaires et distribuées
6 ECTS
une UE à choisir parmi : 6 ECTS
Méthodes statistiques pour les données qualitatives [UVSQ]
6 ECTS
Modélisation avancée [UVSQ]
6 ECTS
Analyse des données : méthodes descriptives
6 ECTS
Données catégorielles
9 ECTS
Parcours d'apprentissage personnalisé en anglais
6 ECTS
Stage
24 ECTS

Compétences

Maîtriser des méthodes descriptives et de modélisation avancées de données multidimensionnelles

Déployer des modèles prédictifs sur données massives

Concevoir des applications pour les systèmes embarqués, mobiles et distribués

 

Thésaurus du Cnam :

  • Intelligence artificielle
  • Statistique décisionnelle
  • data scientist
  • Réseau neuronal
  • Analyse des données
  • Objets connectés
  • Reconnaissance des formes
  • Data mining
  • fouille de donnees

Thésaurus Formacode :

  • Aucune indexation

Métiers (ROME) :

  • Aucune indexation

Nomenclature des Spécialités de Formation (NSF) :

  • 326 - Informatique, traitement de l'information, réseaux de transmission

Familles d'activités professionnelles (FAP)

  • Aucune indexation

Secrétariat

Libellé
EPN05 - Informatique
Nom du contact
Swathi Rajaselvam
Adresses email
swathi.ranganadin@cnam.fr
Numéros de téléphone
01 40 27 22 58
Adresse postale
2 rue Conté
Paris 75003