La formation s'articule en deux semestres complémentaires permettant d'acquérir les fondamentaux puis de se spécialiser. 

Semestre d'automne

Le semestre d'automne pose les bases essentielles à travers trois cours fondamentaux :

• Data and Digital Society pour comprendre les enjeux économiques, juridiques et éthiques des données,
• Applied Statistics pour maîtriser les fondements mathématiques,
• Fundamentals of Machine Learning pour s'approprier les concepts clés de l'apprentissage automatique.

Ce socle est complété par un cours d'informatique au choix :

• Data Science Toolkit and Applications est obligatoire pour les étudiants ayant besoin de renforcer leurs compétences en programmation,
• Introduction to Big Data and Spark ou Advanced C++ Programming sont proposés aux étudiants plus avancés.

Le semestre se conclut par Advanced Machine Learning, permettant d'approfondir les techniques d'intelligence artificielle les plus récentes.

Semestre de printemps

Les trois grandes familles de métiers (Data Science & Machine Learning, Data & Analytics, Data Engineering & Architecture) se déclinent en quatre parcours au printemps, offrant ainsi une vision plus fine et des combinaisons de compétences adaptées aux différents besoins des entreprises.

Data Science Real World Applications

Ce parcours met l'accent sur la mise en pratique concrète à travers :

• A Journey to Data Scientist, qui guide les étudiants dans la réalisation complète d'un projet data.
• Prototyping of Data Mining Workflow qui permet de maîtriser la méthodologie CRISP-DM.

Cette approche terrain est idéale pour les futurs Data Scientists et Machine Learning Engineers.

Data Science Manage New Data Types

Ce parcours explore des domaines de pointe avec :

• Heterogeneous Data & Knowledge Processing pour gérer la diversité des données.
• Natural Language Processing and Text Mining pour le traitement automatique du langage.
• Graph Theory & Social Networks Analysis pour l'analyse des réseaux.

Ces compétences sont particulièrement recherchées pour les projets d'intelligence artificielle avancée.

Decision Science

Ce parcours forme à la prise de décision avec :

• Combinatorial Optimization pour résoudre des problèmes d'optimisation complexes.
• Multi-criteria Decision Aiding pour accompagner les choix stratégiques.

Cette spécialisation répond aux besoins des futurs Data Analysts et Decision Support Analysts qui devront transformer les données en décisions.

Data Engineering

Ce parcours développe les compétences techniques avec :

• Data Engineering pour la gestion des infrastructures.
• Advanced Big Data Architecture pour le traitement des données massives.
• Business Intelligence pour la création de tableaux de bord décisionnels.

Ces compétences sont essentielles pour les Data Engineers et Big Data Architects qui construisent les fondations des systèmes d'information modernes.