
Data Science pour le Management et l’Intelligence Artificielle
Objectifs de la formation
Ce master a été développé avec un triple objectif : rendre des gestionnaires capables de travailler avec des données et/ou de manager des équipes et des projets travaillant dans le domaine de la science des données avec des solutions basées sur l’intelligence artificielle, et inversement, former les « spécialistes de la donnée » aux dimensions managériales et à l’intelligence artificielle. Dans un secteur fortement évolutif, le Master DSMIA assure une mission de transmission et d’actualisation des connaissances (appropriation des innovations technologiques et managériales) pour les participants. Il assure la professionnalisation des participants par la mise en situations : un stage en alternance, un travail sur projets par des équipes de participants de formations hétéroclites réunissant maîtres ‘d’ouvrage’ et ‘d’œuvre’, un brassage d’origines disciplinaires, d’expériences et d’ancienneté, des intervenants professionnels (40% des enseignements).
Débouchés de la formation
Cette formation vise à permettre aux lauréats de postuler à plusieurs missions dans le domaine du data Science pour le Management. Comme exemples de missions : Business Strategy Analyst ; Business Development Manager ; Chargé d’études managériale ; Chargé de veille ; Chargé de marketing ; Consultant Business Intelligence / Big Data ; Consultant manager chez un éditeur de logiciels de veille ; Consultant en Business Intelligence et analyse de données ; Partenaire dans une société spécialisée en Due Diligence ; Responsable de la cellule d’intelligence économique d’une chambre d’agriculture ; Responsable projets data et digital ; Analystes de données ; Data miner ; Développeur de rapports business intelligence…
Conditions d’accès:
Au moins Bac+3 ou équivalent. L’accès au M1 est possible pour des étudiants ayant tout à la fois obtenu une licence ou équivalent dans le domaine (droit, administration, économie, gestion ou informatique). Le M2 intègre des étudiants possédant une solide formation en informatique et /ou gestion. Il est particulièrement approprié pour les étudiants diplômés de Master 1 MIAGE, M1 Gestion, M1 Sciences Economiques, école d’ingénieur en informatique, etc. et aux titulaires de licences et justifiant une expérience professionnelle d’au moins 2 ans dans le domaine, désireux d’associer à leurs acquis initiaux des compétences en data Science.
Prérequis pédagogiques:
La validation des enseignements en sciences de gestion ou informatique proposés au sein de leur parcours.
Procédures de sélection:
- Etude du dossier : Une présélection des candidats est effectuée sur dossier (Diplôme ou attestation de réussite définitive, Attestations justifiant le nombre d’années d’expérience dans le domaine, CV et lettres de motivation).
- Entretien : Les candidats présélectionnés passeront un entretien devant un jury.
Course Content
-
SEMESTRE 1
- Module 1 : Science des données, Prédiction et Prévision managériale
- Management d’entreprise
- Analyse managériale , Prédictions : Méthodes, Modèles et Techniques
- Module 2 : Management des SI
- Business intelligence
- ERP
- Droit du numérique et des données
- Module 3 : Les techniques de l’intelligence artificielle en management
- Introduction IA (Concepts de bases)
- Apprentissage et Traitement du langage naturel
- Module 4 : Langues et Communication
- Business English
- Méthodologies de communication et Parcours carrières
-
SEMESTRE 2
- Module 5 : Gestion des Bases de données
- GBD SQL et NoSQL (orientées Graphes)
- BD managériales (publiques et entreprises)
- Module 6 : Comportements et incitations en management
- Comportement économique
- Comportement stratégique
- Module 7 : Bases de la data science
- Informatique (Langages, Outils et Plateformes)
- Fondements Scientifiques de la data Science (Analyse, visualisation des données)
- Module 8 : Constellation d’outils et de Plateformes pour le Data science
- Market survey Marché professionnels d’outils et de plateformes, et Solutions Cloud
- Déploiement de Solutions Data Science pour le management
-
SEMESTRE 3
- Module 9 : Veille, IA, intelligence Economique et Intelligence Collective
- Veille stratégique et intelligence collective et économique
- Plateformes de Veille et l’IA Finance
- Module 10 : Finance
- Analyse financière et comptabilité
- Audit et contrôle de gestion
- Module 11 : Management numérique
- Commerce électronique
- Entreprise Digitale et Analyse des réseaux sociaux
- Module 12 : Data Science et Prédictions des comportements
- Big data
- Machine Learning
-
SEMESTRE 4
- Module 12 : Systèmes de recommandation
- Systèmes de recommandation et Approches
- Algorithmes et plateformes
- Module 13 : Traitement de la connaissance
- Gestion de la connaissance et nouvelles technologies
- L’apprentissage (induction, déduction et par analogie) et agents intelligents
- Module 14 : Déploiement de Projets Data science en Management
- Méthode CRISP et Architecture
- Core business et Etudes de cas
- PFE
- Méthodologie de communication
- PFE

