Ce que vous saurez faire
Il s'agit d'un parcours en Data Science construit sur de solides bases statistiques et économétriques. Les étudiants apprendront à coder et à appliquer des techniques d'apprentissage automatique (machine learning) ainsi qu'à interpréter et à communiquer les résultats de leurs projets scientifiques. Les étudiants pourront ainsi contribuer à l'élaboration de réponses pertinentes et robustes aux questions que les entreprises et les administrations peuvent se poser dans leur prise de décision.
A la fin du M2, nos étudiants auront acquis les compétences techniques pour gérer et analyser des ensembles de données massives, les soft skills pour communiquer, et ainsi être en mesure de poursuivre des carrières professionnelles en tant que Data Scientists ou Data Analysts. La pédagogie est basée sur la réalisation de projets. La capacité d'analyse de l'étudiant dans un contexte professionnel, et donc son employabilité, est développée par un stage de fin d'études, complété par la rédaction et la présentation d'un rapport. Le parcours est ouvert à "alternance/apprentissage " ; dans ce cas, les étudiants alternent entre cours à l'université et travail en entreprise.
Le déroulé, étape par étape
Semestre 3
BCC 1 : Etre capable d'utiliser les méthodes de la science de données
- Machine Learning et Programmation I / Machine Learning and Programming
Machine learning et statistical learning / Machine Learning and Statistical Learning
Programmations / Programming
Logiciels / Software
BCC 2 : Etre capable de comprendre et appliquer les techniques économétriques
- Econométrie / Econometrics
Méthodes de prévision / Predictive Methods
Méthodes de réduction de l'information / Methods for Information Reduction
Méthodes non paramétriques en économétrie / Non-parametrics Methods in Econometrics
Séries temporelles / Time Series
BCC 3 : Etre capable de concevoir, conduire et communiquer autour d'un projet en maîtrisant l'environnement professionnel
- Applications et projets I / Applications and Projects I
Utilisation de la science des données : limites et défis / Practicing data science in the real world: Limitations and Challenges
Application: marketing quantitatif / Application: Quantitative Marketing
Méthodologie des études économétriques et statistiques / Methodology of econometric and statistical studies
- Préparation de l'insertion professionnelle / Preparation for entering the job market
Ateliers de professionnalisation / Professional training
Semestre 4
BCC 1 : Etre capable d'utiliser les méthodes de la science de données
- Machine Learning et Programmation II / Machine Learning and Programming II
Machine learning avancé / Advanced Machine Learning
Interprétabilité et la causalité en Machine Learning / Interpretability and Causality in Machine Learning
BCC 2 : Etre capable de comprendre et appliquer les techniques économétriques
- Econométrie II / Econometrics II 3
Modèles de transitions et de durées / Transition and Duration Models
Colles en économétrie / Oral training in econometrics
BCC 3 : Etre capable de concevoir, conduire et communiquer autour d'un projet en maîtrisant l'environnement professionnel
- Applications et projets II / Application and projects II 3
Hackathon / Hackathon
Certification / Certification
BCC 4 : Se professionnaliser
Stage de fin d'études
Rapport de stage
À la fin de la formation
Compétences professionnelles visées à la fin du M2 :
Savoir manipuler, analyser et interpréter les données à l'aide de techniques d'apprentissage automatique (machine learning) et de méthodes économétriques de pointe, quelle que soit leur nature (par exemple, des données quantitatives, qualitatives ou non structurées telles que du texte et des images) ou leur taille.
Être compétent dans divers langages de programmation (tels que Python et R) et applications de science des données (telles que les visualisations de tableaux de bord), afin de pouvoir s'adapter rapidement à tout environnement professionnel.
Choisir de manière autonome les meilleurs outils d'apprentissage automatique pertinents et les mettre en œuvre afin d'obtenir des réponses fiables et robustes qui contribuent à la création de valeur pour l'entreprise ou fournissent des analyses utiles aux administrations publiques ou privées dans la conduite de leurs actions.
Communiquer clairement à l'oral et à l'écrit les résultats de vos analyses quantitatives à des publics variés tels que des chefs d'entreprise non spécialistes ou des data scientists professionnels.
Ce parcours est enseigné 100% en anglais.
Selon l’organisme
Solide connaissance des méthodes économétriques et d'apprentissage automatique et de leurs conditions d'utilisation, mise en œuvre sur des données réelles et à la présentation des résultats, à des publics variés. Utilisation de l'anglais
Où se déroule la formation
Payer avec votre Compte Personnel de Formation
Cette formation figure au catalogue Mon Compte Formation : elle est éligible au CPF. Vos droits, cumulés en euros, se consultent et s’utilisent sur le site officiel.
Vérifier mes droits sur moncompteformation.gouv.frOrganisme, certification, inscription
Texte rédigé par l’organisme de formation. Source : « Moncompteformation – L’offre de formation », Caisse des Dépôts et DGEFP, données ouvertes sous Licence Ouverte 2.0, mise à jour du 14/10/2026. WorkDispo n’est pas affilié à Mon Compte Formation.
