Master mention Mathématiques appliquées, statistique, parcours Science des données, statistique et économétrie

Master mention Mathématiques appliquées, statistique, parcours Science des données, statistique et économétrie

étudiants et étudiantes de la faculté des sciences économiques de Rennes - Université de Rennes 1

Accroche

La formation vise à former des experts de la science des données, des Data Scientist, spécialistes des données complexes nécessitant l'utilisation de techniques statistiques avancées comme l'intelligence artificielle et maitrisant les outils informatiques et numériques pour les mettre en œuvre. Ce parcours apporte des compétences complémentaires en statistique, en économétrie et en techniques de prévisions.

En pratique

Libellé réglementaire
Master mention Mathématiques appliquées, statistique, parcours Science des données, statistique et économétrie
Type de diplôme
Master
Niveau de sortie
bac+5 et plus
Modalités pédagogiques
Présentiel
ECTS
120
Langue de la formation
Français
Localisation(s) des enseignements
Rennes

Présentation

Le développement de systèmes d’information permet aujourd’hui de disposer de données massives et complexes, dont l’exploitation requiert des approches pluridisciplinaires à dominante statistique et informatique.  Le parcours Science des données, statistique et économétrie forme aux métiers de la Data. En compléments des enseignements de machine learning et deep learning, l'accent est mis sur le natural language processing, l’analyse des réseaux sociaux, l’économétrie et la prévision de séries temporelles. Elle aborde les différents types de données : individuelles, temporelles, spatiales, réseaux, textes, images.

En complément des enseignements de machine learning et deep learning qui peuvent s'appliquer sur des données des grandes dimensions ou d'image, l'accent est aussi mis sur le traitement des données textuelles (NLP), l'analyse de données de réseaux comme les réseaux sociaux, l'analyse de données multidimensionnelle comme les données mixtes, de panel ou encore spatiale et enfin l'analyse de série temporelle afin de faire des prévisions.

Publics

Ce parcours s’adresse à toute personne désireuse de s’initier ou de se spécialiser dans la statistique et les diverses facettes de la modélisation des données ainsi que par les aspects informatiques du traitement de données.

La formation s'adresse plus particulièrement aux diplômé·e·s de licence :

  • L3 MIASHS ;
  • L3 Mathématiques ;
  • L3 Économie avec un parcours économétrie, science des données, mathématiques, statistiques ...

Cette formation est accessible en reprise d'études à temps plein, en intégration formation initiale (alternance).

Compétences développées

Les étudiants sont formés aux méthodes d’analyse statistique les plus récentes, aux algorithmes d'intelligence artificielle, et aux outils informatiques et numériques indispensables pour exercer les métiers de data scientist et data analyst. Ce cursus propose également des modules de formation aux techniques de prévisions et de modélisation des comportements individuels.

Les diplômés seront en mesure de :

  • utiliser des outils de programmation et de modélisation ;
  • concevoir et mettre en œuvre une étude statistique de sa phase initiale du recueil des données jusqu’à la restitution des résultats sous forme de tableaux de bord et d’indicateurs numériques ;
  • mettre en œuvre des méthodes de traitement et d’analyse de données en utilisant des logiciels et des langages de programmation spécialisés (Python, R, SAS…) dans un environnement numérique approprié ;
  • proposer et développer une stratégie statistique ou numérique (indicateurs et modèles) pertinente pour modéliser un phénomène complexe et analyser son adéquation au regard de données expérimentales ;
  • mettre en œuvre différentes méthodes de visualisation de données, de machine learning et de deep learning appropriées au contexte ;
  • interpréter/présenter les résultats en vue d'un échange avec des non-mathématiciens ;
  • exploiter des infrastructures informatiques distribuées pour stocker et traiter des données (SQL, NOSQL…) ;
  • conduire des projets intégrant des contraintes légales et éthiques pour diffuser les bonnes pratiques.

Les plus de la formation

  • Formation au cœur des besoins métiers.
  • Compétences opérationnelles reconnues par les entreprises.
  • Travail en mode projet collaboratif en deep learning, machine learning, NLP et économétrie.
  • Participation au Rennes Data Challenge.
  • Possibilité de double diplôme avec le magistère statistique et modélisation économique.
  • Travail par projet.
  • Rythme d’apprentissage adapté aux besoins des entreprises.

Partenaires de la formation

Diplôme coaccrédité par l'Université de Rennes, l'Université Rennes 2, l'ENSAI, l'Institut Agro Rennes-Angers et EHESP.

Et après ?

Devenir des diplômés

Le master Science des données, statistique et économétrie est à très forte insertion professionnelle, et ouvre sur un nombre très important, en pleine croissance, de débouchés de cadres statisticiens dans l’ensemble des secteurs d’activité (conseil, commerce, systèmes intelligents, média, banque, assurance, industrie, biologie, santé, administration,recherche, sport…).

Poursuite d'études

Doctorat pour un accès aux métiers de maître de conférences, chercheur à l’Université, au CNRS ou dans un EPST (INRIA, INRA, IFREMER).

Types de métiers

Les diplômés peuvent accéder à des métiers dans des secteurs variés :

  • Data Scientist
  • Data Analyst
  • Prévisionniste
  • Statisticien Economiste
  • Economètre
Secteurs d'activités (code ROME)
M1403 Études et prospectives socio-économiques
M1201 Analyse et ingénierie financière
H1210 Intervention technique en études, recherche et développement
C1105 Etudes actuarielles en assurances

Recherche & international

Lien avec la recherche

Les cours de Statistique bénéficient de l'ancrage recherche des enseignants-chercheurs des unités mixtes de recherche (UMR) CNRS : IRMAR (UMR 6625) et CREST (UMR 9194). Les cours en économétrie et en économie sont dispensés par des enseignants-chercheurs du CREM (UMR 6211).

Cet ancrage recherche garantit l'adéquation entre contenus enseignés et avancées récentes en recherche : statistique théorique et appliquée, analyse des données massives et complexes, apprentissage statistique, macroéconomie, finance, économie publique, économie industrielle et économie comportementale.

Les cours communs d'informatique majoritairement donnés par des enseignants-chercheurs (LETG-UMR 6554, IRISA UMR 6074) sont adaptés aux dernières innovations en matière de choix de langages et d'illustrations pédagogiques.

Echanges internationaux

Double diplôme avec l'Université d'Augsburg, labellisé formation d'excellence par l'Université franco-allemande.

Organisation pédagogique

Le master se prépare en deux années : 

  • La première année (M1) dispense des enseignements communs à l’ensemble des parcours, à l’exception d’une unité d’enseignement correspondant à un choix de pré-spécialisation.

    Semestre 1 :

    - Statistique (analyse factorielle, modèle linéaire, statistique inférentielle)
    - Outils numériques (base de données, logiciel statistique, R, SAS, Python)
    - Droit et modélisation des comportements

    Semestre 2 : 
    Statistique (modèle logistique, analyse discriminante, apprentissage non supervisé, séries temporelles, apprentissage supervisé)
    - Outils numériques (R, SAS, Python, visualisation des données) 
    - Spécialisation : économétrie avancée, série temporelle et prévisions avancées, analyse coût bénéfice, EMOS
     
  • La deuxième année (M2) est propre à chaque parcours et comprend un stage obligatoire de fin d'études réalisé en entreprise, en laboratoire de recherche ou en organisme public. Elle peut être également suivie en alternance.

    - Data Science (machine learning, deep learning, NLP, Analyse des réseaux, challenge data science Rennes) 
    - Économétrie avancée (données spatiales, données de panel et mixte, modèle de choix discret, extension du modèle linéaire)
    - Série temporelle et prévision (techniques de prévision, série temporelle multivariée, data science pour les séries temporelles)
    - Data Management (date engeneering, Bi et outils numériques)
    - Environnement professionnel (Anglais, marketing sustainable, digitalisation, éthique, conférences, professionnelles) 
     

Lieu de la formation : Faculté des sciences économiques - Rennes

Durée de la formation

La formation se déroule sur 9 mois (de septembre à mai) /en alternance : 1 à 2 semaines à l’université, 2 à 3 semaines en entreprise.
Volume total : 451,5 heures réparties sur 64,5 jours (soutenance comprise).

Calendrier de la formation

Début des cours : 2 septembre 2024
Date de fin des cours : 16 mai 2025
Période des soutenances : début juillet 2025

Modalités d'évaluation

Modalités de contrôle des connaissances et des compétences (MCCC)

Les aptitudes et l’acquisition des connaissances et des compétences des Unités d'Enseignement (UE) sont appréciées soit par un contrôle continu régulier, soit par un examen terminal, soit par ces deux modes d’évaluation combinés.

Validation de l’année et du diplôme

La maîtrise est obtenue par validation du master 1re année (M1) soit 60 crédits (ECTS).
Le diplôme de master est obtenu par validation des années M1 et M2 et s’accompagne de l’obtention de 120 crédits (ECTS).

Pour en savoir plus

L'ensemble des dispositions générales de MCCC est téléchargeable :

Dispositions générales des MCCC pour les masters - 2023-2024 - (1.32 Mo)
Les MCCC détaillées par diplôme sont votées chaque année en CFVU. Elles sont consultables sur l'ENT des étudiants et stagiaires inscrits en formation.

Liens avec le monde professionnel

Tout au long du cycle master, les étudiant·e·s bénéficient d’un accompagnement individuel et/ou collectif à l’insertion professionnelle, proposé par le SOIE et les équipes pédagogiques.

Lors d’une semaine dédiée à l’insertion professionnelle et à l’entrepreneuriat, ils.elles construisent leur parcours individualisé dans une large offre d’ateliers, de conférences, de speed-meetings, de forums d’entreprises.

Les équipes pédagogiques, avec le soutien de la Fondation de l'université de Rennes, mettent en place des parrainages, des rencontres avec des professionnels et des anciens diplômés. L'objectif étant de faire découvrir les métiers de la data science, les spécificités de ce secteur, notamment les sociétés de conseils, spécialisés en data science, en intelligence artificielle ou en business intelligence.

Périodes de stage (en formation initiale) :

  • en M1 : 2 mois minimum
  • en M2 : 6 mois minimum
    Formation initiale

    Responsable(s) pédagogique(s)

    Isabelle CADORET
    Catherine BENJAMIN
    Véronique THELEN
    Nathalie PAYELLE

    Contact(s)

    Scolarité sciences économiques
    7 place Hoche
    35065 RENNES
    Tel
    02 23 23 35 45
    eco-scol [at] univ-rennes.fr
    Service orientation insertion entrepreneuriat (SOIE)
    1 rue de la Borderie
    35000 RENNES
    Tel
    02 23 23 39 79
    soie [at] univ-rennes.fr

    Pré-requis

    • L3 MIASHS ;
    • L3 Mathématiques ;
    • L3 Économie avec un parcours économétrie, science des données, mathématiques, statistiques ...

    Profils attendus

    Bonne aptitude pour les mathématiques et les statistiques et l'informatique, sens de la rigueur, être autonome et curieux intellectuellement.

    Modalité(s) d'alternance

    Contrat d'apprentissage
    Contrat de professionnalisation

    Responsable(s) pédagogique(s)

    Isabelle CADORET

    Contact(s)

    Service formation continue et alternance - DEG
    pôle Droit, Économie, Gestion
    11 rue Jean Macé
    35000 RENNES
    Gilles COATANÉA
    Chargé de mission
    gilles.coatanea [at] univ-rennes.fr
    Florence BRZECHWA
    Gestionnaire de formation
    florence.brzechwa [at] univ-rennes.fr

    Pré-requis

    Accès au parcours : avoir des bases solides en mathématiques, en statistiques (probabilités, tests statistiques, économétrie, séries temporelles, analyse de données, niveau 1 de machine learning...) et en programmation R et python notamment.

    Accès en master 2 : avoir validé un diplôme de niveau bac+4, soit 240 crédits ECTS.

    Il est possible d'accéder à cette formation sans être titulaire des titres requis via une validation de vos acquis personnels et professionnels (VAPP).
    En savoir plus sur ce dispositif facilitant votre entrée en formation.

    Modalités de candidature et constitution du dossier

    Sélection des candidatures après examen du dossier pédagogique et entretien de recrutement avec le jury de la formation (pour les dossiers sélectionnés).
    Outre la sélection sur critères académiques, l'accès définitif à la formation est conditionné à la signature d’un contrat avec une entreprise d’accueil dont la mission proposée sera soumise à l'approbation du responsable pédagogique.

    Pièce justificatives demandées :

    • photocopies des diplômes et/ou relevé de notes
    • CV et lettre de motivation | photo d’identité | attestations professionnelles…

    Coût de la formation

    Les frais de formation sont pris en charge par l'entreprise d'accueil.
    Seule la CVEC (Contribution de vie étudiante et de campus) est à charge de l'étudiant en contrat d'apprentissage.
    Pour les contrats d'apprentissage, le tarif de la formation sera celui du Référentiel unique des niveaux de prise en charge des contrats d’apprentissage de France Compétences en vigueur, ou à défaut celui du décret du N° 2019- 956 du 13 septembre 2019.

    Last updated: jeu, 08/02/2024 - 17:09