Contenus et types d'enseignement
Vous trouverez ci-dessous le détail des enseignements mutualisés en science des données des différents parcours de masters "Approche interdisciplinaire en science des données (AISD)".
- Langue du parcours :Français
- ECTS :
- Volume horaire TPTDCICM
- Formation initialeFormation continue
- ApprentissageContrat de professionnalisation
Objectifs du programme
Ce programme est un ensemble de modules d’analyse de données qui s’intègrent dans des parcours d’autres composantes.
En effet, de nombreuses disciplines sont aujourd’hui confrontées à la production, la gestion et l’analyse de jeux de données nécessitant des compétences spécifiques ne relevant pas du champ principal de la discipline. Ce parcours permet aux étudiants de ces disciplines, intéressés par ou confrontés à l’analyse de données, d’acquérir les bases informatiques, mathématiques et éthiques de ce type d’études.
AISD propose en licence un module d'initiation au sciences des données pour les étudiants souhaitant découvrir le domaine.
Le programme propose ensuite des enseignements de master qui s'inscrivent dans des parcours disciplinaires dédiés listés plus bas. Ce parcours contiennent majoritairement des enseignements de la discipline d’origine (90 ECTS), AISD représentant un quart de l’enseignement (30 ECTS).
Il est à noter que l’hétérogénéité des disciplines d’origine des étudiants permet de plus une ouverture à des problématiques interdisciplinaires enrichissantes (cf exemples de projets traités en 2022 listés ci-dessous).
Exemples de projets transdisciplinaires :
En effet, de nombreuses disciplines sont aujourd’hui confrontées à la production, la gestion et l’analyse de jeux de données nécessitant des compétences spécifiques ne relevant pas du champ principal de la discipline. Ce parcours permet aux étudiants de ces disciplines, intéressés par ou confrontés à l’analyse de données, d’acquérir les bases informatiques, mathématiques et éthiques de ce type d’études.
AISD propose en licence un module d'initiation au sciences des données pour les étudiants souhaitant découvrir le domaine.
Le programme propose ensuite des enseignements de master qui s'inscrivent dans des parcours disciplinaires dédiés listés plus bas. Ce parcours contiennent majoritairement des enseignements de la discipline d’origine (90 ECTS), AISD représentant un quart de l’enseignement (30 ECTS).
Il est à noter que l’hétérogénéité des disciplines d’origine des étudiants permet de plus une ouverture à des problématiques interdisciplinaires enrichissantes (cf exemples de projets traités en 2022 listés ci-dessous).
Exemples de projets transdisciplinaires :
- Les romans britanniques de 1178 à 1814 et leur portée didactique: comparaison de deux corpus de texte
- Analyse de données RNAseq dans un modèle murin de la maladie de Huntington
- Sensibilité aux ondes du grand hamster d’Alsace
- IA et challenges sociaux: une analyse bibliométrique
- Analyse lexicale des métadonnées de transcriptomique: une application au cas du cancer de la prostate
- Master Biologie-Santé – parcours « Science des données en recherche en biomédecine »
- Master Biotechnologies – parcours « Biotechnologies et sciences des données »
- Master Droit – parcours « Droit et science des données »
- Master Droit des affaires – parcours « Droit de la propriété intellectuelle et science des données » ( M1)
- Master Droit de la propriété intellectuelle - parcours « Droit de la propriété intellectuelle et sciences des données » (M2)
- Master LLCER – parcours « Approche interdisciplinaire en science des données – Langues, littérature et civilisations étrangères et régionales »
- Master Science du langage – parcours « Science des données et intelligence artificielle »
- Master Science du vivant – parcours « Approche interdisciplinaire en science des données »
Compétences à acquérir
Le programme AISD permet aux étudiants de maîtriser les bases et d’appliquer à des jeux de données issues de domaines différents les thèmes suivants:
- Outils informatiques de traitement/stockage de données
- Programmation (notamment en Python)
- Statistiques
- Apprentissage supervisé et non-supervisé, Machine learning, Deep Learning
- Sécurité, éthique
Contrôle des connaissances
- MECC - Enseignements mutualisés des masters Approche interdisciplinaire en science des données (AISD) - Master 1ère année
- MECC - Enseignements mutualisés des masters Approche interdisciplinaire en science des données (AISD) - Master 2ème année
Contact(s)
Etienne Birmele
Nicolas Lachiche
Programme des enseignements
Approche interdisciplinaire en science des données (AISD)
Contact
UFR de mathématique et d'informatique
7, rue René Descartes67084 STRASBOURG CEDEX
0368850200
Formulaire de contact