Responsables pédagogiques :
La 2e année du Master MIAGE parcours MIAGE Informatique Décisionnelle (MIAGE-ID) en alternance vise à doter les étudiants de compétences scientifiques pour améliorer le fonctionnement des organisations par l'utilisation des outils de l'informatique décisionnelle et l'application d'une approche scientifique. Il s'agit donc de former des professionnels ayant une double compétence en informatique.
Les objectifs de la formation :
Les Modalités des Contrôles de Connaissances (MCC) détaillées sont communiquées en début d'année.
La formation démarre en septembre et la présence en cours est obligatoire. Les enseignements sont organisés en semestre 3 et semestre 4. Chaque semestre est constitué d'UE auxquelles s'ajoute un mémoire pour le semestre 4. À l'issue de la formation, le mémoire de fin d'études doit être rédigé et présenté lors d'une soutenance pour sa validation.
Le rythme en apprentissage alterne entre 2 semaines de cours et 4 semaines de présence en entreprise (ce rythme peut être amené à varier selon les aménangements).
Titulaires d'un Master 1 MIAGE à Dauphine ou une autre université.
Grâce à son approche en apprentissage et à son contenu orienté métier, le Master MIAGE Informatique Décisionnelle (MIAGE-ID) en alternance répond directement aux besoins du marché du travail dans les domaines de la maîtrise d’ouvrage, des systèmes d’information, de l’intégration de solutions, de la conduite de projets, de l’analyse de données et du décisionnel, favorisant ainsi une insertion professionnelle rapide et durable.
ECTS : 2
Enseignant responsable : VERONIQUE BOURREL
Langue du cours : Anglais
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
ECTS : 2
Enseignant responsable : KEVIN BIJOUX
Langue du cours : Français
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
Bibliographie, lectures recommandées :
ECTS : 3
Enseignant responsable : BRUNO MARTINS-LEDO (https://d2bi.fr/)
Langue du cours : Français
Volume horaire : 21
Description du contenu de l'enseignement :
Compétences à acquérir :
ECTS : 3
Enseignant responsable : ELSA NEGRE (https://dauphine.psl.eu/recherche/cvtheque/negre-elsa)
Langue du cours : Français
Volume horaire : 12
Description du contenu de l'enseignement :
Compétences à acquérir :
Modélisation et manipulation de données multidimensionnelles.
ECTS : 3
Enseignant responsable : SARAH LASRI (https://dauphine.psl.eu/recherche/cvtheque/lasri-sarah)
Langue du cours : Français
Volume horaire : 21
Description du contenu de l'enseignement :
Compétences à acquérir :
Ce cours a pour objectif de vous faire acquérir les bases du marketing de l'internet et de la communication sur le web. Les différentes techniques permettant de recruter et de fidéliser le e-consommateur seront étudiés.
ECTS : 2
Enseignant responsable : CECILE MURAT (https://dauphine.psl.eu/recherche/cvtheque/murat-cecile)
Langue du cours : Français
Volume horaire : 24
Description du contenu de l'enseignement :
Compétences à acquérir :
Présenter des modélisations originales de différents problèmes concrets de décision. Il s'agit de développer les aptitudes des étudiants à élaborer et mettre en œuvre des modèles pertinents face à une situation de décision.
Bibliographie, lectures recommandées :
Référence(s) :
ECTS : 3
Enseignant responsable : Clement ROYER (https://www.lamsade.dauphine.fr/~croyer/cours.html)
Langue du cours : Anglais
Volume horaire : 24
Description du contenu de l'enseignement :
Optimization is a framework to formulate a concrete problem into a mathematical object, which enables its theoretical analysis and its practical solve via numerical algorithms. Although applications range from power systems to finance, the interest for optimization techniques has surged following the advent of data science and deep learning in particular. This course will provide an overview of optimization problems and algorithms that are relevant in a data science. We will describe various problem formulations arising in machine and deep learning, using them to motivate the key mathematical concepts that are useful in that space (linear algebra, convexity, smoothness). We will then move to optimization algorithms, with a focus on the most popular schemes in data science (gradient descent and its variants), and we will discuss both theoretical motivations and implementation challenges.
Compétences à acquérir :
Bibliographie, lectures recommandées :
ECTS : 2
Enseignant responsable : CRISTINA BAZGAN (https://dauphine.psl.eu/recherche/cvtheque/bazgan-cristina)
Langue du cours : Français
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
Bibliographie, lectures recommandées :
ECTS : 2
Enseignant responsable : VERONIQUE FOURNEL
Langue du cours : Français
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
ECTS : 3
Enseignant responsable : DARIO COLAZZO (https://dauphine.psl.eu/recherche/cvtheque/dario-colazzo)
Langue du cours : Anglais
Volume horaire : 24
Description du contenu de l'enseignement :
Le cours s'articule en trois parties.
Dans la première, l'accent est sur le paradigme MapReduce et le système Hadoop, avec un focus sur son système de fichiers HDFS. Le cours illustrera les mécanismes de base de Hadoop pour le support de l'exécution parallèle de 'dataflow' MapReduce sur des clusters de machines. Une attention particulière sera donnée aux aspects algorithmiques et d'optimisation de dataflow MapReduce.
La deuxième partie présentera des langages de requête et d'analyse de données caractérisés par des mécanismes de haut niveau et qui sont compilé sur MapReduce. Le focus sera sur les langages Pig Latin et Hive, des langages incluant des mécanismes à la SQL. Les techniques de compilation vers MapReduce seront présentées.
La troisième partie sera consacrée à des évolutions de Hadoop, et en particulier au système Spark et au langage de support Scala. Le focus sera sur l'architecture de Spark, la notion de RDD, l'évaluation lazy de transformations et actions sur des collections distribuées RDD.
Les notions apprises seront mises en pratique dans un projet où les étudiants devront concevoir un dataflow pour l'analyse de grands volumes de données. L'implémentation sera faite tant en MapReduce qu'en Spark, et une analyse expérimentale sera effectuée pour comparer les performances des deux implémentations.
Compétences à acquérir :
Apprentissage des aspects fondamentaux des technologies Big Data pour la gestion et analyse de données massives.
ECTS : 3
Enseignant responsable : IDIR SAIDANI
Langue du cours : Français
Volume horaire : 21
Description du contenu de l'enseignement :
Représenter des données de manière visuelle permet de tirer parti des capacités humaines en matière de perception et de cognition afin d’identifier rapidement des éléments significatifs, tels que des relations, des tendances ou des anomalies.
La visualisation facilite l’exploration interactive des données, offre une vue d'ensemble et permet de dégager des informations qui seraient difficilement accessibles par les seules méthodes d’analyse statistique ou automatique. Elle contribue également à la formulation d’hypothèses, à la prise de décision et à la communication claire des résultats.
Ce cours propose une vision globale du domaine : des principes fondamentaux de la perception visuelle et du design jusqu’à l'application pratique des techniques de visualisation adaptées à différents types de données.
Des travaux pratiques accompagnent chaque séance et permettent la mise en œuvre des concepts abordés à l’aide de l’outil Tableau
Compétences à acquérir :
À l’issue de l’enseignement, les étudiants seront capables de :
Bibliographie, lectures recommandées :
ECTS : 2
Enseignant responsable : MARIE-JOSE BELLOSTA (https://dauphine.psl.eu/recherche/cvtheque/bellosta-marie-jo)
Langue du cours : Français
Volume horaire : 24
Description du contenu de l'enseignement :
Compétences à acquérir :
Former les étudiants aux standards du Web de données et du Web sémantique. Dans le contexte du web sémantique, les ontologies jouent un rôle prépondérant dans la spécification des connaissances de manière standard afin de permettre l'interopérabilité entre différents systèmes. Une ontologie correspond à un vocabulaire contrôlé et organisé et à la formalisation explicite des relations créées entre les différents termes du vocabulaire. Elle permet de préciser formellement un vocabulaire commun dans une perspective de partage. Les ontologies informatiques permettent de représenter un corpus de connaissances sous une forme utilisable par une machine. Ainsi, une ontologie avec un ensemble de règles constitue une base de connaissance permettant de développer un système d'aide à la décision.
Bibliographie, lectures recommandées :
ECTS : 2
Enseignant responsable : VERONIQUE BOURREL
Langue du cours : Anglais
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
ECTS : 3
Langue du cours : Français
Volume horaire : 24
Description du contenu de l'enseignement :
Après une introduction sur les grandes Entreprises et comment elles abordent et intègrent les grandes ruptures technologiques dans leurs mode fonctionnement, il sera présenté les grandes fonctions d'une entreprises (Marketing, vente, production, finance, ressources humaines et les cas d'applications et d'usage de l'IA et des nouvelles technologies.
Seront ensuite présenter des archétypes d'usage de l'IA en entreprise au travers d'exemples concrets:
- La prévision de grandeurs par apprentissage supervisé
- la détection d'atypisme via apprentissage non-supervisé
- l'usage de LLM pour l'extraction d'information depuis des données non structurées
Ces archétypes serviront de base de travail pour les projets en équipe, ces derniers s'appuiront sur des cas réels et des données d'entreprise préalablement anonymisées.
Seront abordés ensuite 3 grands sujets:
- Les différentes mise en oeuvre possible d'une organisation centrée sur l'Intelligence Artificielle
- Les problématiques de compliance et de gouvernance aux différentes régulations dans le monde (Europe, Chine et Etats-Unis)
- La définition d'une stratégie d'adoption de l'IA au sein d'une équipe au travers des méthodes de Design thinking, des pratiques Agile et ThEARI et d'une approche "Make or Buy" de ces capacités
Ces sujets seront à chaque fois complétés par des cas réels servant à mettre en exergue les spécificités des entreprises en fonctions des secteurs économiques. Seront notamment vu :
- un projet de maintenance prédictive en Usine via des méthodes supervisées et non supervisées d'analyse des modes de fonctionnement des machines
- un projet de prévisions des ventes en supermarché et d'optimisation de gamme de produits sur étagère, au travers de méthodes de calcul distribué et de théorie des jeux
- un projet d'analyse d'interactions clients au SAV d'une grande entreprise, via de l'analyse NLP, de la structuration de données et d'usage de grand modèles d'IA générative
- un projet de maintenance des standards de qualités et compliances de produits destinés à l'alimentation dans un contexte réglementaire international, via l'usage de l'IA Générative, de la structuration de donnée, des automates et la construction d'agents.
Compétences à acquérir :
Il s'agit d'initier les étudiants à l'usage et l'application des méthodes d'apprentissage automatique (machine learning), de fouille (data mining) et d'extraction de connaissances dans les grandes entreprises. Il sera illustré par des cas concrets, des exemples réalisés en session et en marges de ces sessions avec le langage Python et l'environnement gratuit de Databricks. L’évaluation se fait au travers d'une restitution orale d'un projet en équipe.
Pré-requis obligatoires
la connaissance de la méthode scientifique
l'expérience d'analyse de données quelque soit le langage de programmation
Pré-requis recommandés
la connaissance du langage Python
des notions d'intelligence artificielle, de statistique et d'économie d'entreprise
avoir lu la bibliographie
Mode de contrôle des connaissances :
le contrôle des connaissance se fera au travers de la restitution d'un projet d'équipe. Chaque équipe sélectionnera un projet, proposera une approche structurée pour le résoudre et le mettre en place dans un context d'entreprise. Elle présentera les analyses réalisées sur les données disponibles, les méthodes d'IA envisagées ainsi que les grands résultats et enseignements liés à leur mise en place.
Bibliographie, lectures recommandées :
les cours du collège de France de Stéphane Mallat et de Gérard Berry
les livres l'hyperpuissance de l'informatique (https://www.odilejacob.fr/catalogue/sciences/informatique/hyperpuissance-de-l-informatique_9782738139535.php) et apprendre à apprendre avec le Lean (https://www.editions-eyrolles.com/livre/apprendre-a-apprendre-avec-le-lean)
les sites rpésentant l'EU Ai Act ainsi que la RGPD
ECTS : 2
Enseignant responsable : BELA LOTO
Langue du cours : Français
Volume horaire : 18
Description du contenu de l'enseignement :
INTRODUCTION
"Il n’y a pas de conception responsable de service numérique sans démarche numérique responsable"
ECTS : 3
Enseignant responsable : Hassan AISSI
Langue du cours : Anglais
Volume horaire : 24
Description du contenu de l'enseignement :
Compétences à acquérir :
Bibliographie, lectures recommandées :
ECTS : 3
Enseignant responsable : OLIVIA TAMBOU (https://dauphine.psl.eu/recherche/cvtheque/tambou-olivia)
Langue du cours : Français
Volume horaire : 18
Description du contenu de l'enseignement :
Compétences à acquérir :
La profonde transformation numérique de nos sociétés rend nécessaire comme l'a encore récemment rappelé la CNIL de « former à l'éthique tous les maillons de la chaîne algorithmique, concepteurs, professionnels, citoyens ». La création de ce nouveau cours Données et Ethique s'inscrit dans cette optique. Il s'agit de permettre aux informaticiens de prendre conscience des implications éthiques et sociales du traitement des données qu'ils opèrent. Il s'agit aussi les informer sur l'évolution du cadre dans lesquels ils vont pouvoir ou devoir mettre en œuvre le traitement de leurs données tant à titre personnel que professionnel. L'éthique est une notion souvent difficile à cerner. Elle repose sur un ensemble de règles morales susceptibles d'orienter le comportement des individus voire des entreprises. Ces règles qu'ils s'imposent à eux-mêmes peuvent soit préfigurer, soit en réalité se superposer ou se confondre avec des règles juridiques contraignantes. Ainsi, l'éthique des données se développe à titre collectif qu'à titre individuel notamment avec la figure des lanceurs d'alerte. En outre, l'éthique des données peut varier en fonction de la catégorie de données en cause (données personnelles, non personnelles, données dite d'intérêt général etc.). Ces prémisses sont importantes pour comprendre les enjeux économiques et sociétaux autour de l'émergence actuelle des principes éthiques des données.
ECTS : 1
Langue du cours : Français
ECTS : 2
Enseignant responsable : FLORIAN JAMAIN
Langue du cours : Français
Volume horaire : 21
Description du contenu de l'enseignement :
Introduction au développement sécuritaire et aux méthodes formelles. L'objectif du cours est de présenter les enjeux d'un développement qui peut avoir des conséquences très graves en cas de défaut et d'apporter des solutions aussi bien niveau software via les méthodes formelles que hardware en utilisant un calculateur sécuritaire.
ECTS : 3
Enseignants : PATRICK DELEMME, BRUNO GIRAUDON
Langue du cours : Français
Volume horaire : 24
Description du contenu de l'enseignement :
Compétences à acquérir :
Initiation théorique et pratique à la négociation.
ECTS : 3
Enseignant responsable : MARIE-JOSE BELLOSTA (https://dauphine.psl.eu/recherche/cvtheque/bellosta-marie-jo)
Langue du cours : Français
Volume horaire : 24
Description du contenu de l'enseignement :
Compétences à acquérir :
Programmation multi agents, protocoles FIPA, actes de langages FIPA, modèle décisionnel
Bibliographie, lectures recommandées :
ECTS : 8
Langue du cours : Français