Fiche descriptive de la Filière Master: Mathématiques Appliquées pour la Science de Données (MASD)
1. Intitulé de la filière Mathématiques Appliquées pour la Science de Données
2. Année de la dernière accréditation 2023-2024
3. Département d’attache Mathématiques et Gestion
4. Nombre d’étudiants prévus par année 20
Diplômes requis : Licence des études fondamentales (Spécialité : Mathématiques), Licence des études
fondamentales (Spécialité : Informatique) Licence professionnelle (Spécialité : Informatique)
5. Conditions d’accès
Procédures de sélection : Etude du dossier (Notes ou mentions des semestres S1 jusqu'à S5 de la licence,
Session d'obtention (normale ou rattrapage), L'année d'obtention de la licence), Test écrit er Entretien.
L’objectif du master MASD est multiple:
- former des cadres de haut niveau dans le domaine des mathématiques pour la science des données.
- initier les candidats à la recherche scientifique en vue de préparation d'un doctorat ou d'intégration du milieu
6. Objectifs de la formation professionnel.
- répondre aux besoins des entreprises en terme de compétences capable de fournir des informations pour
l'aide à la prise de décision.
- participer à la résolution des défis de développement de la région.
- Intégration du monde professionnel en tant qu’analyste de données dans des institutions publiques et
privées.
- Intégration de laboratoires de recherche, en tant que doctorant, dans des directions nécessitant des
compétences en analyse de données.
- Regroupement et connexion, à l'échelle de l'université, des différentes compétences aussi bien dans le
7. Débouchés de la formation
domaine des mathématiques appliquées, l'informatique, les statistiques et la modélisation numérique.
- Contribution au développement de la recherche R&D répondant aux besoins exprimés.
- Etablir des partenariats avec les opérateurs locaux, régionaux, nationaux et internationaux dans le domaine
des mathématiques et applications.
Tableau d’architecture modulaire
STAGE ou mémoire
S4
(PROJET DE FIN D’ETUDE)
Statistiques des Machine Learning Rédaction
Droit des données Modélisation Analyse des
S3 données en pour la science scientifique et avec
personnelles Stochastique données massives
grande dimension des données LaTeX
Optimisation linéaire et Théorie des Mathématiques Analyse des
S2 Bases de Données Anglais
non linéaire graphes pour l'économie II données
Algèbre
Initiation à la
Probabilités et appliquée à la Modélisation avec Progiciel de Mathématiques
S1 recherche
Statistiques science des Python gestion Intégré pour l'économie I
scientifique
données
