ila knti intéressé b tout ce qui est AI, Data Science, Machine
Learning, Deep Learning, BI,… La filière Ingénierie des
Connaissances et Science des Données (ICSD) offre la
meilleure formation fhad les domaines pour former des
ingénieurs fga3 les domaines dial Data, wghatstafd bzaf
dskills fl’analyse / maitrise / traitement des données,
statistiques, modélisation, apprentissage automatique…
•Ingénieur Big Data
•Ingénieur Machine Learning et Deep Learning
•Ingénieur Business Intelligence
•Ingénieur Cloud Computing
•Ingénieur Computer Vision
•Data Analyst
•Data Scientist
•Data Architect
Semestre 1
5.1 Initiation aux
1. Architecture 1.1 Architecture des 3.1 Algorithmique réseaux 7.1 Économie
des ordinateurs ordinateurs 3. Algorithmique 5. Réseaux informatiques 7. Économie de générale
et Systèmes et informatiques l’Entreprise
d’exploitation 1.2 Systèmes Programmation 3.2 Programmation 5.2 Réseaux sans fils 7.2 Micro et
d’exploitation Python et mobiles Macro-économie
2.1 Algèbre 4.1 Gestion 6.1 Théorie des
matricielle 4. GED et électronique des graphes 8.1 English for
2. Mathématique Documents documents 6. Recherche general purposes
pour l’Ingénieur structurés Opérationnelle 8. Anglais et TEC 1
4.2 Documents 6.2 Optimisation
2.2 Analyse structurés 8.2 TEC
Semestre 2
1. Analyse et 1.1 Analyse et 3.1 Technologies 5. E-services et 5.1 E-services 7.1 Comptabilité
Conception des Conception des SI 3. Programmation web (HTML, CSS, gestion de générale
Relationnels et Technologies JavaScript) 7. Management
Bases de contenu pour l’ingénieur
Données Web d’entreprise 5.2 Enterprise
1.2 SGBD-R 3.2 Programmation Content 7.2 Mangement et
web en PHP Management Marketing
2.1 Probabilité 4.1 Algorithmique 6.1 Veille
2. Probabilités et 4. Algorithmique Avancé Technologique 8.1 English for
statistiques et 6. Gestion du general purposes
Programmation capital 8. Anglais et TEC 2
4.2 Python Avancé 6.2 Knowledge
2.2 Statistiques Avancées immatériel Manegement 8.2 TEC
descriptives
Semestre 3
5.1 Intelligence
1.1 Management de 3.1 Statistiques Artificielle 7.1 Data Scraping
1. Analyse et projet SI 3. Statistiques Inférentielles 5. Fondements 7. Data and Aquisition
Conduite de Inférentielles et des systèmes Acquisition and
Projets 1.2 UML Processus 3.2 Processus intelligents 5.2 Ontologie et Analysis 7.2 Data Analysis
Stochastiques Stochastiques Sémantique
2.1 JAVA 4.1 Théorie de 6.1 Analyse des
4. Théorie de l’information Graphes (SNA) 8.1 Project
2. Programmation l’Information et 6. Recherche 8. Project Management
Orientée Objet Traitement du Opérationnelle Management et
4.2 Traitement de 6.2 Méthodes
2.2 Projet OO Signal signal Avancée d’Optimisation Entrepreneuriat 8.2 Culture
Entrepreneuriale
Semestre 4
5.1 Systèmes et
1. Programmation 1.1 Java EE 3.1 Modèles de Algorithmes 7.1 Cadre Nomatif
avancée et 3. Modèles de régression 5. Systèmes Répartis 7. Management de la Sécurité
mobile régression et Répartis et Stratégique
1.2 Développement séries 3.2 Séries Virtualisation 5.2 Virtualisation et 7.2 Transformation
Mobile chronologiques chronologiques Contenurision Digitale
2.1 PLSQL et SQL 4.1 Bayesian 6.1 Cryptocurrency
avancés Machine Learning & Blockchain 8.1 Communication
2. Bases de 4. Machine 6. Cryptocurrency Professionnelle
Données Learning Technologies 8. Anglais et TEC
4.2 Advanced 6.2 Projet Sécurité
Avancées Professionnels
2.2 Base de Machine Learning 8.2 Business English
Données NoSQL
Semestre 5
1. Business Intelligence 3. Analyse et Conduite de Projet 5. Computer Vision and Pattern 7. Gestion des Risques et Innovation
Recognition
2. Data Architecture 4. Systèmes ubiquitaires 6. Text and Graph Analysis 8. Méthodologie de recherche
