SCIENCES, TECHNOLOGIES, SANTÉ
Parcours Data science
Master | Mathématiques et applications
> Composante : Faculté des sciences
> Ouvert en alternance : Oui
> Formation accessible en : Formation continue, Formation en alternance
> Formation à distance : Non
Présentation
Ouvert en alternance uniquement en Master 2.
La data Science désigne une discipline à l’interface entre modélisation mathématique, statistique et informatique,
née de la nécessité croissante de traiter et d’exploiter les données du big data. La data science est désormais l’outil
essentiel d’aide à la décision dans des domaines d’activités extrêmement variés : banque, finance, assurance, e-
commerce et grande distribution, communication et marketing, santé, agro-alimentaire, aéronautique et défense,
internet des objets et télécoms, etc..
Le parcours Data Science (DS) du master mention Mathématiques et Applications est une formation de niveau un
(Bac+5). Il vise à former des cadres data-scientists capables de mettre en œuvre les techniques mathématiques et
informatiques inhérentes à ce métier, possédant en outre des compétences métiers propres aux secteurs d’activités
visés par le choix d’options.
Brochure M1 - 24/25
Brochure M1 - 25/26
Brochure M2 - 24/25
Brochure M2 - 25/26
Objectifs
Le master Data Science (DS) est une formation en deux ans qui débouche sur le diplôme national de Master mention
Mathématiques et Applications, parcours Data Science. A l’issue de la formation, leou la diplômé(e) possède :
Des compétences en mathématiques. Le diplômé maîtrise les méthodes de l’analyse statistique et algorithmique de
l’information, qu’elles soient classiques (datamining, classification, ..) ou spécifiques au big data (machine learning
1/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
et deep learning, ..), ainsi que les méthodes associées d’optimisation. Le diplômé est en capacité de modéliser les
processus aléatoires, de
les simuler et de confronter le modèle aux données statistiques du problème.
Des compétences en informatique. Le diplômé du master dispose des compétences relatives aux outils classiques
d’analyse des données (R, Python,..), de data management (SGBDR et moteur de stockage SQL,..) et plus spécifiques
aux données de grandes dimensions et/ou non structurées : MapReduce et environnement Hadoop/HDFS, entrepôts
de données Hive, PIG et analyse de données, etc.. L’aptitude à la visualisation des données de grandes dimensions,
images et graphes complète ce volet de compétences.
Des aptitudes professionnelles. Le diplômé du master sait définir un projet, ses objectifs et son contexte, les
modalités de réalisation et d’évaluation des actions, leurs priorités et leur planning. Il sait utiliser les technologies de
l’information et de la communication, effectuer une recherche d’information à partir de sources diverses, organiser
une veille technologique. Il a une bonne capacité de communication, une bonne maîtrise de l’anglais scientifique et
technique (certification), et sait rédiger clairement une note ou un rapport selon des supports de communication
adaptés.
Des compétences métiers. Suivant le choix d’option, le diplômé possède des aptitudes spécifiques au traitement
et à l’analyse des données de la biologie (données omiques notamment), ou celles des entreprises dédiées au
management du risque ou/et à l’optimisation des actions.
Savoir-faire et compétences
La qualité de la recherche française en mathématiques fondamentales et appliquées est mondialement reconnue :
suivant les critères choisis, elle se place du premier au troisième rang mondial. Dans ce cadre, la recherche en
mathématique du laboratoire LAREMA de l’Université d’Angers (62 membres dont 40 permanents), associé au CNRS
et partenaire du Labex Lebesgue, se distingue par son excellence. Aussi, les étudiants du Master DS ont l’assurance
de bénéficier des connaissances et des innovations les plus récentes, celles à même d’intéresser les entreprises
dans leur stratégie compétitive.
L’Université d’Angers est reconnue par ses résultats en matière de taux de réussite et d’insertion professionnelle
de ses 22 700 étudiants : sur ces deux points, les enquêtes ministérielles la situent aux toutes premières places
des universités françaises. Les étudiants du Master DS ont l’assurance d’un accompagnement performant de leurs
études jusqu’à leur insertion professionnelle.
Angers et son agglomération, ville étudiante par excellence (plus de 38 000 étudiants), apparaît dans les enquêtes
nationales comme étant l’une des villes les plus attractives dans ce domaine : vitalité de la vie étudiante, qualité et
modération des prix du logement étudiant, facilité de déplacement, cadre de vie, etc.. En résumé, les étudiants du
Master DS ont l’assurance d’une qualité de vie et d’étude particulièrement propice à leur réussite et à leur insertion
professionnelle.
Organisation
Ouvert en alternance
Type d'alternance : Contrat d'apprentissage, Contrat de professionnalisation.
Uniquement en Master 2.
2/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
Stages
Master 1 - Stage facultatif (période Juin - Août)
Master 2 - Stage obligatoire 5/6 mois (Mars-Aoüt)
Admission
Conditions d'admission
Master 1 : s’informer à partir du 3 février et candidater du 25 février au 24 mars 2025 sur la plateforme
nationale Trouver mon master
Master 2 : candidater en ligne, sur la plateforme eCandidat, accessible à l'adresse https://e-
candidature.univ-angers.fr. Phase candidature du 12 mai au 10 juin 2025
Public cible
Le master Data Science est à capacité limitée et l’admission en première (M1-DS) et deuxième année (M2-DS)
du master est sélective. En dehors des qualités académiques, le recrutement accorde une part importante à la
motivation des candidats. La validation du M1-DS entraîne l’admission de droit en M2-DS.
Formation initiale. Le M1-DS s’adresse en priorité aux étudiants diplômés d’une licence de Mathématiques,
d’une licence de Mathématiques et informatique appliquées aux sciences humaines et sociales (parcours
Mathématiques appliquées), ou d’un niveau équivalent. Sous réserve d’un niveau suffisant en mathématique, les
dossiers d’étudiants ayant eu un parcours plus dirigé vers l’informatique sont considérés avec intérêt. Les droits
d’inscription sont fixés par arrêté ministériel (droits ministériels : 243 € en 2019-2020, en M1 et M2).
Formation continue. Les candidatures relevant de la formation continue sont les bienvenues et considérées avec
la plus grande attention. Le tarif 2020-2021 est fixé à 6000 € en M2-DS (hors droits ministériels), pour lequel un
ensemble de financements est disponible. (Se renseigner auprès de la Direction de la Formation Continue).
Les pré-requis à l’entrée du M1-DS couvrent le programme classique d’une Licence de Mathématiques ou tout
autre programme européen ou international équivalent. Outre l’aptitude mathématique, une connaissance et
une pratique de base d’outils de programmation sont recommandées (Python, Scilab, C et/ou R par exemple).
L’acquis du certificat C2i-1 d’informatique est apprécié. Le diplôme de master visant des compétences en anglais
certifiées de niveau B2 du CECRL, un niveau minimal B1 dans cette langue est recommandé à l’entrée du M1-
DS. L’enseignement se faisant essentiellement en français, un niveau minimal B2 certifié en français est exigé des
étudiants internationaux à l’entrée du M1-DS.
Et après
Poursuite d'études
3/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
Les très bons étudiants peuvent poursuivre par une thèse de doctorat, en particulier dans le cadre d’une convention
de partenariat avec une entreprise.
Insertion professionnelle
Les diplômés du master Data Science (DS) occupent des emplois de cadre Data scientist (ou Data miner, Data
analyst, etc..) couvrant un large spectre de secteurs d’activités, touchant aussi bien au domaine industriel qu’à
celui du tertiaire.
Sont plus particulièrement visés :
- Option données biologiques : secteurs de la santé, de la pharmacie, la bio-industrie, l’agro-industrie, les
laboratoires de type Inserm, Cirad, Institut Pasteur, CEA, etc ..
- Option données numériques : tout secteur tel que sociétés de conseil en gestion des entreprises ou spécialisées
en datamining, de la grande distribution, les grandes banques et compagnies d’assurances, etc..
Selon l’APEC, la rémunération des Data scientists se situe entre 32 et 40 keuros brut/ an en début de carrière.
Les enquêtes insertion récentes montrent une excellente insertion professionnelle au niveau cadre, pour un salaire
moyen brut mensuel de 2600 Euros (hors primes et 13ème mois).
Le master est essentiellement à visée professionnelle.
Infos pratiques
Contacts
Responsable pédagogique M1
Gilles Stupfler
[email protected]
Responsable pédagogique M2
Fabien Panloup
[email protected]
Contact administratif
Master 1 Master 2 Data science
[email protected]
Alternance Relations Extérieures UFR Sciences
[email protected]Autres contacts
Formation accessible en alternance en M2
4/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
5/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
Programme
Organisation
ALTERNANCE EN MASTER DATA SCIENCE
Le M2-DS est ouvert à l’alternance, en apprentissage et contrat de professionnalisation. Bien que non obligatoire
(stage long possible en M2-DS), ce format de formation est recommandé. Contactez les responsables de la
formation pour plus d’informations et connaître les entreprises qui nous ont accordé leur confiance. (Attention :
certaines recrutent près de 8 mois à l’avance et exigent un stage préalable en fin de M1-DS).
M1 | Data science
Semestre 1
Nature CM TD TP Crédits
Bloc Mathématiques Bloc
UE1 - Analyse Numérique Matricielle UE 5 crédits
Analyse Numérique Matricielle Matière 16h 12h 12h 5 crédits
UE2 - Optimisation Non-Linéaire UE 5 crédits
Optimisation Non-Linéaire Matière 16h 12h 12h 5 crédits
UE3 - Statistique UE 6 crédits
Statistique Matière 32h 16h 6 crédits
UE4 - Modélisation Stochastique 1 UE 6 crédits
Modélisation Stochastique 1 Matière 24h 12h 12h 6 crédits
Bloc Numérique et Informatique Bloc
UE5 - POO et Taitement des données en Python - Mise à Niveau UE 6 crédits
Logiciels et Systèmes
POO et Traitement des Données en Python Matière 12h 36h 6 crédits
Mise à Niveau Logiciels et Systèmes Matière 16h 0 crédits
Bloc Culture d’Entreprise Bloc
UE6 : Anglais / Communication Scientifique / Droit et données UE 2 crédits
numériques
Anglais 1 Matière 16h 2 crédits
Communication Scientifique Matière 3h 0 crédits
Droit et données numériques Matière 4h
Semestre 2
Nature CM TD TP Crédits
Bloc Mathématiques Bloc
UE1 - Datamining et Classification UE 5 crédits
Datamining et Classification Matière 20h 12h 16h 5 crédits
UE2 - Modèles de Régression UE 4 crédits
Modèles de Régression Matière 18h 10h 16h 4 crédits
6/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
UE3 - Modélisation Stochastique 2 UE 4 crédits
Modélisation Stochastique 2 Matière 16h 12h 12h 4 crédits
Bloc Numérique et Informatique Bloc
UE4 - Structuration des données UE 6 crédits
Structuration des données Matière 20h 36h 6 crédits
Bloc Culture d’Entreprise Bloc
UE5 : Anglais 2 / Insertion professionnelle / T.E.R / Satge Facultatif UE 7 crédits
Anglais 2 Matière 16h 2 crédits
Insertion Professionnelle Matière 4h 0 crédits
Travail d’Étude et de Recherche Matière 3h 5 crédits
Stage Facultatif Matière 0 crédits
Bloc Métiers Bloc
UE6 : au choix de l'étudiant 1 parmi 2 UE 4 crédits
Option 1 : Introduction à la Génomique Matière 20h 12h 4 crédits
Option 2 : Datamining et Économie Matière 14h 12h 4 crédits
M2 | Data science
Semestre 3
Nature CM TD TP Crédits
UE 1 : Statistique en Grande Dimension et Apprentissage UE 6 crédits
Statistique en Grande Dimension et Apprentissage Matière 24h 16h 16h 6 crédits
UE 2 : Introduction à l'analyse du signal en temps discret UE 4 crédits
Introduction à l'analyse du signal en temps discret Matière 16h 12h 8h 4 crédits
UE 3 : Séries Chronologiques et Applications UE 6 crédits
Séries Chronologiques et Applications Matière 24h 12h 16h 6 crédits
UE 4 : Numérique et informatique UE 6 crédits
Informatique pour le Big Data Matière 24h 32h 6 crédits
UE 5 : Culture d'entreprise UE 3 crédits
Anglais Matière 16h 2 crédits
Communication Matière 6h 1 crédits
UE 6 : Métiers 1EC obligatoire + 1 EC d'option au choix UE 5 crédits
Données biologiques : introduction à l'analyse de survie Matière 8h 10h 2 crédits
Données numériques : "Apprentissage par renforcement et modèles Matière 14h 12h 2 crédits
génératifs II"
Apprentissage par renforcement et modèles génératifs I Matière 6h 8h 3 crédits
Semestre 4
Nature CM TD TP Crédits
UE 1 : Culture d'entreprise UE 7 crédits
Conférences professionnelles et création d'entreprise Matière 23h
7/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
3-PE Matière 8h
Projet Annuel Tutoré Matière 7 crédits
UE 2 : Métiers UE 5 crédits
Traitement d'images Matière 12h 12h 3 crédits
Bio : inférence de réseaux biologiques Matière 8h 8h 2 crédits
Eco : Économétrie de l'Évaluation Matière 14h 12h 2 crédits
UE 3 : choix de 1 parmi 2 entre stage ou alternance UE 18 crédits
Stage UE 18 crédits
Suivi de stage Matière
Alternance UE 18 crédits
Suivi d'alternant Matière
8/8 Informations non contractuelles.
Dernière mise à jour le 05 juin 2025
