M2 Innovation, marché et science des données (IMSD)
Transcription
M2 Innovation, marché et science des données (IMSD)
ME 48 ‐ INNOVATION, ENTREPRISE ET SOCIETE PR 316 ‐ M2 Innovation, marché et science des données (IMSD) Le règlement des études de l’Université Paris‐Saclay rappelle que les semestres ne sont pas compensables entre eux, que la note plancher est de 7/20. Dans cette formation, toutes les UE du premier semestre sont compensables entre elles. C’est aussi le cas des UE du deuxième semestre. Par défaut, les coefficients affectés à chacune des UE sont proportionnels aux ECTS correspondants. Nom du UE Semestres ECTS Heures Modalités de contrôle de connaissances Coefficients S3 S3 S3 0 0 0 30 10 10 Pas de contrôle des connaissances mais un mini‐projet à rendre Aucun contrôle des connaissances Aucun contrôle des connaissances mais un mini‐projet à rendre 0 0 0 S3 S3 S3 S3 4 2 3 1 24 15 24 15 Evaluation sous forme de projet à rendre. Examen terminal Evaluation sous forme de projet Les étudiants sont notés suivant la performance du groupe de jeu auquel ils appartiennent 4 2 3 1 S3 S3 S3 2 3 2 24 54 15 Evaluation sous forme de projet. Evaluation sous forme de projet pour les cours de Java, Python et Scala. Examen sous la forme d'une certification (?LPIC‐1 et LPIC‐2). Examen terminal. 2 3 2 Data and market value creation Scoring Data mining PLS regression Online Survey (SPHINX software) S3 S3 S3 S3 S3 2 4 4 2 1 12 24 24 15 10 TOTAUX ECTS S3 S3 30 306 S4 S4 S4 4 3 2 30 24 15 Evaluation sous forme de projet. Evaluation sous forme de projet. Evaluation sous forme de projet. 4 3 2 S4 S4 S4 4 1 2 24 12 18 Evaluation sous forme de projet ou d'examen. Evaluation sous forme de projet. Evaluation sous forme de projet. 4 1 2 English Training for TOEIC S4 S4 2 2 15 25 Evaluation sous forme d'examen. Certification TOEIC 2 2 Professional seminar Internship S4 S4 0 10 12 0 Aucun contrôle des connaissances. 0 10 TOTAUX ECTS S4 S4 30 175 S3 ‐ Semestre 3 Remise à niveau Optional training in SAS software Optional training in R software Optional training in SPAD Analyse client et Marchés CRM‐Customer Relationship Management Advanced Microeconomics Marketing Digital Marketing Games with StratX Big data, langages et Programmation Olap, Multidimensional Databases, NoSQL Operating system and Programming languages (Python, Java, Scala) Introduction to Big data Données, Analyse et valeur demarché Evaluation sous forme de projet. Evaluation sous forme de projet. 2 4 4 2 1 S4 ‐ Semestre 4 Apprentissage statistique et Big data Machine learning Multi‐core system tools (Hadoop, MapReduce, Hive, Pig, Mahout, Spark, Shark?) Data Vizualisation Comportements et méthodes statistiques Customer satisfaction (quantitative structural models) Duration Models for marketing Time series Langues étrangères