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