Aller au contenu

Master Informatique parcours Données

Carte d'identité de la formation


- de 1 mois pour accéder au 1er emploi
100 % des diplômés sont en emploi dont 90 % en emploi stable
selon une étude réalisée 18 mois après obtention du diplôme

Types de contrat d'alternance

  • Contrat d’apprentissage
  • Contrat de professionnalisation

OBJECTIFS

Le mot du responsable

Vous souhaitez acquérir des compétences générales en informatique tout en vous spécialisant dans l’un des domaines proposés par les parcours suivants : Architecte logiciel ou Données ?
À l’issue de ces deux parcours du master Informatique, vous saurez appréhender parfaitement l’organisation des flux numériques ainsi que la mise en place d’outils d’exploitation du patrimoine immatériel d’une entreprise ou d’une collectivité. De fait, vous pourrez traiter des problématiques de gestion et d’analyse des données, concevoir des systèmes d’information mais aussi exploiter et valoriser des contenus numériques. En tant que futur cadre en informatique, vous prendrez également connaissance des différentes méthodologies d’aide à la décision permettant d’améliorer le fonctionnement d’une organisation.

Photo du responsable de la formation

Jean Loup Guillaume

À l’issue de la formation, vous saurez

    • Comprendre les problèmes liés au développement du logiciel, principe du génie logiciel
    • Connaître les principaux modèles de cycle de vie du logiciel
    • Analyser et modéliser pour les différentes phases de conception
    • Comprendre les normes de qualité d'un logiciel
    • Mettre en oeuvre des tests à différents niveaux du cycle de vie logiciel (composants, intégration, système) et de différentes manières (fonctionnels / non fonctionnels : techniques statiques et revues de code, techniques " boîtes noires ", techniques " boîte blanches")
    • Connaître les principales métriques du logiciel et les utiliser pour améliorer la qualité
    • Concevoir des architectures via des techniques d'assemblage de composants logiciels
    • Modéliser de manière semi-formelle des systèmes à base de composants
    • Avoir des connaissances des méthodes formelles, modèles et logiques associées pour la garantir la qualité d'un système
    • Comprendre les techniques algorithmiques d'analyse et de vérification et de preuve (model-checking)
    • Transformer les exigences d'un système en propriétés et appliquer les vérifications associées
    • Comprendre la structuration d'une architectures n-tiers et d'en ientifier les différents composants
    • Décrire les problématiques principales liées aux logiciels multi-tâches
    • Connaître les principes fondamentaux de la programmation distribuée (RMI)
    • Concevoir et développer des systèmes multi-agents
    • Connaître les grands principes de la concurrence et des outils pour la gérer (processus concurrents, exclusion mutuelle, sémaphores, etc.)
    • Utiliser plusieurs mécanismes de programmation concurrente (type sémaphores via une bibliothèque C, Synchronisation de threads Java, etc.)
    • Etre capable de développer des applications hautement distribuées et scalable
    • Connaître plusieurs frameworks de développement d'applications
    • Comprendre les différentes solutions de virtualisation - hyperviseurs / conteneurs
    • Etre capable de mettre en place une architecture virtualisée
    • SAN virtualisés
    • Etre capable de configurer et gérer des machines virtuelles
    • Connaître les catégories de services du cloud computing (IaaS, PaaS, SaaS)
    • Comprendre les concepts et architectures générales du cloud computing
    • Comprendre les principes du déploiement d'application
    • Etre capable de déployer une application sur une plateforme en ligne
    • Connaître les différents supports matériels et l'organisation des données (partitions/FS)
    • Comprendre les différents mécanismes de mise en oeuvre de la redondance (RAID/Sauvegardes/FS répartis)
    • Maîtriser les différentes solutions de stockage en réseau (réseaux de stockage, serveur de stockage en réseau)
    • Connaître les solutions de cryptage de données
    • Connaître les principales méthodes de chiffrement utilisées dans le transfert de données
    • Connaître les différentes solutions de filtrage de flux
    • Savoir mettre en oeuvre des tunnels réseaux et en particulier des tunnels chiffrés
    • Connaître les principes généraux des systèmes de détection d'intrusion (IDS)
    • Etre capable de mettre en oeuvre des outils de traitement de graphes dans un contexte de données massives
    • Connaître les différentes briques matérielles et logicielles d'un système Big Data
    • Savoir utiliser différents outils logiciels (notamment libres) de collecte de données
    • Savoir choisir la bonne solution pour le stockage de données massives
    • Savoir utiliser un ou plusieurs framework de traitement de données massives (type hadoop et son écosystème)
    • Analyser les résultats
    • Connaître les grands principes des SI, leurs architectures, leur urbanisation
    • Effectuer une veille sur l'évolution des SI : Cloud, architecture orientée service (SOA), ...
    • Comprendre les aspects liés à la sécurité des SI
    • Modéliser l'organisation de l'entreprise et les processus métier
    • Proposer des choix pertinents d'ERP pour une organisation
    • Comprendre les différentes phases de l'implémentation, et de l'exploitation de l'ERP
    • Installer, administrer et utiliser un CMS
    • Gérer les extensions d'un CMS
    • Mettre en oeuvre des authentifications externes et des ponts vers d'autres CMS
    • Développer des applications client permettant d'utiliser un service web existant
    • Développer des services web côté serveur
    • Comprendre les principes d'intégration et de composition de services
    • Connaître les grands principes des SID : objectifs, structures et architectures
    • Comprendre les intérêts et la mise en pratique de la modélisation dimensionnelle
    • Concevoir et exploiter un data warehouse
    • Connaître les méthodes principales des procédures ETL (import/export, transformation, mise en correspondance)
    • Développer des connecteurs ETL
    • Connaître les architectures orientées services et leurs usages
    • Mettre en oeuvre des services web en utilisant les technologies développées par le consortium W3 (SOAP/WSDL)
    • Mettre en oeuvre des services web respectant l'architecture REST
    • Mettre en oeuvre des services web en utilisant une architectur fondée sur le principe des micro-services (vs services fondés sur des architectures monolithiques)
    • Produire des documents numériques en utilisant les technologies XSL et FOP
    • Maîtriser les règles syntaxiques du langage XML, des espaces de nommage simples et multiples
    • Concevoir une DTD avec des contraintes d'intégrité
    • Mettre en oeuvre un analyseur de fichier XML
    • Maîtriser les méthodes de parcours d'un document XML en utilisant XPath
    • Appliquer des transformations de fichiers XML en d'autres formats avec XSL(T)
    • Connaître les grandes familles de systèmes de gestion de bases de données NoSQL
    • Concevoir un schéma de base de données NoSQL
    • Savoir mettre en oeuvre plusieurs systèmes de gestion de bases de données NoSQL (type IndexedDB, MongoDB, etc.)
    • Comprendre la notion de correspondance objet - algèbre relationnel (ORM)
    • Mettre en œuvre au moins un ORM (type doctrine, hibernate, etc.)
    • Assimiler les notions de théorie de l'information
    • Connaître les différents types de compression de données (avec et sans pertes)
    • Connaître les principales techniques de compression avec et sans perte (statistique, dictionnaire, par transformée, par prédiction)
    • Savoir implémenter un code correcteur pour diffusion sur un canal de communication potentiellement bruité
    • Connaître les mécanismes de compression pour différents types et formats de données (image, vidéo, son, texte), et savoir évaluer ses performances.
    • Connaître les principes des principaux codages de l'information dans le son et dans les images et les séquences d'images : (Images : JPEG, JPEG2000 - Séquences vidéos : MJPEG, MPEG 2, H263, MPEG 4 visual, H.264 - multimédia : MPEG-7 objectives, applications, MPEG-7 me-tadata, MPEG-7 description, MPEG-7 based search)
    • Connaître le modèle de données RDF, l'utilisation d'ontologies et schémas RDFS et la formalisation en OWL
    • Mettre en oeuvre des requêtes sur des données RDF/RDFS à l'aide le langage de requête SPARQL
    • Connaître l'utilisation des formats RDF/RDFS dans le cadre des données interconnectées (linked data)
    • Connaître quelques schémas particuliers (Schema.org par ex.)
    • Intégrer des données en utilisant les technologies du web sémantique
    • Mettre en place une conduite de projet de dématérialisation dans une organisation (audit des flux, enquête, comité de pilotage)
    • Connaître les processus normatifs liés à la dématérialisation
    • Présenter divers scénarios de dématérialisation en fonction du document d'entrée (papier, matériel, information numérique, etc.) et du type d'organisation
    • Caractériser les Processus Automatique, Semi Automatique, Supervisé de dématérialisation
    • Maîtriser et proposer des algorithmes d'extraction d'informations ayant pour but de déterminer la nature du document (catégorisation) ainsi que les éléments de contenu (Texte, Graphique etc.)
    • Intégrer les algorithmes de reconnaissance de contenu (OCR, ICR, etc.) dans un système d'analyse ou d'indexation de documents, et identifier leurs limites dans le contexte de documents complexes : manuscrits, courriers denses
    • Proposer des mesures de performances des algorithmes proposés
    • Identifier les grands principes de l'indexation (automatique, collaborative,), sémantique (websémantique), et sociale
    • Connaître les aspects normatifs lié à l'indexation, la certification, archivage légal : W3c - DC, EAD, RDF
    • Connaître les techniques de base et les techniques avancées en termes de moteur de recherche, d'outils de fouilles de texte, de traitement automatique de la langue
    • Connaître les techniques et les limites d'analyse des documents faiblement structurés (texte, son, video, etc.)
    • Connaître les principes d'archivage de l'information numérique : RM, SAE, coffre fort numérique, hébergement sécurisé, cloud...
    • Maîtriser les aspects de fouille de données en lien avec le SID
    • Maîtriser les outils mathématiques nécessaires à la fouille de données (notions d'algèbre linéaire, probabilités, descente de gradient, lagrangien)
    • Effectuer des réductions en dimension (analyse en composantes principales, en composantes discriminantes)
    • Connaître les méthodes de classification supervisée (annotation et mesure de qualité d'une classification, approches bayésiennes, champs de Markov, principe d'entraînement et de tests, approche linéaire discriminante, K plus proches voisins, classification multi-classe)
    • Connaître les méthodes de classification non supervisée (mesure de qualité d'un clustering, algorithmes de clustering)
    • Connaître les méthodes de classification interactive (visualisation d'information, fouille de données interactive, sélection interactive et adaptation des mesures de similarité)
    • Mettre en place une chaîne complète dédiée à la classification super-visée ou non supervisée
    • Implémenter les méthodes usuelles de classification supervisée ou non supervisée et connaître leur complexité et les cas de convergence
    • Mettre en oeuvre ces techniques via un logiciel
    • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tehniques simples d'analyse de données
    • Comprendre les différentes méthodes de récupération de données
    • Récupérer des données dans différents formats via une API ou directement via un logiciel
    • Concevoir un crawler web
    • Comprendre les méthodes de préparation de données : construction automatique de schéma, détection du type des données, valeurs manquantes ou doublons, etc. Mettre en œuvre ces techniques via un logiciel
    • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tehniques simples d'analyse de données
    • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tecniques avancées d'analyse de données
    • Connaître quelques solutions pour l'analyse de données massives
    • Connaître les méthodes classiques de visualisation de données : courbes, cadrans, cartes géographiques, cartes thermiques, etc.
    • Savoir utiliser des capacités interactives pour explorer les données
    • Savoir utiliser un logiciel de visualisation de données réseau
    • Comprendre en quoi l'analyse de données de type capteurs ou IoT influence les opérations de capture, de préparation et d'analyse de données
    • Savoir intégrer les aspects géographiques des données dans l'analyse de données
    • Communiquer efficacement en français et dans au moins une langue vivante étrangère (préférentiellement en anglais) sur des problèmatiques liées à leur domaine d'expertise
    • Mettre en œuvre une veille technologique
    • Développer une argumentation avec esprit critique
    • Situer son rôle et sa mission au sein d'une organisation pour s'adapter et prendre des initiatives
    • Identifier le processus de production, de diffusion et de valorisation des savoirs
    • Respecter les principes d'éthique, de déontologie et de responsabilité environnementale
    • Travailler en équipe autant qu'en autonomie et responsabilité au service d'un projet
    • Identifier et situer les champs professionnels potentiellement en relation avec les acquis de la mention ainsi que les parcours possibles pour y accéder
    • Caractériser et valoriser son identité, ses compétences et son projet professionnel en fonction d'un contexte
    • Se mettre en recul d'une situation, s'auto évaluer et se remettre en question pour apprendre
DÉCOUVRER L'AUTRE PARCOURS DE CETTE FORMATION
> Master Informatique parcours Architecte logiciel

ADMISSION

Votre profil

Vous êtes titulaire d’un Bac+3, Bac+4 ou équivalent : vous avez des connaissances en programmation déclarative et objet, structures de données, langages du Web, réseaux et protocoles, architecture client-serveur et bases de données requises.

Comment candidater ?

La sélection des candidats est réalisée sur dossier en M1.

Vous devez candidater ici : à partir de mars 2018

PROGRAMME

À l’Université, quelle que soit votre formation, les années sont découpées en semestres.

Chaque semestre, vous suivrez cinq unités d’enseignement (UE) qui correspondent à :

  • 3 UE « majeures » : elles correspondent à la discipline d’inscription de votre formation.
  • 1 UE « mineure » : elle correspond soit à la discipline de votre majeure soit à une autre discipline de votre choix. C’est à vous de décider.
  • 1 UE transversale : suivie par tous les étudiants de l’Université, elle correspond à des cours de langues, d’informatique d’usage, de préprofessionnalisation, bref, tout ce qui fera de vous un futur candidat recherché sur le marché de l’emploi.
Cours majeurs
Résultats d'apprentissage
  • Maîtriser les règles syntaxiques du langage XML, des espaces de nommage simples et multiples
  • Concevoir une DTD avec des contraintes d'intégrité
  • Mettre en oeuvre un analyseur de fichier XML
  • Maîtriser les méthodes de parcours d'un document XML en utilisant XPath
  • Appliquer des transformations de fichiers XML en d'autres formats avec XSL(T)
  • Connaître les grandes familles de systèmes de gestion de bases de données NoSQL
  • Concevoir un schéma de base de données NoSQL
  • Savoir mettre en oeuvre plusieurs systèmes de gestion de bases de données NoSQL (type IndexedDB, MongoDB, etc.)
  • Comprendre la notion de correspondance objet - algèbre relationnel (ORM)
  • Mettre en œuvre au moins un ORM (type doctrine, hibernate, etc.)
  • Objectifs d'apprentissage

    XML
    -  Maîtriser les règles syntaxiques du langage XML, des espaces de nommage simples et multiples
    -  Concevoir une DTD avec des contraintes d’intégrité
    -  Mettre en oeuvre un analyseur de fichier XML
    -  Maîtriser les méthodes de parcours d’un document XML en utilisant XPath
    -  Appliquer des transformations de fichiers XML en d’autres formats avec XSL(T)
    NoSQL
    -  Connaître les grandes familles de systèmes de gestion de bases de données NoSQL
    -  Concevoir un schéma de base de données NoSQL
    -  Savoir mettre en oeuvre plusieurs systèmes de gestion de bases de données NoSQL (type IndexedDB, MongoDB, etc.)
    Persistance
    -  Comprendre la notion de correspondance objet - algèbre relationnel (ORM)
    -  Mettre en oeuvre au moins un ORM (type doctrine, hibernate, etc.)

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260121-INFO

Résultats d'apprentissage
  • Comprendre la structuration d'une architectures n-tiers et d'en ientifier les différents composants
  • Décrire les problématiques principales liées aux logiciels multi-tâches
  • Connaître les principes fondamentaux de la programmation distribuée (RMI)
  • Concevoir et développer des systèmes multi-agents
  • Connaître les grands principes de la concurrence et des outils pour la gérer (processus concurrents, exclusion mutuelle, sémaphores, etc.)
  • Utiliser plusieurs mécanismes de programmation concurrente (type sémaphores via une bibliothèque C, Synchronisation de threads Java, etc.)
  • Objectifs d'apprentissage

    Conception de systèmes distribués et multi-tâches
    -  Comprendre la structuration d’une architectures n-tiers et d’en identifier les différents composants
    -  Décrire les problématiques principales liées aux logiciels multi-tâches
    -  Connaître les principes fondamentaux de la programmation distribuée (RMI)
    -  Concevoir et développer des systèmes multi-agents
    Programmation concurrente
    -  Connaître les grands principes de la concurrence et des outils pour la gérer (processus concurrents, exclusion mutuelle, sémaphores, etc.)
    -  Utiliser plusieurs mécanismes de programmation concurrente (type sémaphores via une bibliothèque C, Synchronisation de threads Java, etc.)

  • 60h (15h cours magistraux - 33h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260131-INFO

Résultats d'apprentissage
  • Comprendre les problèmes liés au développement du logiciel, principe du génie logiciel
  • Connaître les principaux modèles de cycle de vie du logiciel
  • Analyser et modéliser pour les différentes phases de conception
  • Comprendre les normes de qualité d'un logiciel
  • Mettre en oeuvre des tests à différents niveaux du cycle de vie logiciel (composants, intégration, système) et de différentes manières (fonctionnels / non fonctionnels : techniques statiques et revues de code, techniques " boîtes noires ", techniques " boîte blanches")
  • Connaître les principales métriques du logiciel et les utiliser pour améliorer la qualité
  • Concevoir des architectures via des techniques d'assemblage de composants logiciels
  • Modéliser de manière semi-formelle des systèmes à base de composants
  • Avoir des connaissances des méthodes formelles, modèles et logiques associées pour la garantir la qualité d'un système
  • Comprendre les techniques algorithmiques d'analyse et de vérification et de preuve (model-checking)
  • Transformer les exigences d'un système en propriétés et appliquer les vérifications associées
  • Objectifs d'apprentissage

    Méthodes de génie logiciel et approches de processus de développement d’un logiciel de qualité
    - Comprendre les problèmes liés au développement du logiciel, principe du génie logiciel
    - Connaître les principaux modèles de cycle de vie du logiciel
    - Analyser et modéliser pour les différentes phases de conception
    - Comprendre les normes de qualité d’un logiciel
    - Mettre en oeuvre des tests à différents niveaux du cycle de vie logiciel (composants, intégration, système) et de différentes manières (fonctionnels / non fonctionnels : techniques statiques et revues de code, techniques « boîtes noires », techniques « boîte blanches »)
    - Connaître les principales métriques du logiciel et les utiliser pour améliorer la qualité
    Conception d’un logiciel à base de composants
    - Développer des composants
    - Concevoir des architectures via des techniques d’assemblage de composants logiciels
    - Modéliser de manière semi-formelle des systèmes à base de composants
    Approches formelles de vérification et de test
    - Avoir des connaissances des méthodes formelles, modèles et logiques associées pour la garantir la qualité d’un système.
    - Comprendre les techniques algorithmiques d’analyse et de vérification et de preuve (model-checking)
    - Transformer les exigences d’un système en propriétés et appliquer les vérifications associées

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260111-INFO

Cours mineurs
Résultats d'apprentissage
  • Etre capable de mettre en oeuvre des outils de traitement de graphes dans un contexte de données massives
  • Etre capable de développer des applications hautement distribuées et scalable
  • Connaître plusieurs frameworks de développement d'applications
  • Comprendre les différentes méthodes de récupération de données
  • Récupérer des données dans différents formats via une API ou directement via un logiciel
  • Concevoir un crawler web
  • Comprendre les méthodes de préparation de données : construction automatique de schéma, détection du type des données, valeurs manquantes ou doublons, etc. Mettre en œuvre ces techniques via un logiciel
  • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tehniques simples d'analyse de données
  • Objectifs d'apprentissage

    Récupération de données
    -  Comprendre les différentes méthodes de récupération de données
    -  Récupérer des données dans différents formats via une API ou directement via un logiciel
    -  Concevoir un crawler web
    Préparation de données
    -  Comprendre les méthodes de préparation de données : construction automatique de schéma, détection du type des données, valeurs manquantes ou doublons, etc
    -  Mettre en oeuvre ces techniques via un logiciel
    Analyse de données
    -  Utiliser un ou plusieurs logiciels pour mettre en oeuvre des techniques simples d’analyse de données

  • 54h (9h cours magistraux - 36h travaux pratiques - 9h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260141-INFO

  • Objectifs d'apprentissage

    -  Etre capable de développer des applications hautement distribuées et scalable
    -  Connaître plusieurs frameworks de développement d’applications
    -  Etre capable de mettre en oeuvre des outils de traitement de graphes dans un contexte de données massives

  • 54h (9h cours magistraux - 36h travaux pratiques - 9h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260151-INFO

Cours transversaux
  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    DC-260101-ANG

  • 20h (5h cours magistraux - 15h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    C5-260102-COM

  • 20h (5h cours magistraux - 15h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    C5-260103-ODP

Cours majeurs
Résultats d'apprentissage
  • Assimiler les notions de théorie de l'information
  • Connaître les différents types de compression de données (avec et sans pertes)
  • Connaître les principales techniques de compression avec et sans perte (statistique, dictionnaire, par transformée, par prédiction)
  • Savoir implémenter un code correcteur pour diffusion sur un canal de communication potentiellement bruité
  • Connaître les mécanismes de compression pour différents types et formats de données (image, vidéo, son, texte), et savoir évaluer ses performances.
  • Connaître les principes des principaux codages de l'information dans le son et dans les images et les séquences d'images : (Images : JPEG, JPEG2000 - Séquences vidéos : MJPEG, MPEG 2, H263, MPEG 4 visual, H.264 - multimédia : MPEG-7 objectives, applications, MPEG-7 me-tadata, MPEG-7 description, MPEG-7 based search)
  • Objectifs d'apprentissage

    -  Assimiler les notions de théorie de l’information
    -  Connaître les différents types de compression de données :
    Compression sans perte
    Compression avec pertes
    -  Connaître les principales techniques de compression avec et sans perte
    Compression de type statistique
    Compression de type dictionnaire
    Compression par transformée
    Compression par prédiction
    -  Savoir implémenter un code correcteur pour diffusion sur un canal de communication potentiellement bruité
    -  Connaître les mécanismes de compression pour différents types et formats de données (image, vidéo, son, texte), et savoir évaluer ses performances.
    -  Connaître les principes des principaux codages de l’information dans le son et dans les images et les séquences d’images : (Images : JPEG, JPEG2000 - Séquences vidéos : MJPEG, MPEG 2, H263, MPEG 4 visual, H.264 - multi-média : MPEG-7 objectives, applications, MPEG-7 metadata, MPEG-7 description, MPEG-7 based search)

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 4 crédits ECTS
  • Code de l'EC

    C5-260261-INFO

Résultats d'apprentissage
  • Connaître les grands principes des SI, leurs architectures, leur urbanisation
  • Effectuer une veille sur l'évolution des SI : Cloud, architecture orientée service (SOA), ...
  • Comprendre les aspects liés à la sécurité des SI
  • Modéliser l'organisation de l'entreprise et les processus métier
  • Proposer des choix pertinents d'ERP pour une organisation
  • Comprendre les différentes phases de l'implémentation, et de l'exploitation de l'ERP
  • Installer, administrer et utiliser un CMS
  • Gérer les extensions d'un CMS
  • Mettre en oeuvre des authentifications externes et des ponts vers d'autres CMS
  • Objectifs d'apprentissage

    Organisation des SI
    -  Connaître les grands principes des SI, leurs architectures, leur urbanisation
    -  Effectuer une veille sur l’évolution des SI : Cloud, architecture orientée service (SOA) ...
    -  Comprendre les aspects liés à la sécurité des SI
    Progiciels de Gestion Intégrés (ERP)
    -  Modéliser l’organisation de l’entreprise et les processus métier
    -  Proposer des choix pertinents d’ERP pour une organisation
    -  Comprendre les différentes phases de l’implémentation, et de l’exploitation de l’ERP
    Systèmes de Gestions de Contenus (CMS)
    -  Installer, administrer et utiliser un CMS
    -  Gérer les extensions d’un CMS
    -  Mettre en oeuvre des authentifications externes et des ponts vers d’autres CMS

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 5 crédits ECTS
  • Code de l'EC

    C5-260211-INFO

Résultats d'apprentissage
  • Connaître les grands principes des SID : objectifs, structures et architectures
  • Comprendre les intérêts et la mise en pratique de la modélisation dimensionnelle
  • Concevoir et exploiter un data warehouse
  • Connaître les méthodes principales des procédures ETL (import/export, transformation, mise en correspondance)
  • Développer des connecteurs ETL
  • Maîtriser les aspects de fouille de données en lien avec le SID
  • Objectifs d'apprentissage

    Conception de systèmes d’information décisionnel
    -  Connaître les grands principes des SID : objectifs, structures et architectures
    -  Comprendre les intérêts et la mise en pratique de la modélisation dimensionnelle
    -  Concevoir et exploiter un data warehouse
    Solutions d’ETL
    -  Connaître les méthodes principales des procédures ETL (import/export, transformation, mise en correspondance)
    -  Développer des connecteurs ETL
    Fouiller de données
    -  Maîtriser les aspects de fouille de données en lien avec le SID

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 4 crédits ECTS
  • Code de l'EC

    C5-260271-INFO

Cours mineurs
Résultats d'apprentissage
  • Connaître les méthodes classiques de visualisation de données : courbes, cadrans, cartes géographiques, cartes thermiques, etc.
  • Savoir utiliser des capacités interactives pour explorer les données
  • Développer des applications client permettant d'utiliser un service web existant
  • Développer des services web côté serveur
  • Comprendre les principes d'intégration et de composition de services
  • Connaître les différentes solutions de filtrage de flux
  • Savoir mettre en oeuvre des tunnels réseaux et en particulier des tunnels chiffrés
  • Connaître les principes généraux des systèmes de détection d'intrusion (IDS)
  • Connaître les principales méthodes de chiffrement utilisées dans le transfert de données
  • Connaître les solutions de cryptage de données
  • Maîtriser les différentes solutions de stockage en réseau (réseaux de stockage, serveur de stockage en réseau)
  • Comprendre les différents mécanismes de mise en oeuvre de la redondance (RAID/Sauvegardes/FS répartis)
  • Connaître les différents supports matériels et l'organisation des données (partitions/FS)
  • Etre capable de déployer une application sur une plateforme en ligne
  • Comprendre les principes du déploiement d'application
  • Comprendre les concepts et architectures générales du cloud computing
  • Connaître les catégories de services du cloud computing (IaaS, PaaS, SaaS)
  • Etre capable de configurer et gérer des machines virtuelles
  • Comprendre les différentes solutions de virtualisation - hyperviseurs / conteneurs
  • Etre capable de mettre en place une architecture virtualisée
  • SAN virtualisés
  • Savoir utiliser un logiciel de visualisation de données réseau
  • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tecniques avancées d'analyse de données
  • Connaître quelques solutions pour l'analyse de données massives
  • Objectifs d'apprentissage

    Analyse de données
    -  Utiliser un ou plusieurs logiciels pour mettre en oeuvre des techniques avancées d’analyse de données
    -  Connaître quelques solutions pour l’analyse de données massives
    Visualisation de données
    -  Connaître les méthodes classiques de visualisation de données : courbes, cadrans, cartes géographiques, cartes thermiques, etc.
    -  Savoir utiliser des capacités interactives pour explorer les données
    -  Savoir utiliser un logiciel de visualisation de données réseau

  • 54h (9h cours magistraux - 36h travaux pratiques - 9h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260241-INFO

  • Objectifs d'apprentissage

    Architectures virtualisées
    -  Comprendre les différentes solutions de virtualisation - hyperviseurs / conteneurs
    -  Etre capable de mettre en place une architecture virtualisée
    -  SAN virtualisés
    -  Etre capable de configurer et gérer des machines virtuelles
    Concepts du cloud computing
    -  Connaître les catégories de services du cloud computing (IaaS, PaaS, SaaS)
    -  Comprendre les concepts et architectures générales du cloud computing
    Déploiement d’applications
    -  Comprendre les principes du déploiement d’application
    -  Etre capable de déployer une application sur une plateforme en ligne

  • 54h (9h cours magistraux - 36h travaux pratiques - 9h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260251-INFO

Cours transversaux
  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    DC-260201-ANG

  • 20h (5h cours magistraux - 15h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    C5-260202-DRTPP

  • 20h (5h cours magistraux - 15h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    C5-260203-DRTPP

  • 5 crédits ECTS
  • Code de l'EC

    C5-260204-STAG

  • 5 crédits ECTS
  • Code de l'EC

    C5-260205-PROF

Cours majeurs
Résultats d'apprentissage
  • Maîtriser les outils mathématiques nécessaires à la fouille de données (notions d'algèbre linéaire, probabilités, descente de gradient, lagrangien)
  • Effectuer des réductions en dimension (analyse en composantes principales, en composantes discriminantes)
  • Connaître les méthodes de classification supervisée (annotation et mesure de qualité d'une classification, approches bayésiennes, champs de Markov, principe d'entraînement et de tests, approche linéaire discriminante, K plus proches voisins, classification multi-classe)
  • Connaître les méthodes de classification non supervisée (mesure de qualité d'un clustering, algorithmes de clustering)
  • Connaître les méthodes de classification interactive (visualisation d'information, fouille de données interactive, sélection interactive et adaptation des mesures de similarité)
  • Mettre en place une chaîne complète dédiée à la classification super-visée ou non supervisée
  • Implémenter les méthodes usuelles de classification supervisée ou non supervisée et connaître leur complexité et les cas de convergence
  • Mettre en oeuvre ces techniques via un logiciel
  • Utiliser un ou plusieurs logiciels pour mettre en oeuvre des tehniques simples d'analyse de données
  • Objectifs d'apprentissage

    Fouille de données
    -  Maîtriser les outils mathématiques nécessaires à la fouille de données (notions d’algèbre linéaire, probabilités, descente de gradient, lagrangien)
    -  Effectuer des réductions en dimension (analyse en composantes principales, en composantes discriminantes)
    Apprentissage supervisé et non supervisé
    -  Connaître les méthodes de classification supervisée (annotation et mesure de qualité d’une classification, approches bayésiennes, champs de Markov, principe d’entraînement et de tests, approche linéaire discriminante, K plus proches voisins, classification multi-classe)
    -  Connaître les méthodes de classification non supervisée (mesure de qualité d’un clustering, algorithmes de clustering)
    -  Connaître les méthodes de classification interactive (visualisation d’information, fouille de données interactive, sélection interactive et adaptation des mesures de similarité)
    -  Mettre en place une chaîne complète dédiée à la classification supervisée ou non supervisée
    -  Implémenter les méthodes usuelles de classification supervisée ou non supervisée et connaître leur complexité et les cas de convergence.
    -  Mettre en oeuvre ces techniques via un logiciel
    Analyse de données
    -  Utiliser un ou plusieurs logiciels pour mettre en oeuvre des techniques simples d’analyse de données

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260371-INFO

Résultats d'apprentissage
  • Connaître les différentes briques matérielles et logicielles d'un système Big Data
  • Savoir utiliser différents outils logiciels (notamment libres) de collecte de données
  • Savoir choisir la bonne solution pour le stockage de données massives
  • Savoir utiliser un ou plusieurs framework de traitement de données massives (type hadoop et son écosystème)
  • Analyser les résultats
  • Objectifs d'apprentissage

    -  Connaître les différentes briques matérielles et logicielles d’un système Big Data
    -  Savoir utiliser différents outils logiciels (notamment libres) de collecte de données
    -  Savoir choisir la bonne solution pour le stockage de données massives
    -  Savoir utiliser un ou plusieurs framework de traitement de données massives (type hadoop et son écosystème)
    -  Analyser les résultats

  • 60h (15h cours magistraux - 33h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260311-INFO

Résultats d'apprentissage
  • Mettre en place une conduite de projet de dématérialisation dans une organisation (audit des flux, enquête, comité de pilotage)
  • Connaître les processus normatifs liés à la dématérialisation
  • Présenter divers scénarios de dématérialisation en fonction du document d'entrée (papier, matériel, information numérique, etc.) et du type d'organisation
  • Caractériser les Processus Automatique, Semi Automatique, Supervisé de dématérialisation
  • Maîtriser et proposer des algorithmes d'extraction d'informations ayant pour but de déterminer la nature du document (catégorisation) ainsi que les éléments de contenu (Texte, Graphique etc.)
  • Intégrer les algorithmes de reconnaissance de contenu (OCR, ICR, etc.) dans un système d'analyse ou d'indexation de documents, et identifier leurs limites dans le contexte de documents complexes : manuscrits, courriers denses
  • Proposer des mesures de performances des algorithmes proposés
  • Objectifs d'apprentissage

    -  Mettre en place une conduite de projet de dématérialisation dans une organisation (au-dit des flux, enquête, comité de pilotage)
    -  Connaître les processus normatifs liés à la dématérialisation
    -  Présenter divers scénarios de dématérialisation en fonction du document d’entrée (papier, matériel, information numérique, etc.) et du type d’organisation
    -  Caractériser les Processus Automatique, Semi Automatique, Supervisé de dématérialisation
    -  Maîtriser et proposer des algorithmes d’extraction d’informations ayant pour but de déterminer la nature du document (catégorisation) ainsi que les éléments de contenu (Texte, Graphique etc.)
    -  Intégrer les algorithmes de reconnaissance de contenu (OCR, ICR, etc.) dans un système d’analyse ou d’indexation de documents, et identifier leurs limites dans le contexte de documents complexes : manuscrits, courriers denses
    -  Proposer des mesures de performances des algorithmes proposés

  • 60h (15h cours magistraux - 15h travaux dirigés - 18h travaux pratiques - 12h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260361-INFO

Cours mineurs
Résultats d'apprentissage
  • Connaître les architectures orientées services et leurs usages
  • Mettre en oeuvre des services web en utilisant les technologies développées par le consortium W3 (SOAP/WSDL)
  • Mettre en oeuvre des services web respectant l'architecture REST
  • Mettre en oeuvre des services web en utilisant une architectur fondée sur le principe des micro-services (vs services fondés sur des architectures monolithiques)
  • Produire des documents numériques en utilisant les technologies XSL et FOP
  • Connaître le modèle de données RDF, l'utilisation d'ontologies et schémas RDFS et la formalisation en OWL
  • Comprendre en quoi l'analyse de données de type capteurs ou IoT influence les opérations de capture, de préparation et d'analyse de données
  • Savoir intégrer les aspects géographiques des données dans l'analyse de données
  • Mettre en oeuvre des requêtes sur des données RDF/RDFS à l'aide le langage de requête SPARQL
  • Connaître l'utilisation des formats RDF/RDFS dans le cadre des données interconnectées (linked data)
  • Connaître quelques schémas particuliers (Schema.org par ex.)
  • Intégrer des données en utilisant les technologies du web sémantique
  • Identifier les grands principes de l'indexation (automatique, collaborative,), sémantique (websémantique), et sociale
  • Connaître les aspects normatifs lié à l'indexation, la certification, archivage légal : W3c - DC, EAD, RDF
  • Connaître les techniques de base et les techniques avancées en termes de moteur de recherche, d'outils de fouilles de texte, de traitement automatique de la langue
  • Connaître les techniques et les limites d'analyse des documents faiblement structurés (texte, son, video, etc.)
  • Connaître les principes d'archivage de l'information numérique : RM, SAE, coffre fort numérique, hébergement sécurisé, cloud...
  • Objectifs d'apprentissage

    -  Comprendre en quoi l’analyse de données de type capteurs ou IoT influence les opérations de capture, de préparation et d’analyse de données
    -  Savoir intégrer les aspects géographiques des données dans l’analyse de données

  • 54h (9h cours magistraux - 36h travaux pratiques - 9h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260341-INFO

  • Objectifs d'apprentissage

    -  Identifier les grands principes de l’indexation (automatique, collaborative,), sémantique (websémantique), et sociale
    -  Connaître les aspects normatifs lié à l’indexation, la certification, archivage légal : W3c - DC, EAD, RDF
    -  Connaître les techniques de base et les techniques avancées en termes de moteur de recherche, d’outils de fouilles de texte, de traitement automatique de la langue
    -  Connaître les techniques et les limites d’analyse des documents faiblement structurés (texte, son, video, etc.)
    -  Connaître les principes d’archivage de l’information numérique : RM, SAE, coffre fort numérique, hébergement sécurisé, cloud...

  • 45h (9h cours magistraux - 36h travaux pratiques)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260351-INFO

Cours transversaux
  • 54h (15h cours magistraux - 39h travail en accompagnement)
  • 4 crédits ECTS
  • Code de l'EC

    C5-260302-RECH

  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    DC-260301-ANG

Cours transversaux
  • 92h (12h cours magistraux - 20h travaux pratiques - 60h travail en accompagnement)
  • 6 crédits ECTS
  • Code de l'EC

    C5-260401-PROJ

  • 24 crédits ECTS
  • Code de l'EC

    C5-260402-STAG

  • 24 crédits ECTS
  • Code de l'EC

    C5-260403-PROF

Interaction avec le monde professionnel

De nombreux professionnels interviennent dans le master (environ 15%) soit directement dans les enseignements, soit au travers de séminaires intégrés dans les enseignements.

Ouverture internationale

Le MASTER ICONE entretient de nombreux contacts avec Vietnam. En particulier, la deuxième année peut s’effectuer intégralement à Hanoï, soit dans une formation francophone (IFI), soit dans une formation anglophone (USTH).

ET APRÈS

Poursuite d'études

-  Doctorat

Secteurs d'activité

  • Banque, assurance
  • Commerce, distribution
  • Informatique, Web, images, télécommunications

Métiers

-  Chef de projet et consultant en dématérialisation
-  Gestionnaire d’applications système d’information
-  Ingénieur développement logiciel
-  Ingénieur système informatique

Faculté des Sciences et Technologies

avenue Michel Crépeau

17042 La Rochelle cedex 1

Envoyer un message

TROUVER UNE AUTRE FORMATION
Mis à jour le 8 décembre 2017
Informations présentées sous réserve de modifications