Aller au menu Aller au contenu
Une voie, plusieurs choix
Informatique et Mathématiques appliquées
Une voie, plusieurs choix

> Formation > Masters / Mastère spécialisé

BIGDATA : analyse, management et valorisation responsable

Le monde est aujourd’hui truffé d’applications et de capteurs matériels et logiciels qui permettent de relever et de partager des informations de toute sorte et dans tous les domaines (environnemental, médical, social, financier, transport ...).
Du fait de leur volume ou de leur nature, ces données ne peuvent pas toujours être exploitées de manière adaptée avec les systèmes traditionnels.
Pour que les organisations puissent créer de la valeur à partir du Big Data, elles doivent s’organiser : produire des données de manière numérique, extraire et raffiner la masse d’informations dont elles disposent et définir des circuits afin de distribuer ces informations vers les destinataires pertinents. Identifier de telles données, leur degré de fiabilité et leur pertinence est un des grands défis posés aux organisations par l’émergence du phénomène Big Data. Génératrice de nouveaux business models, la dimension Big Data doit être intégrée dans les organisations d’un point de vue technique et business, mais également d’un point de vue éthique. Le M.S. « Big Data : analyse, management et valorisation responsable » vise à répondre à ce besoin de compétences.

 

Objectifs du Mastère

Former des cadres :
  • Rapidement opérationnels dans une fonction ou une mission managériale de niveau intermédiaire à supérieur (management de projet, développement commercial, analyse du marché, …)
  • Responsables grâce à la compréhension des enjeux de l’éthique des affaires et du développement durable pour les entreprises internationales d’aujourd’hui
  • Ayant, grâce à leurs compétences techniques, la maîtrise de la construction et du dimensionnement des systèmes de traitement des masses de données (nouveaux services, nouveaux modèles de business...)
  • Capables d’aider les organisations à créer de la valeur à partir des Big Data

Pour quels métiers ?

Ce Mastère Spécialisé vise à former des professionnels capables de mener des projets liés au Big Data. Ces profils, très recherchés, à l’articulation entre les aspects scientifiques, techniques, managériaux, business et stratégique doivent inclure de manière transversale une dimension responsable et éthique.

Ce Mastère Spécialisé oriente principalement vers les métiers de
  • Data scientist
  • Data strategist
Les métiers liés au Big Data émergent peu à peu dans les entreprises, sous des appellations diverses :
 
  • Chief data officer
  • Big Data manager/strategist
  • Data analyst
  • IT consultant in Big Data
  • Business analyst, process analyst
  • Big data project manager

La force de deux Grandes Ecoles et de leurs partenaires

Le programme a été élaboré par deux Grandes Ecoles reconnues pour leurs expertises

Côté ingénieur

Grenoble INP - Ensimag, spécialiste de l’informatique et des mathématiques appliquées, 2e groupe français d’école d’ingénieurs au niveau mondial (QS rankings) en collaboration avec l’UFR IM2AG de l’Université Grenoble Alpes et le CNRS
 

ensimag

Côté management

Grenoble Ecole de Management (EESC), spécialiste du management de la technologie et de l’innovation. Classée dans le top 6 en France et dans le top 20 en Europe des écoles de management.

Votre profil pour candidater

  • Jeunes diplômés de Grandes Ecoles (management ou ingénieurs) ou titulaire d’un diplôme bac+5 d’universités (scientifiques, sciences économiques et sociales).
  • Etre professionnel en activité ou non, titulaire d’un bac+4 avec une expérience significative d’au moins 3 ans.

Ce programme requiert d’avoir abordé des aspects scientifiques lors de ses études ou d’avoir une première expérience significative dans le domaine du traitement des données.

L’admission en M.S. est sélective. Sont recevables les candidatures d’étudiants titulaires d’un des diplômes français suivants :

  • diplôme d’ingénieur habilité par la Commission des Titres d’Ingénieurs,
  • diplôme d’une des Ecoles de gestion dont la liste est arrêtée par la Conférence des Grandes Ecoles,
  • diplôme de 3e cycle ou diplôme équivalent dont la liste est arrêtée par la Conférence des Grandes Ecoles.

Sont également recevables les candidatures :
  • d’étudiants titulaires d’un diplôme étranger équivalent aux diplômes français exigés ci-dessus
  • de candidats titulaires d’une maîtrise (ou équivalent) et justifiant d’au moins trois ans d’expérience professionnelle.

A titre dérogatoire, le Directeur pourra considérer comme recevables, les candidatures qui, tout en ne répondant pas aux critères formels ci-dessus apparaîtraient exceptionnelles au vu du dossier.

Pré-requis

Pré-requis en mathématiques :

* Notions fondamentales d’algèbre linéaire
** Espace euclidiens
** Produit scalaire
** Opérations de base sur les matrices
** Matrices semi-définies positives
** Formes hermitiennes
** Diagonalisation de matrice et valeurs propres

* Bibliographie indicative :
** Fabien Margairaz. Algèbre linéaire I & II: Notes de cours de l’EPFL.
** Les notions de base d’algèbre sont aussi très bien décrites sur Wikipédia

* Notions fondamentales de probabilités
** Espérance, variance
** Probabilités jointes et conditionnelles, formule de Bayes
** Lois usuelles (loi de Bernoulli, loi uniforme, loi normale)
** Estimation des paramètres d’une loi par maximisation de la vraisemblance

* Bibliographie indicative :
** Olivier François. Notes de cours de Probabilités Appliquées. Les 40 premières pages. http://membres-timc.imag.fr/Olivier.Francois/Poly_Cours_Proba.pdf

* Notions fondamentales de statistiques
** Statistiques descriptives : Population statistique, Estimateurs de tendance centrale et de dispersion, Représentations usuelles (histogramme, diagramme en bâtons, etc.)
** Notions élémentaires de test d'hypothèse : Echantillons, Hypothèse nulle, hypothèse alternative, risques de type I et II, Test de Student

* Bibliographie indicative :
** Olivier Gaudoin. Principes et Méthodes Statistiques : Notes de cours, Ensimag 2A. Chapitres I,II, V (3 premières sections) https://www-ljk.imag.fr/membres/Olivier.Gaudoin/PMS.pdf


Pré-requis en informatique :

* Structures de données, algorithmique et programmation (par exemple Java, Python ou C)
* Fondements des systèmes d’exploitation
* Principes de systèmes de gestion de bases de données (représentation des données, stockage, interrogation…)
* Technologies web
* Notions en compilation

[1] Introduction to Algorithms (3rd ed.), Thomas Cormen, Charles Leiserson, Ronals Rovest, Clifford Stein, 2009, MIT Press and McGraw-Hill.
[2] Thinking in Java (4th ed.), Bruce Eckel, 2006, Prentice Hall.
[3] A First Course in Database Systems (3rd ed.), Jeffrey D. Ullman, Jennifer Widom, 2007, Pearson education.

Inscription

Les frais de scolarité sont de 16900 €.

Grenoble Ecole de Management organise différentes épreuves de sélection tout au long de l’année.

Processus d’admission et calendrier 

Les projets fil rouge

Les étudiants Mastère Big Data travaillent chaque année sur un projet appelé "Fil Rouge".
Ce projet est sousmis par une entreprise et validé avec les responsables de la filière.
Vous pouvez regadrer l'historique des projets mais également déposer un projet.

Les questions les plus fréquemment posées

Q : Quel est l’emplacement géographique des cours ?
R : La moitié des cours se déroule à l’Ensimag, l’autre à GEM, en fonction des jours de la semaine

Q : Quanq faire ce parcours ?
R : Le parcours Big Data se réalise après la diplomation à l'Ensimag.

Q : Que je vais y apprendre du point de vue scientifique. Est-ce que cela sera du Machine Learning ? Du Data Mining ? Des bases de données ? De la programmation de bases de données ? Des statistiques ? Des mathématiques ?
R : Voir le cahier pédagogique pour une description complète des enseignements GEM et Ensimag

Pour le côté Ensimag, en bref, les cours de la partie scientifique sont les suivants :
- Systèmes distribués 36h
- Apprentissage statistique et data mining 48h
- Accès à l'information 24h
- Stockage et traitement de données à grande échelle 36h
- Visualisation de l'information 18h

mise à jour le 28 mars 2023

Université Grenoble Alpes