Pour y accéder
Ce parcours de M2 s'adresse tout autant à des étudiants diplomés en Master 1 en sciences sociales (sociologie, économie, géographie, histoire, information et communication, linguistique) qu'à tout type de diplômes de niveau II en informatique ou statistique. Il est attendu des candidats une appétence certaine pour la numérique (programmation), l'analyse de données et la recherche.
Les plus de la formation
Le parcours Data Science et Société Numérique est le seul parcours de l’académie de Créteil à être centré sur la recherche en sciences sociales, en particulier dans le domaine des humanités numériques, avec une orientation forte vers l'usage du machine learning et de la programmation informatique qui lui est associée.
Les cours de Data Science sont dispensés à l'ESIEE lors de cours mutualisés avec des élèves ingénieurs en 4ème et 5ème années. Les étudiants participent aux séminaires de travail de l’équipe de recherche du Laboratoire LISIS, en particulier ceux de l'équipe de Sociologie numérique.
Le parcours offre l'opportunité aux étudiants d'affiner leur projet professionnel grâce à l'aprrentissage. Des stages alternés en laboratoire de recherche sont possibles pour ceux qui souhaitent poursuivre en doctorat.
Compétences visées
Les compétences visées sont les suivantes :
- Maîtrise des méthodes des data sciences (machine learning, analyse de réseaux et analyse textuelle) appliquées à l'étude des phénomènes sociaux.
- Préparation à la recherche dans le domaine des humanités numériques
- Acquisition de connaissances méthodologiques et épistémologiques spécifiques à l'exploration des traces numériques (données du web des médias sociaux ), impliquant des savoirs pluridisciplinaires en sciences sociales, des savoir-faire (travailler avec des données massives de traçabilité) et la maîtrise de la programmation informatique spécifiques (scripts R et Python).
- Développer une approche critique de l'éthique des algorithmes et une connaissance historique d'internet, du web et de ses usages.
Capacité d'accueil
25
Modalités d'accès
eCandidat et Etudes En France
Lieu(x) de la formation
Bâtiment Albert Camus , 2 allée Jean Renoir, Noisy-le-Grand
Bâtiment Bois-de-l'Etang
Calendrier
Apprentissage 3 jours par semaine en entreprise
Après la formation
Débouchés du parcours Data Science et Société Numérique : Data scientist dans le secteur public ou privé, Chief data officer dans le secteur public ou privé, Poursuite en Doctorat de sciences sociales, Analyste dans le secteur du web analytics et du social listening, Analyste en institut de sondage
Tous les étudiants bénéficient d'un accompagnement individuel pour leur recherche d'entreprise. Le suivi en apprentissage est accompagné par un enseignant et s'inscrit dans une exigence de préparation de l'insertion professionnelle. Des rencontres régulières avec le milieu professionnel et de la recherche sont organisées : interventions de chercheurs et d'experts durant la formation sous forme de séminaires, ateliers supplémentaires en lien avec leur thématique recherche à l'extérieur (Institut des Systèmes complexes ou Digital Method Initiative à Amsterdam…).
Insertion professionnelle
L'objectif premier du Master est de former des data scientist spécialisés dans le domaine de l'analyse des phénomènes sociaux. Les étudiants sont tout aussi bien formés à la recherche qu'au divers métiers de l'analyse de données.
Objectifs de la formation
- Maîtrise des méthodes des data sciences (machine learning, analyse de réseaux et analyse textuelle) appliquées à l'étude des phénomènes sociaux.
- Préparation à la recherche dans le domaine des humanités numériques
- Acquistion de connaissances méthodologiques et épistémologiques spécifiques à l'exploration des traces numériques (données du web des médias sociaux ), impliquant des savoirs pluridisciplinaires en sciences sociales, des savoir-faire (travailler avec des donnes massives de traçabilité) et la maîtrise de la programmation informatique spécifiques (scripts R et Python).
- Développer une approche critique de l'éthique des algorithmes et une connaissance historique d'internet, du web et de ses usages.
Disciplines majeures
La discipline majeure est la sociologie numérique, une des composantes des humanités numériques. Une attention particulière est portée aux enseignements d'analyse de données (analyse de réseaux, analyse textuelle et apprentissage statistique) et au maniement de la programmation sous R et Python. L'enjeu est l'interprétation renouvellée des phénoménes sociaux à l'aune des opportunités offertes par la traçabilité numérique, en équipant les étudiants d'une formation technique pour la préparation de données, l'analyse descriptive et prédictive et la visualisation de données. Un enseignement d'anglais est présent sur l'année.
Organisation de la formation
L'année est construite en deux semestres s'étalant de septembre à juin. Un bain numérique est organisé sur le mois de septembre pour mettre les étudiants à niveau en programmation et statistique. Les étudiants sont en apprentissage trois jours par semaine. Deux data sprints (atelier d'une semaine sur un jeu de données) sont prévus sur l'année, l'un à Amsterdam au Digital Method Initiative, l'autre à Paris en partenariat avec le Medialab, l'Institut des Systèmes Complexes et la plateforme Cortext. La soutenance du mémoire de recherche est prévue fin juin.
Modalité d'admission en FC :
Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission
Modalité d'admission en FI :
Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission
Modalité d'admission en Alternance :
Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission
Les options
Aucune option
Internationalisation de la formation
Un voyage d'étude est organisé à Amsterdam en janvier dans le cadre de l'université d'hiver du Digital Method Initiative.
Environnement de recherche
Les cours sont dispensés par les enseignants-chercheurs du laboratoire LISIS, du LIGM (via l'ESIEE) et des professionels (start up, IBM etc.).
Co-accréditation :
Une co-accréditation avec l'ESIEE
Co-accréditation :
Une co-accréditation avec l'ESIEE
