Aller au contenu principal

Master Data Science et société numérique (D2SN)

Macaron diplôme national de Master contrôlé par l'Etat
Bac+1
Bac+2
Bac+3
Bac+4
Bac+5
M1
M2
Domaine(s)
Sciences humaines et sociales, architecture, sport
Dîplome
Master  
Mention
Sciences sociales  
Parcours
Data Science et société numérique (D2SN)  
Modalités
Formation en apprentissage, Formation continue, Formation initiale, Validation des acquis de l'expérience  
Lieu(x) de formation
  • Campus Marne la Vallée - Champs sur Marne, Bâtiment Bois de l’Etang
  • BOIS-DE-L'ETANG, BATIMENT ALBERT CAMUS ;ESIEE
Capacité d'accueil
Master 1 : 8 Master 2 : 25  
Une formation de

Pour y accéder

Le master est ouvert à deux types de profils : licences sciences sociales d’une part, licence informatique ou mathématiques appliquées d’autre part. Outre les connaissances et compétences propres à chacune de ces licences, il est demandé une appétence pour le numérique, le traitement informatique et statistique des données, et pour l’analyse des comportements et processus sociaux.

Les plus de la formation

Formation pluridisciplinaire ouverte à deux types de profils complémentaires : venant des sciences des données (informatique et mathématiques appliquées) ou des sciences sociales. Certains cours sont mutualisés avec des élèves ingénieurs de l’ESIEE.

 

Combinaison de compétences techniques et d’analyse sociale, prenant appui sur des laboratoires de recherche en sciences sociales et en informatique.

 

Inscription dans le Graduate Program Digis (Digital Studies & Innovation for Smart Cities) qui propose dès le M1 des bourses de recherche au mérite.

 

Organisation d’un voyage d’étude à l’étranger dans le cadre d’un data sprint.

Compétences visées

Savoir utiliser les méthodes des sciences des données (machine learning, fouille de données, analyse de réseaux, analyse textuelle) appliquées à l'étude des phénomènes sociaux, et prendre en main des recherches en sociologie computationnelle.

 

Pouvoir mener des audits techniques et organisationnels d’infrastructures de données.

 

Saisir les enjeux sociaux et éthiques, et savoir analyser les transformations occasionnées par le développement du numérique, de l’utilisation algorithmique de données massives, de l’intelligence artificielle…

Internationalisation de la formation

Voyage d'étude d'une semaine à Amsterdam

Capacité d'accueil

Master 1 : 8

Master 2 : 25

Modalités d'accès

eCandidat et Etudes En France ;

 

En M1, les candidatures doivent être effectuées via monMaster.

En M2, les candidatures doivent être effectuées via eCandidat.

Lieu(x) de la formation

Campus Marne la Vallée - Champs sur Marne

Bâtiment Bois de l’Etang

Autre lieu

BOIS-DE-L'ETANG, BATIMENT ALBERT CAMUS ;ESIEE

Après la formation

Débouchés : 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 des web analytics et du social listening, Analyste en institut de sondage…

 

Tou·tes les étudiant·es bénéficient d'un accompagnement individuel pour leur recherche d'entreprise. Le suivi en apprentissage est accompagné par un·e enseignant·e 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 (conférences, ateliers, voyage d’étude).

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'aux 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

Sociologie, informatique, science des données

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.

Modalités d'admission en FI :

Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission

Modalités d'admission en FC :

Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission

Modalités d'admission en FA :

Les admissions se font par l'intermédiaire de l'analyse des dossiers en commission

Calendrier

M1 en formation initiale, avec réalisation d'un mémoire de recherche,

 

M2 en apprentissage, 3 semaines à l'université puis 3 jours par semaine en entreprise

 

Lieux de formation en multi-sites :

 

-Cité Descartes : Bâtiments Bois de l'Étang, Camus, Esiee ;

-Paris : Institut des Systèmes Complexes (quelques journées)

Date de rentrée

09/09/2024

Environnement de recherche

Master adossé au LISIS (Laboratoire Interdisciplinaire Sciences Innovations, Sociétés), laboratoire de sciences sociales. Enseignant·es Gustave Eiffel membres de laboratoires en sciences sociales (LISIS, LATTS) et d’informatique (LIGM), autres enseignant·es membres de l’Institut des Systèmes Complexes de Paris Île-de-France.

 

Inscription dans le Graduate Program Digis (Digital Studies & Innovation for Smart Cities) qui attribue des bourses de recherche au mérite dès le M1.

Tarif FC (Les informations ci-contre s'adressent uniquement aux adultes en reprise d'études)

7000 €/an

Semestre 1

EnseignementsECTSCMTDTP
Sciences sociales 1 7
Sociologie des mondes numériques

Cet enseignement analyse la façon dont le numérique transforme les mondes sociaux - qu'il s'agisse de la politique, de l'économie, de la culture ou des médias. En prenant appui sur les savoirs des sciences sociales et de la sociologie, il explore les principales ruptures et continuités dans la façon dont le numérique bouleverse les pratiques et les représentations.

 

312h 12h
Sociologie des sciences et de l'innovation Choix 1

Ce cours est une introduction à la sociologie contemporaine de l’innovation, des sciences et des techniques. Il aborde les préoccupations, théories, terrains et méthodes qui structurent ce domaine depuis les années 1970, en s’efforçant de les rattacher aux principales traditions sociologiques qui l’irriguent, aux débats qui le fragmentent, et aux grands résultats qui le caractérisent. Après une présentation de propositions théoriques importantes, issues du « Programme fort » de la sociologie de la connaissance scientifique (SSK), de la construction sociale des technologies (SCOT), et de la théorie de l’acteur-réseau (ANT), l’enseignement adopte une entrée thématique et empirique pour familiariser les étudiants à certains développements récents touchant à la politique des artefacts technologiques, aux rôles et aux figures des usagers dans l’innovation, à la production de connaissances et d’informations dans les organisations, et à des questions de démocratie technique

 

218h
Sociologie des réseaux Choix 2

Théories sociologiques prenant appui sur la notion de réseau. L’école de Manchester (Bott, Barnes, Boissevain) ; formalisation autour de White ; sociologie économique : Granovetter, Burt ; sociabilité, réseaux égocentrés : Wellman, Bidart, Grossetti ; sociabilité en ligne

 

218h
Analyser en sciences sociales 1 20
Enquêter en sciences sociales

Ce cours a pour but de transmettre aux étudiants les savoirs et savoir-faire indispensables à la construction et à l’utilisation des différents outils permettant de recueillir des données, à savoir, principalement, le questionnaire, l’entretien et l’observation. Un des principaux objectifs est aussi de savoir quand utiliser les différentes méthodes, autrement dit de comprendre pourquoi, dans certains cas, il semble préférable d’utiliser la méthode du questionnaire et pourquoi, dans d’autres situations, il paraît plus utile de réaliser des entretiens ou des séquences d’observation. De façon fondamentale, le choix pour une méthode d’enquête est déterminé par la façon dont le chercheur conçoit abstraitement les phénomènes et les acteurs sociaux. Enfin, d’un point de vue général, les choix méthodologiques peuvent être reliés aux grandes traditions théoriques qui ont émergé dans le domaine des sciences sociales.

 

524h
Méthodologie du mémoire

Ce cours a pour finalité de transmettre aux étudiants les outils nécessaires à la rédaction de leur mémoire. Il vise à leur indiquer ce qui est attendu d'un mémoire de recherche sur le plan de la méthodologie, de la mobilisation des connaissances, de l'utilisation des cadres théoriques, de l'analyse des données, de la construction d'une problématique, du respect des normes académiques. Des conseils pratiques seront donnés à l'occasion de ce cours sur l'utilisation et la hiérarchisation des sources et des références,la construction d'une bibliographie et d'une annexe,la rédaction d'une introduction et d'une conclusion, la soutenance du mémoire, etc.

 

1518h
Traiter les données 1 10
Programmation en Python

Principes de base de la programmation, le langage python, structures de contrôle, manipulations de données élémentaires, notions d’algorithmique.

 

418h
Statistique pour les SHS

Rappels des principes de base de la statistique, appliqués à la manipulation de jeux de données fournis, en langage Python

 

318h
Bases de données

Savoir utiliser un Système de Gestion de Base de Données Relationnelles (SGBDR) ; connaître les concepts essentiels des bases de données et le vocabulaire employé dans les différents SGBD ; concevoir une base de données relationnelle. Savoir utiliser un logiciel de modélisation de système d'information.

 

324h
Élargissement des connaissances 1 5
Culture juridique

Le cours a pour objectif de dispenser aux étudiants une formation indispensable pour pouvoir appréhender les concepts fondamentaux du droit du travail. Les étudiants doivent comprendre les mécanismes de base du droit social, son sens et son application dans des cas concrets. Seront abordés dans le cadre du cours : rappel des sources du droit et de l’organisation judiciaire ; la naissance de la relation de travail (recrutement, formalités préalables à l'embauche) ; la conclusion du contrat de travail (la conclusion du CT, les différentes formes de CT) ; l'exécution du contrat de travail (Obligations réciproques aux parties du contrat, la modification du CT) ; la rupture du contrat de travail (licenciement et autres formes de rupture)

 

218h
Anglais

Améliorer ses compétences de communication en anglais général et anglais de la communication (niveau B2- C1). Enrichir sa connaissance du monde anglophone et approfondir sa compréhension de la communication. Elaborer des documents écrits structurés (CV, emails), s’entraîner à la présentation orale dynamique et à l’interaction. Approche : exploitation d’articles et de vidéos, appropriation de vocabulaire et structures, mise en situation et interaction entre différents rôles. Evaluation : 100% contrôle continu - Assiduité : obligatoire Oral 1 : 10% participation (implication, qualité de l’expression) Oral 2 : 20% interaction (improvisée, 8 min à 2) Oral 2 : 20% présentation (préparée, 6 min) Ecrit 1 : 25% compréhension écrite et/ou orale/ exercice de vocabulaire et/ou grammaire Ecrit 2 : 25% expression écrite

 

316h

Semestre 2

EnseignementsECTSCMTDTP
Analyser en sciences sociales 2 20
Méthodologie du mémoire

Ce cours a pour finalité de transmettre aux étudiants les outils nécessaires à la rédaction de leur mémoire. Il vise à leur indiquer ce qui est attendu d'un mémoire de recherche sur le plan de la méthodologie, de la mobilisation des connaissances, de l'utilisation des cadres théoriques, de l'analyse des données, de la construction d'une problématique, du respect des normes académiques. Des conseils pratiques seront donnés à l'occasion de ce cours sur l'utilisation et la hiérarchisation des sources et des références,la construction d'une bibliographie et d'une annexe,la rédaction d'une introduction et d'une conclusion, la soutenance du mémoire, etc.

 

1518h
Enquêter par les données

Ce cours a pour objectif de familiariser les étudiants à l'analyse de données issues du web et des réseaux sociaux. Les étudiants seront initiés à diverses méthodes telles que la collecte automatique de données issues du web (scraping); l'analyse statistique des activités en ligne ; l'analyse quantitative de corpus textuels.

 

518h
Traiter les données 2 5
Formats de données

Formats de fichiers : csv, xml, json, txt, xlsx, docx ; manipulations en python avec des jeux de données.

 

212h
Visualisation de données

Principes de visualisation de données, manipulation de librairies python, intégration de notions statistiques.

 

318h
Élargissement des connaissances 2 5
Le numérique en entreprise

L’objectif est d’analyser les usages et les effets des technologies numériques dans les organisations. Un premier fil met l’accent sur les usages au sein d’organisations hiérarchisées, mettant en évidence des dimensions de contrôle, voire d’absence d’usage due au contexte organisationnel mais aussi d’innovations organisationnelles. Ce point est important pour de futurs responsables qui seront chargés de mettre en place ce type d’outils et confrontés aux statistiques de leur usage ou non-usage. Le deuxième fil porte sur les transformations du travail à l’ère numérique, multi-activité, « dispersion » au travail, télétravail, brouillage des frontières vie privée/professionnelle… Les séances mobilisent la lecture et le commentaire d’articles sociologiques. Une enquête collective dirigée porte sur la réception du rapport Mettling « transformation numérique et vie au travail » dans la presse, auprès des syndicats et dans les grandes entreprises.

 

218h
Anglais

 

216h
Atelier pré-pro

 

16h
Stage facultatif

 

Semestre 3

EnseignementsECTSCMTDTP
Sociologie6
Problèmes sociologiques

Initiation à la sociologie à travers des études de cas concrets

 

3 9h 9h
Quantification et action publique

Sociologie de la quantification, processus de mise en données, construction sociale des indicateurs pour l'action publique

 

3 9h 9h
Data science appaliquée aux SHS9
Analyse de réseaux

Ce cours couvre de manière compléte les méthode d'analyse de réseaux sociaux en s'appuyant sur la plateforme Cortext

 

6 48h
Data sprint

Travail sur un jeu de données spécifique pendant une sémaine, en principe au Digital Method Initiative à Amsterdam.

 

3 35h
Statistique et informatique6
Programmation

Enseignement de la programmation en Python ou en R, en deux ou trois modalités selon le niveau, allant des bases de la programmation pour les plus débutants, à des éléments d'algorithmique pour les plus avancés

 

3 24h
Machine learning 1

Méthodes du machine learning supervisées et non supervisées

 

3 30h
Méthode et mémoire9
Conduite du projet de recherche

Les étudiants définissent leur projet de mémoire et apprennent les pratiques du monde de la recherche

 

6 18h
Anglais

 

3 16h

Semestre 4

EnseignementsECTSCMTDTP
Sociologie6
Politique des algorithmes

enjeux socio-politiques du déploiement des algorithmes dans la société

 

3 9h 9h
Sociologie et éthique des algorithmes

Ce cours revient sur le débat autour de l'éthique des algorithmes. Il couvre les concepts philosophique de l'éthique en rapport aux machines et la sociologie de la quantification. Il a également une dimension pratique : les étudiants découvrent les méthodes de calcul des biais et les manières de rendre explicables les calculs du machine learning.

 

3 30h
Data sciences appliquées aux SHS9
Traces numériques et espace public

Atelier de sociologie numérique sur un corpus numérique autour de l'étude d'un mouvement social ou d'une controverse.

 

3 6h 12h
Analyse de larges corpus

Analyse de larges corpus avec des méthodes issues de l'intelligence artificielle générative

 

3 18h
Data sprint

 

3 35h
Statistique et informatique6
Machine learning 2

Poursuite du cours de machine learning

 

3 30h
Text mining

Ce cours revient sur les fondamentaux du traitement automatique des langues. Il couvre ensuite différentes methodes de fouille de texte (lexicométrie, modèle thématique et classification supervisés de documents).

 

2 9h 9h
Approches sémantiques de l'IA

 

2 9h 9h
Visualisation de données

Découverte des bases théoriques de la visualisation de données et mise en pratique sur un jeu de données fourni

 

2 18h
Méthode et mémoire9
Conduite du projet de recherche

Les étudiants définissent leur projet de mémoire et apprennent les pratiques du monde de la recherche

 

4 18h
Mémoire

Soutenance

 

2
Anglais

 

2 16h

MATHIEU-FRITZ Alexandre (M1-M2)

Responsable de mention

PRIEUR Christophe (M1-M2)

Responsable de formation

SIVO Nicolas (M1-M2)

Secrétaire pédagogique
Téléphone : 01 60 95 72 46
Partenaire(s)