Filière Datascience et intelligence artificielle

Responsables

J.-F. Bercher, D. Courivaud

Novembre 2019


Éthique, féminisation et IA - 20 ans de Women@IBM

Mai 2019


ESIEE Paris partenaire du salon AI Paris 2019 - rdv les 11 et 12 juin

avril 2019

12 mars 2019

Table ronde sur "L'intelligence artificielle a-t-elle un sexe ?" lors du colloque InterElles.

6 décembre 2018

Avec les étudiants de la filière "Data science et IA" d'ESIEE PARIS, et dans le cadre de la chaire IBM "IA et presciptive analytics", nous étions invités le 6 décembre à visiter le centre IBM de Bois-Colombes. Au menu du programme concocté par Claire Herrenschmidt : visite du centre de solutions, de l'espace startups, et série de conférences sur les cas d'usage de Watson. Super intéressant, grande qualité de la visite et des présentations, et des étudiants ravis !

9 novembre 2018

À l'occasion de la conférence "Intelligence artificielle responsable -- de la théorie à l'action", signature de la Chaire IBM-ESIEE Paris | ""IA et Prescriptive analytics"
Nicolas Sekkaki (PDG IBM France), Jean Mairesse (DG ESIEE Paris), Claire Herrenschmidt (IBM - Relations écoles)</p>

22 novembre 2018

20 septembre 2018



Table ronde DataScience organisée par Synergie Campus à ESIEE Paris (Amphi MD)

Une nouvelle filière pour de nouveaux emplois!

Premiers diplômés en 2016

Dans un contexte de très fort essor du BigData et des objets connectés, la filière forme des ingénieurs spécialistes

  • de l'algorithmique Algo
  • de l'ingénierie et du traitement des données Data
  • de leur présentation, de l'implantation des solutions Dev

Pour Microsoft, le futur de l'IA passe par l'IoT (22 octobre 2018)

Ingénieur data

Les données sont un capital à valoriser, en appliquant/adaptant des méthodes permettant d’en extraire des indicateurs ou des modèles pour éclairer des statégies organisationnelle et/ou opérationnelle ou des décisions. Créer de la connaissance pour la transformation numérique des entreprises.

Un spécialiste des données est susceptible de

  • recueillir, récolter, analyser, nettoyer un grand volume de données à partir de diverses sources, souvent bruitées et hétérogènes
  • en extraire des (nouveaux) indicateurs, des connaissances
  • il est créatif, il utilise des méthodes et modèles existants, et en comprend les performances et limites, mais en crée aussi de nouveaux sur la base de sa connaissance métier
  • présenter les résultats notamment en utilisant la visualisation de données
  • déployer des algorithmes sur des clusters

Paul van der Laken, 16 janvier 2018, “What’s the difference between data science, machine learning, and artificial intelligence?”, visualized

Datascientist est un informaticien spécialisé dans l’analyse de données.

Offres d'emploi optioncarriere

Offres d'emploi Indeed

Ils en parlent (en vidéo)...

Quelques exemples de sujets/travaux réalisés par des (anciens) élèves

  • Industrie
    • Maintenance prédictive (ville/tunnelier)
    • Optimisation de la production
    • Modèles physiques [-- pesage de camions]
    • Consommation -- compteurs linky et gazpar (veolia/edf/efficacity) Efficacité énergétique
    • Gestion de trafic
    • Déploiement informatique
  • Web
    • Influenceurs web
    • Détection de genres musicaux (moteurs de recherche / sacem- ibm / Qwant)
    • E-reputation
    • Publicité personnalisée, moteurs de recommandation (Le Bon Coin)
    • Prix de vente sur ebay
  • Société
    • Recrutement automatisé
    • Banques/assurances (clustering clients / comportements/ détection de fraude)
    • Prédiction prix immobilier
    • Business Intelligence
  • Santé - Biologie
    • Maintien à domicile
    • Environnement, expression gènes --> croissance plantes

Ils ont recruté des anciens de la filière 

Artefact, Dassault, LeBonCoin, Lulu dans ma rue, Bosch, Data Publica/Sidetrade, Xebia, Thalès, BonDeVisite, IBM, Ministère de la justice, MP-Data, Octo-Technology/Accenture digital, Orange, DevoTeam, Natixis, Sopra, La Javaness, CGI France, Univalence, Free, Deezer, Qwant…

Ils interviennent dans les enseignements 

Data Publica-Sidetrade, Univalence, Octo Technology, Natixis, IBM...

Un contexte particulièrement porteur...

  • (Big)data : un taux de croissance de x0 % par an.
  • Objets connectés : 80 milliards d'objets connectés en 2020 (multiples références et chiffres...)

Organisation

Pédagogie

  • Principe de base : former des ingénieurs

connaissance opérationnelle
3 axes : Data/Dev/Algo
Fort taux de mise en oeuvre et projets

## Tableaux des unités avec brochures intégrées Ces tableaux contiennent, en lien, un accès à la brochure descriptive des unités [Programme E4](https://perso.esiee.fr/~bercherj/FiliereData/programmeE4_2019.pdf) [Programme E5](https://perso.esiee.fr/~bercherj/FiliereData/programmeE5_2019.pdf)

Organisation E4

Organisation E5

Compétences 

Langage R, Python (numpy/scikit-learn, pandas, …), Scala, devOps, web scraping, webapps flask, cryptographie, machine learning (régressions, SVM, Random Forests, Kmeans, ...) boosting, bagging, text mining, Hadoop, Spark MLLIB, deep learning, etc

Contacts - infos