2014/2015

Université Pierre et Marie Curie - Master DAC

Master DAC
Données, Apprentissage et
Connaissances

Contexte
D’après le IDC (International
Data Corporation) le volume
de données dans le monde va
être multiplié par 50 dans la
prochaine décennie. 750
exabytes d’information numé-
rique ont été créés en 2006,
plus d’un zettaoctet en 2010.
On parle du déluge de don-
nées, de big data. Cela con-
cerne des données textuelles,
des images, des vidéos, des
informations sociales (liens
dans des réseaux sociaux), des
données bancaires, des don-
nées publiques (open data)…
(ANR, pôles de compétitivité)
qui financent régulièrement
des nouveaux appels à projets
industriels et scientifiques
autour de la thématique big
data et de data science. Ce
contexte requiert de nouvelles
solutions pour stocker, accé-
der, manipuler de telles quan-
tités de données, mais aussi
pour en extraire de l’informa-
tion utile, synthétique, résu-
mée, exploitable.

De nombreux secteurs de
l’industrie et des services sont
concernés par ce déluge de
données, d’autres en sont nés.
L’importance de ce problème
a également été reconnue par
les organismes publiques

Objectifs
La spécialité DAC a vocation Thématiques:
à former des acteurs armés
pour concevoir, développer, Les bases de données et le traitement, la collecte, la manipula-
mais aussi exploiter des solu- tion, la gestion de grandes quantités de données
tions innovantes et intelli-
gentes dans ce cadre.
L’apprentissage automatique : statistique, symbolique, à partir de
données imparfaites
L’objectif pédagogique de la
spécialité DAC est de donner La recherche d’information, et la fouille de données
des connaissances fonda-
mentales L’intelligence artificielle, l’intelligence computationnelle
 Master DAC

Compétences attendues
A l’obtention du diplôme, le
diplômé devra maîtriser :
 les enjeux, les problé-
matiques et le contexte
du traitement de l’infor-
mation à grande échelle
 les outils de base de
l’intelligence artificielle
 les technologies symbo-
liques et numériques
pour l’apprentissage
automatique à partir de
données
 les outils de base pour la
recherche d’information
 les différents constituants
d’un outil opérationnel de
fouille de données
 le fonctionnement des
moteurs de recherche,
texte, image, parole, vi-
déo
Il sera également capable de
mettre en œuvre et d’apporter
de l’innovation pour la con-
ception :de systèmes de ges-
tion, de collecte et d’analyse
de données à grande échelle,
d’outils de fouille de don-
nées, de recherche d’infor-
mation, de veille technolo-
gique, d’algorithmes d’ap-
prentissage automatique et
de reconnaissance des
formes

Débouchés Professionnels
Du point de vue industriel,
les métiers visés par la spé-
cialité DAC sont des métiers
Ce contexte requiert de concepteurs, de dévelop-
peurs, d’utilisateurs d’outils
de nouvelles solutions
intelligents dans tous les
pour stocker, accéder, domaines importants néces-
manipuler de telles sitant des compétences
fortes en traitement, analyse,
quantités de données, enrichissement des données.
mais aussi pour en Il peut s’agir de départe-
extraire de ments de Recherche ou de
R&D. On peut citer :
l’information utile,
synthétique, résumée,
exploitable.
 Gestion du Web, Web
advertising, Conception
de plateformes sociales
 Business Intelligence,
Customer Relationship
Management
 Recherche d’informa-
tions et moteurs de re-
cherche sur le web et
dans des plateformes
sociales
 Database tuning
(administrateur de BD),
Data analyst, Data ar-
chitect, Data manager
on distributed architec-
tures (cloud, data grid,
data center), Scientific
data manager, technolo-
gy watch, Web architect
Les entreprises typiquement
intéressées par le profil des
étudiants de cette spécialité
sont des acteurs du traite-
ment de l’information indus-
triels (OpenData, Etalab,
Internet memory, Google,
Yahoo !) ou académiques
(BNF, INA), des grandes
entreprises exploitant des
solutions complexes telles
que SAP (Accenture, Total),
de la recherche d’informa-
tion et de la fouille de don-
nées (Exalead, BlogSpirit,
KXEN), ainsi que des
grands groupes dans des
domaines divers tels que la
finance… Du point du vue
académique, la spécialité
ouvre naturellement vers des
postes d’enseignant-
chercheur et de chercheur.
Le but est de conserver un
taux de poursuite en thèse de
l’ordre de 50 %.

Public Visé
Le recrutement en M1 sera des étudiants d’écoles
réalisé essentiellement au d’ingénieurs (ENSIIE,
niveau L3 informatique, L3 CNAM, EPITA, ParisTech,
math-info, ou L3 scienti- etc) offrant des cursus com-
fique avec des solides con- patibles avec les fondamen-
naissances en informatique. taux enseignés dans notre
L’intégration d’étudiants M1.
hors UPMC est possible au
niveau M2 notamment pour
Page 2
 2014/2015
Profil de Compétences
Le premier semestre du M1
est un tronc commun offrant
une importante mutualisa-
tion d’enseignements avec
d’autres spécialités de la
mention informatique. Deux
cours obligatoires introdui-
sent les modèles et les lan-
gages principaux pour le
stockage et l’accès aux don-
nées structurées et séman-
tiques et pour la représenta-
tion de connaissances. Ces
deux cours sont complétés
par des cours d’autres spé-
cialités qui ont pour but de
fournir un ensemble d’outils
mathématiques et informa-
tiques nécessaires à la for-
mation ainsi que quelques
ouvertures. Sous réserve de
compatibilité d’emploi du
temps, nous permettrons
également aux étudiants qui
le souhaitent de suivre une
UE dite «libre» (appartenant
à une autre spécialité du
Master Informatique, voire à
un autre Master), qui n’ap-
paraît pas dans le tableau
suivant, et qui correspon-
drait à un projet profession-
nel cohérent.
A partir du deuxième se-
mestre du M1, nous propo-
sons dans cette formation
trois profils de compétences,
chacun donnant un ensemble
Parcours Recherche ou Professionnel
La nature du parcours suivi, Professionnel ou Re-
cherche, sera définie d’une part par le module de
formation suivi en M1S2 (FPR pour un parcours
Recherche, PLDAC pour un parcours Profession-
nel), d’autre part par le stage de M2S4 réalisé soit
en laboratoire (parcours Recherche) soit en entre-
prise (parcours Professionnel).
Page 3
de compétences spécifiques (documents, web sé-
aux étudiants, via un agen- mantique).
cement d’UE personnalisé.
Ces trois profils de compé- Les UE de chaque profil
tences sont : sont complémentaires aux
UE des deux autres profils et
permettent aux étudiants de
 Le profil de compé- personnaliser leur formation.
tences « Apprentissage
» (APP) propose des
Le premier semestre du M2
UE dans les domaines
de la recherche d’infor- offre des UE pointues qui don-
mation et la fouille de nent chacune un ensemble de
données appliqués à compétences spécifiques par
l’analyse de données rapport aux différents profils.
complexes, la veille L’orientation des étudiants vers
scientifique et indus- un métier se fera par leur stage
trielle et les médias so- au deuxième semestre de M2
ciaux.
qui a lieu pendant tout le se-
 Le profil de compé- cond semestre et pourra être
tences « Bases de Don- réalisé dans un laboratoire de
nées » (BD) propose
recherche ou dans une entre-
des UE dans le domaine
des bases de données prise, avec l’accent mis soit sur
appliquées à la gestion la recherche soit sur le dévelop-
de données complexes pement.
et distribuées large- D’après le IDC
échelle. (International Data
 Le profil de compé-
Corporation) le
tences « Intelligence
Artificielle » (IA) pro-
volume de données
dans le monde va être
pose des UE dans les
domaines de la modéli- multiplié par 50 dans
sation de connaissances
et de l’apprentissage la prochaine
symbolique appliqués décennie.
aux informations com-
plexes et incertaines
 Université Pierre et Marie Curie - Master DAC

Liste des Unités d’Enseignement

 ARF - Apprentissage et Reconnaissance des Formes

 AS - Apprentissage Statistique

 ASWS - Apprentissage Symbolique et Web Sémantique

 BDLE - Bases de Données Large-Echelle

 BDR - Bases de Données Réparties

 BI - Business Intelligence

 FDMS - Fouille de Données et Médias Sociaux

 FPR - Formation par la recherche

 IAMSI - Intelligence Artificielle et Manipulation Symbolique de l'Information

 LRC - Logique et Représentations des Connaissances

 MAPSI - Modèles et Algorithmes Probabilistes et Statistiques pour l'Informatique

 MLBDA - Modèles et Langages Bases de Données Avancées

 MORACOI - Modélisation et raisonnement à base de connaissances imparfaites

 PLDAC - Projet Logiciel

 RI - Recherche d'Informations

 TAL - Traitement Automatique du Langage Naturel

Contact
 Bernd Amann—bernd.amann@lip6.fr

 Ludovic Denoyer—ludovic.denoyer@lip6.Fr

 http://dac.lip6.fr/master