University College London (UCL)

Master en science des données

Enseigner et apprendre

Les cours magistraux constituent le principal moyen de communiquer des informations et de stimuler l'intérêt. Ils vous fournissent une base de connaissances formelle à partir de laquelle vous pouvez développer votre compréhension. La compréhension des cours est renforcée par des exercices, des ateliers informatiques et des travaux dirigés en groupe, ainsi que par l'auto-apprentissage. L'apprentissage par les pairs, les échanges avec d'autres étudiants et les discussions individuelles avec l'équipe pédagogique favorisent également le processus d'apprentissage.

Si les cours magistraux constituent le principal moyen d'acquérir des connaissances, vos compétences intellectuelles, académiques et de recherche se développeront principalement en dehors de l'amphithéâtre, par exemple en abordant et en discutant de problèmes posés régulièrement (généralement chaque semaine). Certains travaux pratiques vous demanderont de développer votre réflexion au-delà de l'apprentissage par cœur et de relier des idées entre différents modules. Vous serez encouragé à raisonner ouvertement en discutant des problèmes posés lors des travaux dirigés. Pour certains modules, des ateliers vous permettent de travailler sur des problèmes individuellement ou en groupe, avec la présence de l'équipe pédagogique ou des assistants. L'équipe pédagogique organise également des permanences régulières pendant lesquelles vous êtes invités à venir poser des questions sur la matière et à bénéficier d'une assistance et de commentaires individuels.

Des compétences pratiques et transférables sont développées grâce à des opportunités d'expérience pratique offertes par des ateliers et des projets réguliers. Les démonstrations et exercices d'analyse de données sont essentiels aux modules principaux, et une grande partie de l'enseignement du calcul statistique se déroule en ateliers informatiques, ce qui vous permettra d'apprendre par une participation active. Des ateliers supplémentaires, organisés pendant les semestres, préparent au projet de recherche d'été et abordent la communication statistique, par exemple la présentation de graphiques et de tableaux statistiques. Les superviseurs de projet vous guideront sur la gestion efficace d'une tâche de longue haleine. Vous êtes encouragé à suivre votre pratique professionnelle à l'aide d'un questionnaire d'auto-évaluation, ainsi qu'à évaluer vos progrès en auto-corrigeant les travaux non évalués.

Toutes les évaluations sommatives sont organisées au niveau modulaire pendant l'année universitaire au cours de laquelle le module est suivi. La plupart des modules de sciences statistiques et d'informatique combinent un examen écrit de fin d'année et des travaux pratiques pour évaluer vos connaissances et compétences académiques spécifiques à la matière, bien que certains modules soient entièrement basés sur des travaux pratiques. Les projets d'analyse de données évaluent également vos compétences intellectuelles, académiques et de recherche au moyen de rapports écrits sur traitement de texte et, dans le cas du projet de recherche d'été, d'une présentation orale.

Les cours sont conçus pour vous encourager à développer vos connaissances et compétences au fil des modules. Bien que tous les cours ne donnent pas lieu à une évaluation formelle, ils vous donneront l'occasion de démontrer vos compétences intellectuelles et pratiques par des réponses écrites à des exercices et orales lors des travaux dirigés. Les retours seront principalement présentés lors des travaux dirigés, des séances d'exercices ou des ateliers, et sur demande, de manière individuelle.

En moyenne, un étudiant consacre 150 heures d'étude à chaque module de 15 crédits. Ce temps comprend les cours, les travaux personnels et les travaux dirigés. Les modules sont généralement dispensés par séances hebdomadaires de deux heures réparties sur 10 semaines par trimestre.

Pour les étudiants à temps plein, les heures de cours sont généralement d'environ 12 heures par semaine. Hormis les cours magistraux, les séminaires, les ateliers et les travaux dirigés, les étudiants à temps plein suivent généralement des cours équivalents à ceux d'un emploi à temps plein, consacrant le reste de leur temps à l'autoformation et à la réalisation de travaux pratiques.

Aux premier et deuxième trimestres, les étudiants à temps plein peuvent généralement compter entre 10 et 12 heures de cours par semaine, réparties en cours magistraux, séminaires, ateliers, travaux dirigés et travaux dirigés. Au troisième trimestre et pendant l'été, les étudiants réaliseront leur propre projet de recherche et resteront en contact régulier avec leurs directeurs de thèse.

Modules

À plein temps

La méthodologie de base est dispensée par un module fondamental (pour réviser les concepts fondamentaux en probabilités et en statistiques) et d'autres modules obligatoires, illustrés par diverses applications. Les techniques de programmation sont introduites dans les modules fondamentaux afin de permettre aux étudiants de coder leurs propres méthodes statistiques. Les étudiants peuvent ensuite se concentrer sur leurs domaines d'intérêt en choisissant des modules optionnels adaptés.

Le projet de recherche vient consolider la composante enseignée du master. Les étudiants analyseront et interpréteront généralement les données d'un problème réel et complexe, offrant ainsi la possibilité de proposer des solutions viables. Les sujets de projet peuvent être sélectionnés parmi une liste proposée par le département, ou les étudiants peuvent proposer leurs propres propositions. La liste inclut généralement des projets collaboratifs avec des partenaires industriels.

À temps partiel

Le programme est également proposé à temps partiel sur deux ans. Les modules enseignés sont répartis entre la première et la deuxième année, mais au sein de chaque année, les cours d'un module donné sont les mêmes que ceux suivis par les étudiants à temps plein (aucun temps d'enseignement spécifique n'est donc proposé pour le programme à temps partiel).

Le module fondamental est suivi en début de première année. Il est recommandé aux étudiants de suivre également le module obligatoire « Introduction à la science des données statistiques » (STAT0032) en première année, sous réserve de remplir les prérequis. L'ordre d'enseignement des autres modules est toutefois flexible. Les étudiants à temps partiel soumettent leur projet à la fin de la deuxième année. Il est possible de convenir avec le responsable du projet de commencer à travailler sur le projet plus tôt que les étudiants à temps plein, mais les étudiants à temps partiel ne bénéficient pas d'un encadrement plus important.

• Modules obligatoires
• Introduction à l'apprentissage automatique
• Quinzaine de la Fondation
• Conception statistique des enquêtes
• Calcul statistique
• Introduction à la science des données statistiques
• Projet de recherche
• Modules optionnels
• Systèmes stochastiques
• Prévision
• Décision et risque
• Méthodes stochastiques en finance
• Méthodes stochastiques en finance II
• Modélisation quantitative des risques opérationnels et analyse des assurances
• Méthodes bayésiennes appliquées
• Inférence à grande échelle
• Modèles graphiques
• Apprentissage automatique appliqué
• Recherche d'informations et exploration de données
• Traitement statistique du langage naturel
• Apprentissage approfondi appliqué

Veuillez noter que la liste des modules présentée ici est indicative. Ces informations sont publiées longtemps avant l'inscription et le contenu et la disponibilité des modules sont susceptibles d'être modifiés.

Les étudiants suivent des modules d'une valeur de 180 crédits. Après avoir validé ces 180 crédits, ils obtiendront un Master en science des données.

Ce que ce cours vous apportera

• La science statistique UCL a un large éventail d'intérêts de recherche, mais possède des points forts particuliers dans le domaine des statistiques computationnelles et dans l'interface entre les statistiques et l'informatique.
• Le Centre de statistiques computationnelles et d'apprentissage automatique de UCL , dans lequel de nombreux membres du département sont actifs, propose un programme de séminaires, de masterclasses et d'autres événements.
• UCL est l'un des membres fondateurs de l'Institut Alan Turing, et les sciences statistiques et informatiques UCL UCL un rôle majeur dans ce nouveau développement passionnant qui fera de Londres un centre majeur de recherche sur les mégadonnées.
• Classé 5ème au Royaume-Uni par le QS World University Rankings by Subject 2024 pour les statistiques et la recherche opérationnelle, nous vous proposons une excellente éducation avec des normes d'enseignement élevées.

La base de votre carrière

Les professionnels de la science des données sont de plus en plus recherchés, l'intégration d'outils d'analyse statistique et informatique devenant essentielle dans tous les types d'organisations et d'entreprises. Une compréhension approfondie des fondamentaux est attendue des meilleurs praticiens. Par exemple, dans les applications du marketing, de la santé et de la banque, les compétences informatiques doivent s'accompagner d'une expertise statistique de niveau master. Les data scientists doivent posséder un bagage de connaissances approfondies pour pouvoir s'adapter à des défis en constante évolution.

Employabilité
Les diplômés de UCL Statistical Science accèdent généralement à un emploi professionnel dans un large éventail de secteurs industriels ou poursuivent des études universitaires complémentaires.

Les domaines d'emploi comprennent l'informatique, la technologie et les télécommunications, ainsi que la comptabilité et les services financiers, les diplômés obtenant des postes auprès de divers employeurs, notamment Deloitte et Huawei.

Réseautage
Le département offre une expertise de premier ordre ainsi que des liens étroits avec les praticiens. Son implantation au sein de UCL offre aux étudiants un large éventail de connaissances (par exemple, l'Institut des sciences mathématiques et statistiques UCL , le Centre de statistiques computationnelles et d'apprentissage automatique UCL et l'Institut Alan Turing). Les membres du personnel collaborent également directement avec les hôpitaux, les compagnies d'électricité, les organismes de réglementation gouvernementaux et le secteur financier. Par conséquent, les étudiants de troisième cycle ont la possibilité de collaborer avec des institutions externes. Des organisations externes peuvent dispenser des cours et des séminaires techniques, tandis que la liste des projets de recherche du master comprend généralement des collaborations avec des sociétés pharmaceutiques et d'autres partenaires industriels.

Accréditation
Ce programme de master est accrédité par la Royal Statistical Society. La période d'accréditation actuelle concerne les étudiants inscrits pour la première fois entre septembre 2023 et septembre 2028.