DSTI School of Engineering

Applied MSc in Data Engineering for Artificial Intelligence

Στόχοι του Εφαρμοσμένου Μεταπτυχιακού Προγράμματος στη Μηχανική Δεδομένων για την Τεχνητή Νοημοσύνη

Οι ακόλουθοι είναι οι κύριοι στόχοι του προγράμματος Applied MSc in Data Engineering for AI:

• Μάστερ στην Πληροφορική και την Αρχιτεκτονική Μεγάλων Δεδομένων. Αποκτήστε λεπτομερείς γνώσεις και δεξιότητες για τη δημιουργία και την παρακολούθηση υποδομών Πληροφορικής και Μεγάλων Δεδομένων.
• Υιοθετήστε τις μεθοδολογίες DevOps. Εξερευνήστε το DevOps και δημιουργήστε πλαίσια συνεχούς ενσωμάτωσης για να βελτιώσετε τη διαδικασία δημιουργίας και διάθεσης λογισμικού σας.
• Αξιοποίηση Μηχανικής Μάθησης και Βαθιάς Μάθησης. Μάθετε βασικές γλώσσες προγραμματισμού και βιβλιοθήκες για εφαρμοσμένη μηχανική μάθηση και βαθιά μάθηση, βελτιώνοντας τις ικανότητές σας για κατασκευή και ανάπτυξη σύνθετων μοντέλων για πρακτικές εφαρμογές.
• Αρχιτεκτονήστε Συστάδες Δεδομένων και Υπολογισμών Υψηλής Κατανομής. Βελτιώστε τις ικανότητές σας για τη δημιουργία και διαχείριση συστοιχιών δεδομένων και υπολογισμών υψηλής κατανομής, όπως το Hadoop ή το Spark, επιτρέποντας την αποτελεσματική και αποδοτική διαχείριση δεδομένων μεγάλης κλίμακας.

Οι μελλοντικοί μεταπτυχιακοί φοιτητές που ειδικεύονται στη Μηχανική Δεδομένων για Τεχνητή Νοημοσύνη μπορούν να ξεκλειδώσουν απίστευτες επαγγελματικές προοπτικές. Η αυξανόμενη ζήτηση για ταλαντούχους Μηχανικούς Δεδομένων στην Ευρώπη είναι σαφής, καθώς σχεδόν κάθε φοιτητής λαμβάνει προσφορές πρακτικής άσκησης εντός έξι μηνών, προσφέροντας μια μηνιαία ικανοποίηση περίπου 1.200€ κατά μέσο όρο.

• Το 95% των φοιτητών λαμβάνουν προσφορά πρακτικής άσκησης εντός 6 μηνών
• Το 75% των φοιτητών βρίσκουν πρακτική άσκηση στην Ευρώπη
• 1000 EUR+ μέση μηνιαία υποτροφία
• Μέσος αρχικός μισθός 49 χιλιάδες ευρώ

Το εφαρμοσμένο MSc μας στη Μηχανική Δεδομένων για φοιτητές τεχνητής νοημοσύνης εργάζεται ως

• Μηχανικός δεδομένων
• Ανώτερος Μηχανικός Λογισμικού
• Διαχειριστής συστήματος
• Μηχανικός μάθησης μηχανών
• Cloud Solutions Architect
• Εκδότης δεδομένων αποθήκης δεδομένων

Εργοδότες του Εφαρμοσμένου MSc μας στη Μηχανική Δεδομένων για φοιτητές AI

• Αδάλτας
• Africa Prudential
• Alvedoo
• Παιχνίδια Ambrator
• Axa France
• Κύκλος Baobab
• Καπετζεμίνι
• Cloudreach
• Πλατεία Περιεχομένου
• Dashlane
• Data Minded BV
• Datakhi
• ΣΥΛΛΟΓΗ ΔΕΔΟΜΕΝΩΝ
• EDF LAB Paris Saclay
• Enel
• FENYX Συμβουλευτείτε
• Διατροφικά
• Google
• Huawei Technologies Nigeria Ltd
• ΙΝΕΤΟΥΜ
• INFONOMICS TECHNOLOGY SERVICES LIMITED
• Α.Ε.
• Lixo
• Mercedes-Benz
• Pelico
• Statistisches Bundesamt Deutschland
• Αγνός
• TTE World
• Βόλτ

Το πρόγραμμα σπουδών του Applied MSc in Data Engineering for AI

Μαθήματα Προθέρμανσης – (75 Ώρες) – 6 ECTS

• Βασικά εφαρμοσμένα μαθηματικά (10 ώρες)
• Δομή δεδομένων και εφαρμοσμένη μηχανική μάθηση με χρήση Python & R (20 ώρες)
• Εισαγωγές στο:
  • Διαχείριση δεδομένων (5 ώρες)
  • AI Awareness (5 ώρες)
  • Αρχιτεκτονική Υπολογιστών (5 ώρες)
  • Δικτύωση (5 ώρες)
  • Εργαστήρια Συστημάτων Υπολογιστών (10 ώρες)
  • Clean IT (10 ώρες)
  • Βασικά στοιχεία του Excel (5 ώρες)

Κατανεμημένη & Επιτελεστική Πληροφορική – 200 Ώρες / 25 ECTS

• Υπολογιστικό Νέφος - Amazon AWS “Έδρα DSTI Υπολογιστικού Νέφους” (50 ώρες) - 4 ECTS
• Υπολογιστικό Νέφος – Microsoft Azure (25 ώρες) - 3 ECTS
• Τεχνολογίες Σημασιολογικού Ιστού για εξελίξεις της Επιστήμης Δεδομένων (25 ώρες) - 4 ECTS
• Μηχανική Λογισμικού Μέρος 1 & 2 (50 ώρες) - 6 ECTS
• Python Machine Learning Labs (25 ώρες) - 4 ECTS
• Μηχανική Ιστού (25 ώρες) - 4 ECTS

Διαχείριση Δεδομένων – 180 Ώρες / 25 ECTS

• Δεδομένα Wrangling με SQL (25 ώρες) - 3 ECTS
• Αποθήκευση δεδομένων & ETL (25 ώρες) - 4 ECTS
• Βάσεις Δεδομένων Γραφημάτων – NoSQL – Μέρος 1 (25 ώρες) - 4 ECTS
• Βάσεις Δεδομένων Εγγράφων – NoSQL (5 ώρες) - 2 ECTS
• Big Data Ecosystem by Adaltas (50 ώρες) - 4 ECTS
• Data Pipeline Part 1 & 2 (50 ώρες) - 8 ECTS

Λειτουργικές Μεθοδολογίες - 150 Ώρες / 16 ECTS

• Νόμοι και Κανονισμοί Δεδομένων – Φιλοσοφίες, Γεωπολιτική και Ηθική (25 ώρες) - 2 ECTS
• Διαχείριση Έργων Πληροφορικής – PMP-PMI και Ευέλικτες Προσεγγίσεις (25 ώρες) - 2 ECTS
• Διαχείριση δεδομένων CRM (25 ώρες) - 4 ECTS
• DevOps by Adaltas (50 ώρες) - 4 ECTS
• Κυβερνοασφάλεια (25 ώρες) - 4 ECTS

Επιστήμη Δεδομένων – 125 Ώρες / 18 ECTS

• Εφαρμοσμένα Μαθηματικά για Επιστήμη Δεδομένων (25 ώρες) - 3 ECTS
• Θεμέλια Στατιστικής Ανάλυσης & Μηχανικής Μάθησης Μέρος 1 (25 ώρες) - 3 ECTS
• Επεξεργασία Μεγάλων Δεδομένων με R (25 ώρες) - 4 ECTS
• Τεχνητά Νευρωνικά Δίκτυα (25 ώρες) - 4 ECTS
• Deep Learning (25 ώρες) - 4 ECTS

50 Ώρες Συνεδρίες Υποστήριξης

• Υποχρεωτική 6μηνη πρακτική άσκηση – 30 ECTS

Technologies in Applied MSc in Data Engineering for AI

• Amazon AWS
• Microsoft Azure
• Λιμενεργάτης
• Hadoop
• Σπίθα
• Microsoft SQL Server
• Πύθων
• MongoDB
• Neo4j
• R
• ντο
• Ιάβα
• Σωλήνας δεδομένων
• Σημασιολογία Ιστού
• Nagios, Consul, Ansible, GitHub κ.λπ.

Δομή προγράμματος

Το πρόγραμμα Applied MSc in Data Engineering for AI χορηγεί 120 ECTS. Περιλαμβάνει 780 ώρες διδασκαλίας, που ισοδυναμούν με 90 ECTS, συμπεριλαμβανομένης της προθέρμανσης DSTI 75 ωρών για τεχνική επάρκεια και επιπλέον 50 ωρών συνεδριών υποστήριξης. Μετά το μάθημα, μια πρακτική άσκηση διάρκειας 6 μηνών, αξίας 30 ECTS, προσφέρει πρακτική εμπειρία μηχανικής δεδομένων.

Λειτουργίες Μελέτης

Το DSTI προσφέρει το Applied MSc in Data Engineering for AI σε δύο τρόπους: Initial Education και Continuous Education.

Αρχική Εκπαίδευση

Το Initial Education έχει σχεδιαστεί για μαθητές κάτω των 30 ετών που μεταβαίνουν από το σχολείο ή το πανεπιστήμιο, προετοιμάζοντάς τους να γίνουν ικανοί επαγγελματίες δεδομένων. Επιλέξτε ανάμεσα σε δύο επιλογές: Πλήρης απασχόληση ή Μερική απασχόληση (Μαθητεία).

Λειτουργία πλήρους απασχόλησης

Για αρχάριους στη Μηχανική Δεδομένων, προτείνουμε τη λειτουργία πλήρους απασχόλησης 2 ετών με επιλογές για δύο πρακτικές που σχετίζονται με δεδομένα, με τη δεύτερη να είναι υποχρεωτική.

• Προθέρμανση: 3 εβδομάδες
• Μαθήματα 1ου έτους + προαιρετική πρακτική άσκηση 4 έως 6 μηνών
• Μαθήματα 2ου έτους + 6μηνη υποχρεωτική πρακτική άσκηση
• Παρίσι και Νίκαια Σοφία Αντίπολη
• Online

Λειτουργία μερικής απασχόλησης (Μαθητεία).

Ο τρόπος μαθητείας συνδυάζει εργασία μερικής απασχόλησης και σπουδές, ανοιχτή μόνο σε φοιτητές της ΕΕ ή σε όσους έχουν βίζα μακράς διάρκειας στη Γαλλία. Διαβάστε τις λεπτομέρειες πριν κάνετε αίτηση.

• 2 εβδομάδες σπουδών και 2 εβδομάδες εργασίας σε εταιρεία
• Για μαθητές κάτω των 30 ετών
• 2 χρόνια
• Παρίσι και Νίκαια Σοφία Αντίπολη
• Διαδικτυακά (εντός Γαλλίας)

Συνεχιζόμενη εκπαίδευση

Για επαγγελματίες συνήθως 30 ετών και άνω, η Συνεχιζόμενη Εκπαίδευση εξισορροπεί την ανάπτυξη της σταδιοδρομίας και τις εργασιακές υποχρεώσεις. Είναι ιδανικό για όσους έχουν σχετική εμπειρία ή τεχνολογική εκπαίδευση, επιτρέποντας την ευέλικτη ολοκλήρωση του Εφαρμοσμένου MSc στη Μηχανική Δεδομένων για τεχνητή νοημοσύνη στην πανεπιστημιούπολη ή στο διαδίκτυο.

Επιτάχυνση (9 + 6 μήνες)

Στην Accelerated Learning, οι μαθητές ολοκληρώνουν τα μαθήματα σε περίπου 9 μήνες και στη συνέχεια αναλαμβάνουν πρακτική άσκηση ή εργασία 6 μηνών στον τομέα των δεδομένων, μειώνοντας το χρόνο στην αγορά.

• Προθέρμανση: 3 εβδομάδες
• 9 μήνες μαθημάτων-εργασίας
• 6μηνη υποχρεωτική πρακτική άσκηση
• Παρίσι και Νίκαια Σοφία Αντίπολη
• Online

Διαδικτυακό μάθημα Self-Paced (SPOC) (15 έως 36 μήνες)

Το SPOC είναι ιδανικό για φοιτητές που εξισορροπούν τις σπουδές με τις κανονικές θέσεις εργασίας. Το μάθημα, που ολοκληρώνεται μεταξύ 15-36 μηνών μέσω ηχογραφημένων διαλέξεων, μπορεί να συμπληρωθεί με ζωντανές διαδικτυακές συνεδρίες εάν είναι διαθέσιμες. Η διάρκεια του μαθήματος είναι ευέλικτη στις ανάγκες του μαθητή.

• 3 ορόσημα για αυτοδιδασκαλία
• 6μηνη υποχρεωτική πρακτική άσκηση
• 15 έως 36 μηνών
• Ασύγχρονη
• Online κατόπιν αιτήματος και αμοιβαίας διαθεσιμότητας

Μικτή Μάθηση – Σάντουιτς Μερικής Απασχόλησης

Η DSTI παρέχει ένα «σάντουιτς μερικής απασχόλησης» ή «Contrat de Professionnalisation». Αυτή η επιλογή είναι ιδανική για άτομα ηλικίας 30 ετών και άνω, γαλλόφωνους και άτομα που είναι πολίτες ΕΕ/ΕΟΧ ή κάτοχοι βίζας μακράς διαμονής στη Γαλλία.

Σελίδα αναφοράς

https://dsti.school/admissions-and-finances-msc/

Οι υποψήφιοι πρέπει να έχουν ολοκληρώσει τριετές ή τετραετές πτυχίο πανεπιστημίου, αυστηρά στη μηχανική υπολογιστών (ή την επιστήμη), την Πληροφορική/ΠΣ, την Κυβερνοασφάλεια, από αναγνωρισμένο πανεπιστήμιο.

Ακαδημαϊκά αρχεία

Όλοι οι φοιτητές πρέπει να υποβάλουν τα ακαδημαϊκά τους αρχεία και μπορεί επίσης να συμπληρωθεί ή να ζητηθεί οποιαδήποτε από τις παρακάτω επιλογές

Επιλογή 1: Τυπικές εξετάσεις εισαγωγής + Πιστοποιητικό πτυχίου Bachelor

Για να διατηρήσουμε την ποιότητα των αιτήσεων, εκτιμούμε τις βαθμολογίες από τυποποιημένα τεστ. Για το GRE, στοχεύστε σε τουλάχιστον 155 στο ποσοτικό τμήμα και πάνω από 280 για ένα μέσο σύνολο. Για το GMAT, στοχεύστε σε ελάχιστη βαθμολογία 42 ή πάνω από 560. Αυτό μπορεί να υποβληθεί επιπλέον των ακαδημαϊκών σας αρχείων για να ενισχύσετε την αίτησή σας.

Επιλογή 2: Ηλεκτρονικές εξετάσεις εισαγωγής DSTI

Ενδέχεται να σας ζητήσουμε να ολοκληρώσετε τις Εισαγωγικές Εξετάσεις DSTI, εκτός από την υποβολή των ακαδημαϊκών σας αρχείων. Η εξέταση μπορεί να ολοκληρωθεί από το σπίτι. Το μόνο που χρειάζεστε είναι ένας υπολογιστής και σταθερή πρόσβαση στο διαδίκτυο. Η εξέταση περιλαμβάνει δύο μέρη: Μαθηματικά και Πληροφορική.

Ικανότητα στην αγγλική γλώσσα

Καθώς όλα τα μαθήματα διδάσκονται στα αγγλικά, οι φοιτητές θα πρέπει να διαθέτουν τουλάχιστον επίπεδο γνώσης της αγγλικής γλώσσας Β2. Το DSTI θα το αξιολογήσει αυτό κατά τη διάρκεια της συνέντευξης εισαγωγής.

Για να ενισχύσουν την αίτησή τους, οι φοιτητές μπορούν να προσκομίσουν τις βαθμολογίες τους στο IELTS ή στο TOEFL.

Περιηγηθείτε στο πραγματικό περιεχόμενο του μαθήματος DSTI με πρόσβαση επισκέπτη

Το DSTI λειτουργεί καθημερινά ως παγκόσμιο σχολείο.

Κάθε τρόπος σπουδών, ανεξάρτητα από τον ρυθμό ή τη μέθοδο παράδοσης, διασφαλίζει την ίδια αυστηρή παρακολούθηση μαθημάτων , αξιολογήσεις και αναγνώριση πτυχίου μετά την επιτυχή ολοκλήρωση. Στο DSTI, έχουμε πάντα διασφαλίσει ότι η ευελιξία δεν υπονομεύει την ποιότητα της εκπαίδευσής σας. Αγκαλιάστε το μέλλον της μηχανικής υπολογιστών και δεδομένων, της επιστήμης δεδομένων και της τεχνητής νοημοσύνης και της κυβερνοασφάλειας με τις ποικίλες μορφές σπουδών του DSTI.

Με όλους αυτούς τους τρόπους, οι φοιτητές έχουν την ελευθερία να συμμετέχουν σε ζωντανά μαθήματα από τις δύο πανεπιστημιουπόλεις μας στη Νίκαια Σοφία-Αντίπολη (Γαλλική Ριβιέρα) και στο Παρίσι , ή διαδικτυακά , ζωντανά από οπουδήποτε με συμβατή ζώνη ώρας.

Το διδακτικό μας προσωπικό διδάσκει από μια συγκεκριμένη πανεπιστημιούπολη και οι φοιτητές συμμετέχουν από όπου το επιτρέπουν οι συνθήκες τους. Με αυτόν τον τρόπο, διασφαλίζουμε ότι οι ποικίλοι τρόποι σπουδών μας όχι μόνο παρέχουν ευέλικτες ευκαιρίες μάθησης αλλά και μια πραγματικά διεθνή εκπαιδευτική εμπειρία .

Πανεπιστημιούπολη Γαλλικής Ριβιέρας

Πανεπιστημιούπολη του Παρισιού 

Διαδικτυακά - Ζωντανά