DSTI School of Engineering

Εφαρμοσμένο MSc στη Data Science και AI

Στόχοι Εφαρμοσμένου MSc in Data Science & AI

Οι ακόλουθοι είναι οι κύριοι στόχοι του προγράμματος Applied MSc in Applied Data Science & AI:

• Βελτιώστε τις Δεξιότητές σας στα Εφαρμοσμένα Μαθηματικά. Το πρόγραμμά μας στοχεύει στην ενίσχυση των μαθηματικών σας δεξιοτήτων και της εφαρμογής τους για την επίλυση περίπλοκων προκλήσεων στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη.
• Κατανόηση Αλγορίθμων Τεχνητής Νοημοσύνης. Το μάθημά μας επικεντρώνεται στο να δώσει στους φοιτητές μια εις βάθος κατανόηση των βασικών αλγορίθμων Τεχνητής Νοημοσύνης, που περιλαμβάνουν τη μηχανική μάθηση, τη βαθιά μάθηση και την επεξεργασία φυσικής γλώσσας.
• Εφαρμογή Αρχιτεκτονικών Πληροφορικής και Μεγάλων Δεδομένων. Το πρόγραμμά μας βοηθά τους φοιτητές να αξιοποιήσουν τις επιστημονικές τους δεξιότητες, διδάσκοντάς τους να αναλύουν, να σχεδιάζουν, να εφαρμόζουν και να παρακολουθούν πλαίσια Πληροφορικής και Μεγάλων Δεδομένων.
• Κατανόηση της Διαχείρισης Έργων Πληροφορικής και των Νομικών Πτυχών. Το πρόγραμμά μας παρέχει γνώσεις σχετικά με τη διαχείριση έργων πληροφορικής και τις νομικές επιπτώσεις της διαχείρισης δεδομένων, συμπεριλαμβανομένων των νόμων περί απορρήτου. Εισάγει επίσης ηθικές παραμέτρους της εξόρυξης μεγάλων δεδομένων.

Το Εφαρμοσμένο Μεταπτυχιακό στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη προσφέρει εξαιρετικές ευκαιρίες σταδιοδρομίας. Σχεδόν όλοι οι απόφοιτοι εξασφαλίζουν μια πρακτική άσκηση εντός έξι μηνών στην Ευρώπη, με μέσο μηνιαίο μισθό 1.300€.

• Το 98% των φοιτητών λαμβάνουν προσφορά πρακτικής άσκησης εντός 6 μηνών
• Το 91% των φοιτητών βρίσκουν πρακτική άσκηση στην Ευρώπη
• 1.300€ μέση μηνιαία ικανοποίηση
• 51.000€ μέσος ακαθάριστος αρχικός μισθός (στη Γαλλία)

Οι φοιτητές μας Applied MSc in Data Science & AI εργάζονται ως

• Data Scientist
• Σύμβουλος
• Σύμβουλος δεδομένων
• Αναλυτής κλινικών δεδομένων
• Έρευνα και Εφαρμογή στην Επιστήμη Δεδομένων
• AI Product Manager

Εργοδότες των φοιτητών μας στο Εφαρμοσμένο MSc στην Επιστήμη Δεδομένων & AI

• Αδάλτας
• Agora Labs
• Altaroad
• Altran
• Automi AI
• AXA
• Αξίρες
• BEL
• BNP Parisbas
• Capgemini
• Caranx Medcial
• ΣΥΜΒΟΥΛΕΥΤΙΚΗ CCN
• CGG / Sercel
• Διεθνές Αεροδρόμιο Κρόντα
• Danone
• DATATEGY
• Οδοντιατρική Παρακολούθηση
• Ομάδα Αφοσιωμένων
• Eclypia
• Εδέμρεντ
• EDF – Τμήμα Σουσαμιού
• Engie Digital
• Συστήματα ΕΠΑΜ
• Eurobank
• Eurodisney
• InDhu
• Σύστημα IRTX
• Liebherr
• Logiroad
• Maiple (οικογενής επιχείρηση) Σύμβουλος
• ΜακΝτέρμοτ
• Modis
• Τεχνολογία Moten
• Ομάδα NPD
• Research2Freedom
• Safran Engineering Services
• Schneider Electric
• Αισθανόμενος
• Δηλώ
• Σολάδης
• Swiss International Air Lines
• Συνολικές Ενέργειες
• Trimble Mensi
• Παγκόσμια Τράπεζα

Το πρόγραμμα σπουδών του DSTI Applied MSc στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη

Το πιο ενημερωμένο πρόγραμμα σπουδών βρίσκεται στην ιστοσελίδα μας, κάνοντας κλικ σε αυτόν τον σύνδεσμο .

Επίσης, μη διστάσετε να κάνετε μια περιήγηση στο πραγματικό περιεχόμενο των μαθημάτων DSTI , στο DSTI Learn - Ανοιχτή Πρόσβαση (πρόσβαση ως επισκέπτης) - απλώς κάντε κλικ εδώ και εξερευνήστε - https://open.dsti.school

Μαθήματα Προθέρμανσης - 6 ECTS

DSTI School of Engineering παρέχει μαθήματα προθέρμανσης για το Εφαρμοσμένο Μεταπτυχιακό στην Επιστήμη Δεδομένων και την Τεχνητή Νοημοσύνη, διασφαλίζοντας ότι όλοι οι φοιτητές, ανεξάρτητα από το υπόβαθρό τους, ξεκινούν με ισότιμη κατανόηση και είναι σε θέση να ενισχύσουν τις τρέχουσες γνώσεις τους ώστε να είναι πλήρως προετοιμασμένοι για την έναρξη του προγράμματος. Το πρόγραμμα προθέρμανσης καλύπτει τις ακόλουθες ενότητες:

• Βασικά Εφαρμοσμένα Μαθηματικά
• Δομή Δεδομένων και Εφαρμοσμένη Μηχανική Μάθηση με Python & R
• Εισαγωγές στο:
  • Διαχείριση δεδομένων
  • Επίγνωση της Τεχνητής Νοημοσύνης
  • Αρχιτεκτονική υπολογιστών
  • Δικτύωση
  • Εργαστήρια Υπολογιστικών Συστημάτων
  • Καθαρή πληροφορική
  • Βασικά στοιχεία του Excel

Βασική Επιστήμη Δεδομένων & Τεχνητή Νοημοσύνη – 24 ECTS

Η ενότητα Βασική Επιστήμη Δεδομένων & Τεχνητή Νοημοσύνη στο πρόγραμμα Εφαρμοσμένων MSc μας εμβαθύνει σε βασικά θέματα όπως τα Εφαρμοσμένα Μαθηματικά για την επιστήμη δεδομένων, τα Βασικά Στοιχεία Στατιστικής Ανάλυσης, την Ανάλυση Χρονοσειρών, τη Συνεχή Βελτιστοποίηση, την «Έδρα DSTI του Οικοσυστήματος SAS» της SAS και τα Τεχνητά Νευρωνικά Δίκτυα.

• Βασικές Αρχές Στατιστικής Ανάλυσης και Μηχανικής Μάθησης - Μέρος 1 - 3 ECTS
• Βασικές Αρχές Στατιστικής Ανάλυσης και Μηχανικής Μάθησης - Μέρος 2 - 4 ECTS
• Ανάλυση Χρονοσειρών – 3 ECTS
• Βάση SAS - 3 ECTS
• Συνεχής Βελτιστοποίηση - 4 ECTS
• Τεχνητά Νευρωνικά Δίκτυα - 4 ECTS

Βασική Μηχανική Δεδομένων – 24 ECTS

Αυτή η ενότητα παρέχει μια εις βάθος ματιά στο Amazon AWS Cloud Computing, στα βασικά στοιχεία της Μηχανικής Λογισμικού, στα Εργαστήρια Μηχανικής Μάθησης Python, στα Οικοσυστήματα Μεγάλων Δεδομένων, στην Επεξεργασία Δεδομένων με SQL και MLOps. Εις βάθος εμβαθύνει σε έννοιες μηχανικής λογισμικού, σε θεμελιώδη στοιχεία μηχανικής μάθησης, σε τεχνολογίες σχεσιακών βάσεων δεδομένων, καθώς και σε εργαλεία MLOps και Μεγάλων Δεδομένων για ισχυρές λύσεις δεδομένων.

• Μηχανική Λογισμικού - Μέρος 1 - 2 ECTS
• Μηχανική Λογισμικού - Μέρος 2 - 3 ECTS
• Εργαστήρια Μηχανικής Μάθησης Python - 4 ECTS
• MLOps από τον Adaltas - 4 ECTS
• Επεξεργασία Δεδομένων με SQL - 3 ECTS
• Cloud Computing - Amazon AWS - Προετοιμασία για την Πιστοποίηση "AWS Solution Architect Associate" - 4 ECTS
• Οικοσύστημα Μεγάλων Δεδομένων από τον Adaltas - 4 ECTS

Εφαρμοσμένη Επιστήμη Δεδομένων & Τεχνητή Νοημοσύνη – 32 ECTS

Αυτά τα μαθήματα περιλαμβάνουν προηγμένες τεχνικές στατιστικής ανάλυσης, μηχανικής μάθησης, βαθιάς μάθησης και μοντελοποίησης που βασίζεται σε πράκτορες. Προσφέρουν μια εις βάθος κατανόηση των εννοιών της επιστήμης δεδομένων και των πρακτικών εφαρμογών τους.

• Προηγμένη Στατιστική Ανάλυση και Μηχανική Μάθηση - 4 ECTS
• Στατιστική Ανάλυση Μαζικών και Υψηλών Διαστάσεων Δεδομένων - 3 ECTS
• Ανάλυση Επιβίωσης - 3 ECTS
• Αντίστροφα Προβλήματα & Αφομοίωση Δεδομένων - 4 ECTS
• Βάσεις Δεδομένων Γραφημάτων – NoSQL – Μέρος 1 - 4 ECTS
• Βάσεις Δεδομένων Εγγράφων – NoSQL – Μέρος 2 - 2 ECTS
• Βαθιά Μάθηση - 4 ECTS
• Μοντελοποίηση Βασισμένη σε Πράκτορες - 4 ECTS
• Τεχνολογίες Σημασιολογικού Ιστού - 4 ECTS

Λειτουργικές Μεθοδολογίες – 4 ECT

Μια ενότητα που επικεντρώνεται σε μεθοδολογίες διαχείρισης έργων και σε ηθικά και κοινωνικά ζητήματα που σχετίζονται με τη χρήση δεδομένων.

• Νόμοι και Κανονισμοί Δεδομένων – Φιλοσοφίες, Γεωπολιτική και Ηθική - 2 ECTS
• Διαχείριση Έργων Πληροφορικής: Παραδοσιακές και Ευέλικτες Προσεγγίσεις - 2 ECTS

Σελίδα αναφοράς

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

Οι υποψήφιοι πρέπει να έχουν ολοκληρώσει τριετές ή τετραετές πτυχίο πανεπιστημίου στα εφαρμοσμένα μαθηματικά ή σε οποιαδήποτε από τις εφαρμογές τους (φυσική, μηχανική, οικονομικά κ.λπ.) 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 διδακτική ύλη , τις ίδιες αξιολογήσεις και την αναγνώριση του πτυχίου μετά την επιτυχή ολοκλήρωση. Στο DSTI, έχουμε πάντα διασφαλίσει ότι η ευελιξία δεν θα θέσει σε κίνδυνο την ποιότητα της εκπαίδευσής σας. Αγκαλιάστε το μέλλον της επιστήμης δεδομένων, της μηχανικής τεχνητής νοημοσύνης και της κυβερνοασφάλειας με τους ποικίλους τρόπους 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