ECTS
120 crédits
Durée
2 ans
Composante
Sciences économiques, gestion, mathématiques et informatique
Langue(s) d'enseignement
Français, Anglais
Présentation
L'offre de formation pour la rentrée 2026 est en cours de construction. À titre indicatif, vous pouvez consulter l'offre 2025-2026.
Ce parcours s'adresse aux étudiants titulaires d'une Licence mention Economie, d'une Licence mention Economie & Gestion (parcours économie), d'une Licence mention MIA-SHS, d'une Licence mention Mathématique, d'une MIAGE.
L'accès à partir d'une autre formation comparable suivie en France ou à l'étranger peut être envisagée.
Ce parcours ne confère pas aux étudiants le bénéfice du label Cursus Master en Ingénierie (CMI).
Organisation
L'alternance est proposée mais demeure facultative. Elle est prévue selon une modalité mixte au sens où les étudiants en alternance suivent les même enseignements et ont les mêmes évaluations que les étudiants en formation initiale. ceci est rendu possible en réservant systématiquement une partie de la semaine au travail en entreprise pour les étudiants en alternance, au travail personnel et sur projet pour les étudiants en formation initiale.
Contrôle des connaissances
Le contrôle des connaissances varie selon la matière mais privilégie, le plus possible et là où cela s'y prête, l'évaluation de la capacité de mise en pratique (projets, épreuve sur machine...).
Si, pour tenir compte de la situation sanitaire, des restrictions ou des contraintes sont imposées à l'Université Paris Nanterre ou à l'UFR SEGMI, tout ou partie des épreuves, contrôles de connaissances et examens terminaux de la session 1 et de la session 2, ainsi que des sessions de rattrapages, pourront se dérouler en mode distancié
Ouvert en alternance
Type de contrat | Contrat de professionnalisation, Contrat d'apprentissage |
|---|
Programme
Sélectionnez un programme
M1 Data Sciences for Social Sciences
UE Connaissances et compétences disciplinaires fondamentales
18 créditsUE Méthodes informatiques
6 créditsBases de données avancées
3 crédits30hFondamentaux en machine learning
3 crédits30h
UE Méthodes mathématiques et statistiques
6 créditsAnalyse des données
3 crédits30hEconométrie des séries temporelles / données haute fréquence
3 crédits30h
UE Information économique et financière
6 créditsEconomie et droit des données et du numérique
3 crédits24hInformation comptable, financière et extra financière
3 crédits24h
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsMise à niveau en informatique
3 crédits12hProgrammation avancée
3 crédits30h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
3 créditsGestion de projets
3 crédits18h
UE Connaissances et compétences disciplinaires fondamentales
15 créditsUE Méthodes informatiques
6 créditsFondamentaux sur les données non structurées
3 crédits30hUtilisation de l'IA dans un acdre académique et prof
3 crédits24h
UE Méthodes mathématiques et statistiques
3 créditsStatistique et analyse Baysiennes
3 crédits30h
UE Information économique et financière
6 crédits
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Stage ou Travail personnel de Recherche
6 créditsStage ou mission d'apprentissage
6 crédits
M2 Data Science for Social Sciences
UE Connaissances et compétences disciplinaires fondamentales
19,5 créditsUE Méthodes informatiques
6 créditsDonnées non structurées : Data Analytics et Data Lake
3 crédits36hApprofondissements en machine learning
3 crédits36h
UE Méthodes mathématiques et statistiques
6 créditsThéorie et pratique des graphes et réseaux
3 crédits36hMicroéconométrie
3 crédits36h
UE Information économique et financière
7,5 créditsApprofondissements en économie de l'entreprise et innovation
4,5 crédits36hExploitation de l'information brevet
3 crédits36h
UE Connaissances et compétences disciplinaires d'approfondissement
6 créditsProjet tuteuré pluri annuel
6 crédits24h
UE Compétences linguistiques
3 créditsAnglais
3 crédits18h
UE Projets académiques et professionnels
1,5 créditsActivité en lien avec la vie de la formation
1,5 crédits
UE Connaissances et compétences disciplinaires fondamentales
9 créditsAnalyse sémantique de données textuelles
4,5 crédits36hSolutions techniques pour le big data et l'informatique
4,5 crédits36h
UE Stage ou travail de recherche
21 créditsStage ou mission d'apprentissage
21 crédits
Admission
Conditions d'admission
Master 1 :
Les conditions d'admission sont à retrouver sur la plateforme Mon master pour une candidature en formation initiale ou en alternance.
Modalités : phase d'admissibilité sur dossier et phase d'admission sur entretien (seuls les candidats admissibles sont conviés à l'entretien)
Critères généraux : il est attendu des candidats qu'ils montrent l'adéquation de leur formation antérieure et de leur projet professionnel avec la formation visée ainsi que leur motivation pour une formation exigeante en travail et en capacité à associer différents champs disciplinaires (Économie-Finance, informatique, mathématiques et statistique)
Acquis académiques : En matière d'acquis académiques, le recrutement se fondera sur la prise en compte des éléments suivants.
Les prérequis dépendent de la formation suivi précédemment :
- Solide maîtrise des mathématiques appliquées pour tous les étudiants (statistiques, probabilités, économétrie, mathématiques pour l'économie s'il s'agit d'une Licence mention Économie & Gestion ou Économie) ;
- Solide maîtrise des méthodes de l'informatique (programmation, base des données, logiciels) pour les étudiants de licence mention MIA-SHS ; les enseignements prévoient une mise à niveau en économie pour les étudiants issus de cette formation ou de formation comparable (Licence mention Mathématiques ou diplôme étranger par exemple) ;
- Solide maîtrise de l'économie (microéconomie, macroéconomie et économétrie) pour les étudiants provenant de licence mention Économie & Gestion ou Économie ; les enseignements prévoient une mise à niveau en informatique pour les étudiants issus de cette formation ou de diplômes étrangers équivalents ;
- Une maîtrise satisfaisante de l'anglais (lu, écrit, parlé) est un atout important.
En matière d'expériences professionnelles, le recrutement se fondera sur la prise en compte des éléments suivants : stages antérieurs, périodes d'activités professionnelles antérieures, selon le secteur où ils ont été réalisés, et les missions accomplies.
Pièces demandées dans le dossier : Les pièces constitutives du dossier sont les pièces communes aux candidatures de Master (détail sur http://masters.u-paris10.fr ).
Précision : Le candidat fournira les relevés de notes des trois années scolaires précédentes, au minimum, et la liste des enseignements des trois années scolaires antérieures.
PIÈCES OBLIGATOIRES: relevés des notes de licence disponibles au jour de la candidature; curriculum vitae; lettre de motivation.
PIÈCES FACULTATIVES: attestations de stage; rapport de stage.
Pré-requis et critères de recrutement
Pour une entrée en M1, les prérequis et critères de recrutement sont à retrouver sur la plateforme Mon Master pour une candidature en formation initiale ou en alternance.
