Infos clés et site web
- Durée de la formation
-
644 heures
- Lieu de la formation
- Campus Porte des Alpes (PDA)
- Stage(s)
- Oui, obligatoires
Mise à jour le 16 déc. 2024
60
Crédits ECTS
MASTER 2 MATHEMATIQUES ET INFORMATIQUE APPLIQUEES AUX SCIENCES HUMAINES ET SOCIALES / MIASHS
Résumé
Le Master MIASHS a pour vocation d'introduire aux nouvelles méthodes du Machine Learning et plus généralement de l'Intelligence Artificielle pour l'analyse de données de Sciences Humaines et Sociales. La formation, ouverte à l'alternance, est orientée En savoir plusDétails
Pré-requis
- Niveau(x) de recrutement
- BAC+4
- Public ciblé
- La formation s'adresse aux étudiant.es ayant acquis les bases classiques en statistiques descriptive, statistique inférentielle, analyse de
Horaires pour les étudiant.es en formation continue
Matin: 8h-12h Après midi: 14h-18h
Présentation
Le Master MIASHS a pour vocation d'introduire aux nouvelles méthodes du Machine Learning et plus généralement de l'Intelligence Artificielle pour l'analyse de données de Sciences Humaines et Sociales. La formation, ouverte à l'alternance, est orientée vers les applications concrètes des sciences des données et permettra au travers de nombreux projets d'apprendre à aborder avec recul et expertise les nombreux besoins dans les futurs challenges de la santé, de l'environnement, des enjeux sociétaux, etc. De nombreuses interactions avec les sciences
cognitives, la géographie, la sociologie, la psychologie permettrons à tous de saisir la spécificité de chaque contexte et d'aiguiser leur connaissance des outils spécifiques.
Les notionsmathématiques et informatiques enseignées feront le tour du machine learning supervisé et non supervisé, des méthodes graphiques, des problèmes dynamiques, du Natural Language Processing, des méthodes robustes, et pour les données manquantes.
cognitives, la géographie, la sociologie, la psychologie permettrons à tous de saisir la spécificité de chaque contexte et d'aiguiser leur connaissance des outils spécifiques.
Les notionsmathématiques et informatiques enseignées feront le tour du machine learning supervisé et non supervisé, des méthodes graphiques, des problèmes dynamiques, du Natural Language Processing, des méthodes robustes, et pour les données manquantes.
Lieux
Campus Porte des Alpes (PDA)
Responsable(s) de la formation
Pré-requis
Niveau(x) de recrutement
BAC+4
Formation(s) requise(s)
Licence MIASHS, Licence Mathématique, Licence Informatique, Licence économie.
Public ciblé
La formation s'adresse aux étudiant.es ayant acquis les bases classiques en statistiques descriptive, statistique inférentielle, analyse de données, modèle linéaire, avec des acquis solides en algèbre linéaire appliquée, sachant utiliser le logiciel R ou le langage Python.
Un fort intérêt pour les sciences humaines et sociales est indispensable.
Un fort intérêt pour les sciences humaines et sociales est indispensable.
Candidature
Modalités de candidature
Les candidatures sont à déposer sur la plateforme eCandidat selon le calendrier de candidature
- pour les étudiant.es non inscrit.es à l'Université Lumière Lyon 2
- pour les étudiant.es inscrit.es à l'Université Lumière Lyon 2
- pour les candidat.es de l’Union Européenne, de l’Espace Économique Européen ou de la Suisse (dossier de "Demande d'accès" via eCandidat)
- pour les étudiant.es non européen.nes qui résident en France ou dans un pays non équipé de Campus France (dossier de "Demande d'accès" via eCandidat)
Pour les étudiant.es non européen.nes qui résident dans un pays équipé de Campus France : la procédure CEF/Campus France est en ligne sur le site Campus France de votre pays
-
-
-
Construction de l'objet 1
(TD)
-
Projets tutorés méthodologie
(Projet)
-
Projets tutorés méthodologie
(TD)
-
Épistémologie
(CM)
-
Construction de l'objet 1
(TD)
-
-
Projets tutorés méthodologie
(Projet)
-
Projets tutorés méthodologie
(TD)
-
Projets tutorés méthodologie
(Projet)
-
-
Big Data methods for computational human sciences
(CM)
-
Big Data methods for computational human sciences
(TD)
-
Projets tutorés méthodologie
(TD)
-
Projets tutorés méthodologie
(Projet)
-
Big Data methods for computational human sciences
(CM)
-
-
Explainable AI
(TD)
-
Explainable AI
(CM)
-
Explainable AI
(TD)
-
-
-
Approches Transdisciplinaires autour des Blockchains
(TD)
-
Concevoir des interventions dans le champ de la santé
(TD)
-
Crises écologiques et sociales?Appr. des SS et des humanités
(TD)
-
Design des politiques publiques
(TD)
-
Défis des professionnels de demain:handicap et accessibilité
(TD)
-
Enjeux de l'intégrité scientifique
(TD)
-
Enjeux de l’Economie Sociale et Solidaire
(TD)
-
Genre et pratiques sociales
(TD)
-
La médiation: dispositifs et postures
(TD)
-
Les transitions alimentaires
(TD)
-
Mémoire,patrimoine,sociétés:fabriquer,valoriser,transmettre
(TD)
-
Qu'est-ce qu'on mange?qualité alimentaire,terroire,proximité
(TD)
-
Traces mémorielles et patrimoniales:objets,transm.,écritures
(TD)
-
Travailler: pour qui, comment et pour faire quoi?
(TD)
-
Traverser sa recherche par la création artistique
(TD)
-
Vulnérabilités langagières tout au long de la vie
(TD)
-
Approches Transdisciplinaires autour des Blockchains
(TD)
-
Séminaire de Recherche
(TD)
-
TER
(Mémoire de Recherche)
-
-
-
Network analysis for information retrieval
(TD)
-
Network analysis for information retrieval
(CM)
-
Network analysis for information retrieval
(TD)
-
-
Representation Learning for NPL
(TD)
-
Representation learning for NLP
(CM)
-
Representation Learning for NPL
(TD)
-
-
Projets tutorés méthodologie
(Projet)
-
Projets tutorés méthodologie
(TD)
-
Robust methods of machine learning and missing data
(CM)
-
Robust methods of machine learning and missing data
(TD)
-
Projets tutorés méthodologie
(Projet)
-
-
Projets tutorés méthodologie
(TD)
-
Projets tutorés méthodologie
(Projet)
-
Signal Processing for Human Sciences
(CM)
-
Signal Processing for Human Sciences
(TD)
-
Projets tutorés méthodologie
(TD)
-
-
-
-
Ecrit : rédaction de rapport de projet
(Projet)
-
Oral : présentation de projet
(Projet)
-
Ecrit : rédaction de rapport de projet
(Projet)
-
-
Atelier Data Science
(Projet)
-
Evaluation of Public Policies
(CM)
-
Projets tutorés méthodologie
(TD)
-
Théories sociologiques 2
(CM)
-
Atelier Data Science
(Projet)
-
-
Enquêtes
(CM)
-
Enquêtes
(TD)
-
Projets tutorés méthodologie
(Projet)
-
Projets tutorés méthodologie
(TD)
-
Enquêtes
(CM)
-
-
Culture d'entreprise
(TD)
-
Initiation à la recherche
(TD)
-
Culture d'entreprise
(TD)
-
-
Stage
(Stage)
-
Stage
(Stage)
-
Stage(s)
Le stage est obligatoire et de 4 mois minimum.
Rythme
Temps plein
2 semaines de cours toutes les quatre semaines, sauf quelques exceptions.
Niveau de sortie
Année post-bac de sortie
Bac+5Niveau de sortie
MasterCoût de la formation
Le montant d’inscription à l’Université Lumière Lyon 2 est composé des droits d’inscription nationaux, plus la contribution Vie Etudiante et de Campus (CVEC). Plus d'informations sur cette page.