Intelligence Artificielle, Systèmes, Données - Informatique - 2e année de Master

Les objectifs de la formation

La 2e année du Master Informatique parcours Intelligence Artificielle, Systèmes, Données - Informatique est un programme de formation de l'Université PSL, porté par ses composantes Université Paris Dauphine - PSL, École normale supérieure et École des Mines de Paris. Le master IASD présente un cursus complet de niveau M2 destiné à former des étudiantes et des étudiants disposant de solides connaissances théoriques ainsi que d'une bonne expérience pratique, à l'état de l'art en intelligence artificielle et en sciences des données. Adossé aux laboratoires de recherche de l'Université PSL et à l'Institut Interdisciplinaire d'Intelligence Artificielle PR[AI]RIE, le master IASD est une formation d'excellence ouvrant vers des carrières de recherche et développement dans des laboratoires de recherche publics ou privés ou des entreprises innovantes. Le master comporte deux parcours distincts, IASD - Informatique et IASD - Mathématiques (anciennement MASH), qui partagent la majorité des cours mais se distinguent par des cours de tronc commun spécifiques à chaque parcours. Les deux parcours conduisent à des diplômes de master dans les mentions, respectivement, Informatique et Mathématiques et applications. Le Master recrute de façon sélective des étudiantes et des étudiants ayant validé une première année de master en informatique ou en mathématiques ainsi que des étudiantes ou étudiants en dernière année d'école d'ingénieur (ou ayant obtenu un diplôme d'ingénieur) et également issus de parcours internationaux comparabl es.

Les objectifs de la formation :

  • Former des informaticiens capables de maîtriser les problèmes conceptuels, sémantiques et algorithmiques soulevés par l'intelligence artificielle et la science des données ;
  • Développer une compréhension générale et en profondeur des différentes facettes de l'IA ;
  • Renforcer les connaissances théoriques des étudiantes et des étudiants et leur transmettre une expérience pratique de l'Intelligence Artificielle et des Sciences des Données.

Les cours sont dispensés au 16 bis rue de l'Estrapade, 75005 Paris.

En intégrant ce Master, vous rejoignez également l’Université PSL. Classée parmi les 50 premières universités mondiales (THE, QS), PSL offre des formations graduées d’excellence, aux niveaux Master et Doctorat, qui s’appuient sur les forces scientifiques de tous ses établissements-composantes. Le diplôme est préparé à l'Université Paris Dauphine-PSL et délivré par l’Université PSL.

Régime(s) d'études
Formation initiale
Langue(s)
Anglais
Crédits ECTS
60 crédits
Stage
24 semaines
Capacité d'accueil
50
Type de diplôme
Diplôme national de Master
Année universitaire
2025/2026

L'équipe pédagogique

  • Olivier CAPPÉ

    Professeur des universités

    Responsable du parcours

  • Clément ROYER

    Maitre de conférences

    Co-responsable du parcours

  • Secrétariat

     Envoyer un courriel

Les enjeux de la transition écologique et sociale
au coeur des programmes
de Master

Plusieurs cours et outils sont proposés aux étudiantes et étudiants de Master, quelle que soit leur spécialisation

  • Le certificat « Transition Écologique et Responsabilité Sociale »
     
  • Le SPOC « Dauphine Durable ». Un socle de connaissances en matière d’éthique, de responsabilité sociale et de développement durable. Il aborde les fondamentaux de la RSE : le contrôle, les ressources humaines, la finance, le marketing, la stratégie, le climat et la transition écologique.
     
  • Le SPOC « Managing SDG's ». Une expérience d’apprentissage originale, qui fait coopérer des étudiantes et des étudiants de plusieurs pays sur des cas réels.
     
  • L’Université Virtuelle Environnement et Développement durable. À l’échelle de PSL, Dauphine est membre fondateur de l’Université Virtuelle Environnement et Développement durable (UVED), permettant ainsi de mettre à la disposition des étudiantes et des étudiants un ensemble de ressources et de MOOC

A lire sur Dauphine Éclairages

notre média scientifique