# MSc in Data Science & Artificial Intelligence. Canonical HTML: https://dsti.school/fr/msc-data-science-ai This Markdown copy is generated from the same DSTI static-site build as the canonical HTML page. It is intended for machine readability and concise retrieval. MSc • Data Science • Intelligence artificielle • Machine Learning Le parcours de niveau master phare de DSTI pour les étudiants qui veulent modéliser des problèmes complexes, comprendre le machine learning en profondeur et relier l’IA mathématique aux données réelles, au software et aux environnements d’ingénierie. C’est le parcours scientifique pour les étudiants qui veulent construire, évaluer et expliquer des modèles — pas seulement utiliser des outils d’IA, mais comprendre la logique statistique, mathématique et informatique qui les sous-tend. [Candidater](https://dsti.school/fr/candidater) [Échanger avec les Admissions](https://meetings-eu1.hubspot.com/dsti/information-meeting) [Comparer les parcours MSc](https://dsti.school/fr/choisir-programme-msc) [Télécharger la brochure](https://dsti.school/fr/telecharger-brochure) Modéliser le réel Statistiques, machine learning, optimisation et IA pour les problèmes complexes. Fondations approfondies en IA Réseaux neuronaux, deep learning, données de grande dimension et modélisation avancée. Science orientée production MLOps, cloud, data engineering et bases software pour une IA déployable. ![Visuel du MSc in Data Science and Artificial Intelligence de DSTI](https://media.dsti.school/wp-content/uploads/2024/11/29102739/DSTI_Applied_MSc_in_Data_Science_Featured_Image-scaled.jpg) Centre de gravité du programme Modélisation statistique, machine learning et systèmes d’IA, avec une culture d’ingénierie. Pour les étudiants qui veulent la profondeur scientifique derrière la data science et la culture technique nécessaire pour l’appliquer dans des contextes réels. 120 ECTS Programme de niveau master • RNCP niveau 7 840h Volume total du programme [Programme labellisé 3IA Labellisé par le programme 3IA de l’Université Côte d’Azur.](https://3ia.univ-cotedazur.eu/education/education) 01 — Identité du programme ## La data science n’est pas seulement de la prédiction. C’est une modélisation rigoureuse. Le MSc in Data Science & Artificial Intelligence s’adresse aux étudiants qui recherchent le centre de gravité le plus fort en modélisation, machine learning et IA dans l’offre de niveau master de DSTI. Positionnement DSTI ## De la profondeur mathématique à la pratique de l’IA. Le programme combine statistiques, optimisation, machine learning, deep learning, modélisation avancée et bases de data engineering, afin que les diplômés puissent raisonner sur les modèles et comprendre les systèmes qui les mettent en œuvre. Statistiques ### Comprendre l’incertitude Comprendre le raisonnement statistique derrière l’inférence, la modélisation, la validation et la décision en contexte d’incertitude. Machine Learning ### Construire et évaluer des modèles Travailler avec des approches supervisées, non supervisées et avancées, avec mise en œuvre pratique. Deep Learning ### Entrer dans l’IA moderne Étudier les réseaux neuronaux, le deep learning, les données de grande dimension et des applications comme la computer vision et le NLP. Ingénierie ### Relier la science aux systèmes Cloud, SQL, MLOps, software engineering et bases big data aident les modèles à dépasser le stade du notebook. 02 — Pour qui ce programme est conçu ## Pour les étudiants qui cherchent un centre de gravité en modélisation et IA. Ce MSc est exigeant sur les plans mathématique et technique. Il convient aux étudiants qui veulent comprendre les modèles en profondeur et les utiliser de manière responsable dans des contextes de données réels. Bon profil ### Vous voulez acquérir une vraie crédibilité technique en modélisation, machine learning et IA. - Vous aimez les mathématiques, les statistiques, la modélisation, l’expérimentation et la validation de modèles. - Vous voulez des bases avancées en machine learning, deep learning et IA. - Vous voulez une culture suffisante en data engineering et MLOps pour comprendre comment les modèles sont utilisés en pratique. - Vous visez des fonctions de data scientist, machine-learning engineer, spécialiste IA ou des postes orientés modélisation. Moins adapté si ### Votre objectif principal est la business analytics ou l’ingénierie d’infrastructure. - Si votre intérêt principal porte sur l’aide à la décision, le reporting et la mise en œuvre analytics, comparez avec le MSc in Data Analytics with AI. - Si votre intérêt principal porte sur les pipelines, les plateformes cloud et les systèmes data de production, comparez avec le MSc in Data Engineering for AI. - Si votre intérêt principal porte sur la protection des systèmes et les risques, comparez avec le MSc in Cyber Security. 03 — Structure du programme ## La structure du programme, en un coup d’œil. La structure combine remise à niveau technique, enseignements spécialisés, séances d’accompagnement et expérience professionnelle intégrée. 840h Volume total enseigné, entre Warm Up, enseignements spécialisés et séances d’accompagnement. 75h DSTI Warm Up pour renforcer les mathématiques, la programmation, la culture IA, les bases IT et la pratique des systèmes. 60h Séances d’accompagnement pour réviser, poser des questions, retravailler les concepts difficiles et préparer les examens. 30 ECTS Expérience professionnelle par stage, emploi ou activité professionnelle validée. 04 — Programme académique ## Un contenu transparent, cours par cours. DSTI ne se cache pas derrière des intitulés vagues. Le MSc in Data Science & Artificial Intelligence est présenté ci-dessous par blocs d’enseignement, heures, ECTS et contenu de cours. Warm Up • 75h ### Point de départ technique Une passerelle préparatoire pour des étudiants venant de parcours académiques variés, avant d’entrer dans le cœur du MSc. Enseignements spécialisés ### Statistiques, IA et ingénierie Une structure transparente, cours par cours, couvrant la modélisation, l’optimisation, le deep learning, le MLOps, le big data et la gouvernance. Expérience professionnelle • 30 ECTS ### Application en contexte professionnel Une expérience professionnelle validée, où les étudiants appliquent le programme dans un environnement de travail pertinent. Warm Up 75h • 6 ECTS ### Point de départ technique commun Le Warm Up aide les étudiants issus de parcours variés à renforcer les mathématiques, la programmation, la culture IA et les bases IT nécessaires à un MSc exigeant en Data Science et IA. 10h #### Fundamental Mathematics Core mathematical preparation for quantitative and technical coursework. 20h #### Data Structure and Machine Learning using Python & R Programming, data structures and first machine-learning workflows using Python and R. 5h #### Data Management Introduction to how data is organised, stored, queried and prepared for later work. 5h #### AI Awareness Initial orientation on artificial intelligence concepts, uses and limits. 5h #### Computer Architecture Essential concepts about how computers execute, store and process information. 5h #### Networking Basic networking knowledge for students who will work with connected systems and platforms. 10h #### Computer Systems Labs Practical systems work to consolidate the IT foundation of the programme. 10h #### Clean IT Responsible and sustainable digital practice. 5h #### Excel Basics Baseline spreadsheet skills for students who need to consolidate fundamentals. Tronc commun Data Science & AI 190h • 24 ECTS ### Mathématiques, statistiques, optimisation et réseaux neuronaux Ce bloc établit les fondations scientifiques et mathématiques du programme : analyse statistique, optimisation, séries temporelles, SAS et réseaux neuronaux. 25h 3 ECTS #### Mathematics for Data Science Calculus, linear algebra and complex numbers required for optimisation and data science. 25h 3 ECTS #### Foundations of Statistical Analysis and Machine Learning — Part 1 Descriptive statistics, probability theory and applications using R. 40h 4 ECTS #### Foundations of Statistical Analysis and Machine Learning — Part 2 Tests, estimators, confidence intervals, inference, ANOVA, PCA, linear regression and applications using R. 25h 3 ECTS #### Time-Series Analysis Temporal data analysis with mathematical foundations and applications in R for forecasting and prediction. 25h 3 ECTS #### SAS Base Preparation for SAS Base certification, covering SAS Base programming and applications in SAS STATS. 25h 4 ECTS #### Continuous Optimisation Critical points, optimisation of multivariable functions, gradient methods and constraint-based optimisation using Lagrange multipliers. 25h 4 ECTS #### Artificial Neural Networks Neural network layers, weights, biases, hyperparameters, optimisation algorithms and TensorFlow implementation. Tronc commun Data Engineering 250h • 24 ECTS ### Fondations software, cloud, SQL, MLOps et big data Les data scientists ont besoin d’une culture d’ingénierie. Ce bloc relie la modélisation aux environnements software, cloud, bases de données, MLOps et big data qui rendent l’IA déployable. 25h 2 ECTS #### Software Engineering — Part 1 Procedural programming in Rust, memory representation, ownership, borrowing, data structures, testing and reliable code. 25h 3 ECTS #### Software Engineering — Part 2 Object-oriented programming in C#, SOLID, UML, MVC, design patterns, services and Entity Framework. 25h 4 ECTS #### Python Machine Learning Labs Data structures, data cleaning, feature engineering and machine-learning modelling with Python libraries. 50h 4 ECTS #### MLOps by Adaltas DevOps, GitOps, DataOps, MLOps, unit testing with Spark, CI/CD, artifact deployment, Databricks and MLFlow. 25h 3 ECTS #### Data Wrangling with SQL Relational databases, advanced SQL queries, stored procedures, triggers, dynamic SQL and Microsoft SQL Server. 50h 4 ECTS #### Cloud Computing — Amazon AWS AWS cloud services and preparation for AWS Certified Solutions Architect – Associate. 50h 4 ECTS #### Big Data Ecosystem by Adaltas HDFS, scheduling, resource management, ETL, scalable enterprise service bus, Spark, data exploration and visualisation. Data Science & AI avancées 215h • 32 ECTS ### Modélisation avancée, deep learning et systèmes complexes Ce bloc constitue le cœur de la modélisation avancée : statistiques de grande dimension, survival analysis, inverse problems, bases graphes et documentaires, deep learning, ABM et web sémantique. 35h 4 ECTS #### Advanced Statistical Analysis and Machine Learning Multiple linear regression, CART, random forests, feature selection, model comparison and practical applications in R. 25h 3 ECTS #### Statistical Analysis of Massive and High-Dimensional Data Analysis of large datasets including open data and social networks, with modern statistical tools and practical implementation in R. 25h 3 ECTS #### Survival Analysis Parametric, non-parametric and semi-parametric survival analysis techniques. 25h 4 ECTS #### Inverse Problems & Data Assimilation Variational and sequential data assimilation for initial condition identification and parameter estimation, with Python applications. 25h 4 ECTS #### Graph Databases — NoSQL Part 1 Preparation for Neo4j Certified Professional and graph-based problem modelling with practical Neo4j implementations. 5h 2 ECTS #### Document Databases — NoSQL Part 2 MongoDB collections, documents, advanced queries, aggregations, architecture and practical applications. 25h 4 ECTS #### Deep Learning Deep learning models in Python, with practical applications in computer vision and natural language processing. 25h 4 ECTS #### Agent-Based Modelling Complex problem modelling with ABM, comparisons with statistical, Markov and system dynamics approaches, and ABM validation. 25h 4 ECTS #### Semantic Web Technologies RDF, SPARQL and standards for representing, querying and using knowledge on the web. Méthodologies opérationnelles 50h • 4 ECTS ### Gouvernance, droit et contexte projet La data science et l’IA s’inscrivent dans des organisations et des cadres juridiques. Ce bloc aborde la réglementation des données, l’éthique et la méthodologie projet. 25h 2 ECTS #### Data Laws & Regulations — Philosophies, Geopolitics & Ethics Data privacy and security principles, EU and US regulation, and differences between common law and code law. 25h 2 ECTS #### IT Project Management: Traditional and Agile Approaches Project management lifecycle and best practices for traditional and agile approaches. Accompagnement & expérience professionnelle 60h d’accompagnement • 30 ECTS d’expérience ### Consolidation et application en contexte professionnel Les séances d’accompagnement aident à consolider les concepts difficiles, tandis que l’expérience professionnelle valide la capacité à appliquer le programme dans un environnement pertinent. 60h #### Support Sessions Reviewing course topics, answering questions, re-explaining harder concepts and preparing for examinations. 4 à 6 mois 30 ECTS #### Integrated Professional Experience Internship, employment or contracting experience validated through DSTI’s standard evaluation procedures. 05 — Certifications professionnelles ## Des certifications pour la crédibilité en data science. Les étudiants MSc Data doivent valider la certification Neo4j. Une seconde certification approuvée est fortement recommandée et donne droit à la distinction « with Honours » à l’obtention du diplôme. Règle MSc Data ### Neo4j est obligatoire. Les étudiants Data Science sont également préparés aux certifications AWS et SAS. Pour Data Science & AI, DSTI met en avant les certifications préparées à travers Amazon AWS cloud computing et SAS Base Programming. D’autres certifications reconnues peuvent être acceptées uniquement après validation de leur niveau et de leur pertinence pour le projet professionnel de l’étudiant par le corps enseignant et la Direction des Études. Obligatoire Certification Neo4j pour tous les étudiants MSc Data. Distinction with Honours Une seconde certification approuvée donne droit à la distinction « with Honours » à l’obtention du diplôme. Alternatives encadrées Les certifications alternatives sont acceptées uniquement après validation par le corps enseignant et la Direction des Études. ![Neo4j logo](https://media.dsti.school/wp-content/uploads/2026/06/11142416/Neo4j-logo.avif) ![AWS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135153/Amazon_Web_Services_2025.svg) ![SAS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135427/SAS_logo.svg) ![Neo4j logo](https://media.dsti.school/wp-content/uploads/2026/06/11142416/Neo4j-logo.avif) Neo4j ### Certification Neo4j Contexte de cours : Graph Databases NoSQL [Site de la certification](https://graphacademy.neo4j.com/certifications/neo4j-certification/) ![AWS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135153/Amazon_Web_Services_2025.svg) AWS ### AWS Certified Solutions Architect – Associate Contexte de cours : Cloud Computing - Amazon AWS [Site de la certification](https://aws.amazon.com/certification/certified-solutions-architect-associate/) ![SAS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135427/SAS_logo.svg) SAS ### Base Programming Specialist Contexte de cours : SAS Base Programming [Site de la certification](https://www.sas.com/en_gb/certification/credentials/foundation-tools/base-programming-specialist.html) Parcours de certification validé ### Certifications alternatives acceptées Cette liste n’est pas une liste libre. Chaque certification alternative doit être pertinente au regard du parcours d’études et des objectifs professionnels de l’étudiant, et reste soumise à la validation du corps enseignant et de la Direction des Études. ![MongoDB logo](https://media.dsti.school/wp-content/uploads/2026/06/11134914/MongoDB_Logo.svg) MongoDB #### All Mongo certification NoSQL - MongoDB [Page officielle](https://learn.mongodb.com/) ![C++ Institute logo](https://media.dsti.school/wp-content/uploads/2026/06/11134913/ISO_Cpp_Logo.svg) C++ Institute #### CPA – C++ Certified Associate Programmer Certification Software Engineering 2 [Page officielle](https://cppinstitute.org/cpa) ![Databricks logo](https://media.dsti.school/wp-content/uploads/2026/06/11134906/Databricks-logo.svg) Databricks #### Databricks Certified Associate Developer for Apache Spark MLOps [Page officielle](https://www.databricks.com/learn/certification/apache-spark-developer-associate) ![Databricks logo](https://media.dsti.school/wp-content/uploads/2026/06/11134906/Databricks-logo.svg) Databricks #### Databricks Certified Data Engineer Associate MLOps [Page officielle](https://www.databricks.com/learn/certification/data-engineer-associate) ![Databricks logo](https://media.dsti.school/wp-content/uploads/2026/06/11134906/Databricks-logo.svg) Databricks #### Databricks Certified Data Engineer Professional MLOps [Page officielle](https://www.databricks.com/learn/certification/data-engineer-professional) ![AWS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135153/Amazon_Web_Services_2025.svg) AWS #### AWS Certified Cloud Practitioner Cloud Computing - Amazon AWS [Page officielle](https://aws.amazon.com/fr/certification/certified-cloud-practitioner/) ![AWS logo](https://media.dsti.school/wp-content/uploads/2026/06/11135153/Amazon_Web_Services_2025.svg) AWS #### AWS Certified Machine Learning - Specialty Cloud Computing - Amazon AWS [Page officielle](https://aws.amazon.com/certification/certified-machine-learning-specialty/) ![IBM logo](https://media.dsti.school/wp-content/uploads/2026/06/11134912/IBM_logo.svg) IBM #### IBM Data Science Professional Certificate Data science foundations [Page officielle](https://www.coursera.org/professional-certificates/ibm-data-science?utm_source=IBM&utm_medium=institutions&utm_campaign=IBMBadge) ![Neo4j logo](https://media.dsti.school/wp-content/uploads/2026/06/11142416/Neo4j-logo.avif) Neo4j #### Neo4j Graph Data Science Certification Graph data science [Page officielle](https://graphacademy.neo4j.com/certifications/gds-certification/) N NVIDIA #### NVIDIA-Certified Associate Generative AI LLMs Generative AI and LLMs [Page officielle](https://www.nvidia.com/en-us/learn/certification/generative-ai-llm-associate/) ![Google logo](https://media.dsti.school/wp-content/uploads/2026/06/11134912/google.svg) Google #### Certified Generative AI Leader Generative AI leadership [Page officielle](https://cloud.google.com/learn/certification/generative-ai-leader) ![Dataiku logo](https://media.dsti.school/wp-content/uploads/2026/06/11134907/dataiku.svg) Dataiku #### ML Practitioner Certificate (Dataiku) Machine learning practice [Page officielle](https://academy.dataiku.com/ml-practitioner-certificate) ![Dataiku logo](https://media.dsti.school/wp-content/uploads/2026/06/11134907/dataiku.svg) Dataiku #### MLOps Practitioner Certificate (Dataiku) MLOps practice [Page officielle](https://academy.dataiku.com/mlops-certificate) ![Dataiku logo](https://media.dsti.school/wp-content/uploads/2026/06/11134907/dataiku.svg) Dataiku #### Developer Certificate (Dataiku) Dataiku development [Page officielle](https://academy.dataiku.com/developer-certificate) ![scikit-learn logo](https://media.dsti.school/wp-content/uploads/2026/06/11134918/scikit-learn.svg) scikit-learn #### Scikit-learn Certification (all levels accepted) Machine learning with Python [Page officielle](https://papers.probabl.ai/official-scikit-learn-certification-launch) ![Google logo](https://media.dsti.school/wp-content/uploads/2026/06/11134912/google.svg) Google #### Google Cloud Platform Associate Cloud Engineer (ACE) Cloud engineering [Page officielle](https://cloud.google.com/learn/certification/cloud-engineer) ![Denodo logo](https://media.dsti.school/wp-content/uploads/2026/06/11134909/denodo.svg) Denodo #### Denodo AI SDK Certified Developer Associate certification AI SDK development [Page officielle](https://community.denodo.com/certification/details?name=Denodo%20AI%20SDK%20Certified%20Developer%20Associate) 06 — Où et comment étudier ## Un seul programme DSTI, plusieurs façons de rejoindre la classe. DSTI a été construite autour d’un enseignement connecté. Les étudiants peuvent suivre les cours sur campus, en Live Streamed, ou par le parcours online lorsque ce mode correspond à leur situation. [French Riviera / Sophia-Antipolis Étudier dans la première technopole d’Europe, près de Nice et d’Antibes.](https://dsti.school/fr/campus-cote-azur-sophia-antipolis) [Paris Campus Étudier au centre de Paris, près des entreprises, des transports et de la vie étudiante.](https://dsti.school/fr/campus-paris) [Live Streamed Suivre les mêmes cours en direct depuis un autre lieu, avec les mêmes exigences académiques.](https://dsti.school/fr/live-streamed) [Online asynchrone Accéder au programme par le parcours online de DSTI lorsque ce mode correspond le mieux à votre situation.](https://dsti.school/fr/online-asynchrone) 07 — Carrières ## La data science devient réelle lorsque les modèles sont utilisés de façon responsable. Le programme inclut une expérience professionnelle intégrée. Le parcours dépend du lieu où l’étudiant est basé et de ce qui a du sens professionnellement. Parcours principal ## Réalisez un stage ou une [alternance](https://dsti.school/fr/etudes-en-alternance) pertinents, là où votre projet de modélisation et d’IA a du sens. DSTI peut accompagner une expérience professionnelle en France ou à l’étranger (en stage seulement), sous réserve de validation académique et des règles du programme. La mission doit être cohérente avec les objectifs d’apprentissage. Stage local ### Votre pays ou marché professionnel Pour de nombreux étudiants Live Streamed ou internationaux, la meilleure option est un stage pertinent sur leur marché local. ![CRCC Asia logo](https://media.dsti.school/wp-content/uploads/2025/05/14121739/Logo-CRCC-Asia.avif) Alternative structurée ### Option CRCC Asia Lorsque c’est pertinent, DSTI peut orienter les étudiants vers une option de stage international structurée avec CRCC Asia. [Visiter CRCC Asia](https://www.crccasia.com/) Accompagnement carrière ### CV, profils et positionnement Les étudiants sont accompagnés sur le CV, les profils publics, les candidatures et le positionnement professionnel. Premières étapes en modélisation ### Analyser, modéliser et valider Les premiers rôles typiques incluent Junior Data Scientist, Machine Learning Analyst, Applied Data Scientist ou AI / ML Intern, selon le niveau en mathématiques, en code et le portfolio projet de l’étudiant. Progression professionnelle ### Passer des modèles à la valeur déployée Avec l’expérience, les diplômés peuvent évoluer vers Data Scientist, Machine Learning Engineer, MLOps Engineer ou Applied AI Specialist. Le déploiement responsable et la valeur mesurable comptent davantage que l’inflation des intitulés. 08 — Admissions ## Admission sélective pour un parcours MSc orienté modélisation. Le MSc in Data Science & Artificial Intelligence exige une préparation mathématique, un niveau d’anglais suffisant et la capacité de progresser dans des enseignements techniques et statistiques exigeants. Éligibilité ### Bachelor ou équivalent Les candidats doivent détenir un Bachelor reconnu en 3 ou 4 ans, ou équivalent, dans un domaine où les mathématiques appliquées ont été étudiées, comme les mathématiques, la physique, l’ingénierie, l’informatique ou l’économie. Examen d’entrée ### Utilisé lorsque nécessaire Les candidats peuvent être invités à passer l’examen d’entrée en ligne de DSTI en mathématiques et IT, notamment lorsque les Admissions ou la Direction des Études ont besoin d’éléments complémentaires. English (& Français) ### B2 minimum Les cours sont enseignés en anglais. IELTS 6.0, Duolingo 110 ou une preuve équivalente peuvent être demandés. En [alternance](https://dsti.school/fr/etudes-en-alternance), un test de français du même niveau est aussi nécessaire, pour votre employabilité. Exigences informatiques ### Ordinateur portable Windows PC Les étudiants doivent disposer d’un ordinateur portable Windows PC avec au moins 16 Go de RAM, capable de faire fonctionner la dernière version de Windows. Entrée directe en Année 2 + Les candidats qui ont terminé, ou terminent, soit une première année d’un programme de niveau Master dans le même domaine, soit un Bachelor en quatre ans dans le même domaine, peuvent demander une entrée directe en Année 2. La Direction des Études décide de l’admission après une évaluation académique spécifique. Examens communs requis : Applied Mathematics ; Foundations of Statistical Analysis — Part 1 ; Data Wrangling with SQL. Examen(s) complémentaire(s) du programme : Continuous Optimisation ; Artificial Neural Networks. - Continuous Optimisation - Artificial Neural Networks - Les examens se passent en ligne sur DSTI Learn, avec surveillance par computer vision et Safe Exam Browser, dans les 30 jours suivant la candidature. - Des frais supplémentaires d’examen de 50 € sont demandés et crédités sur les frais de scolarité en cas d’admission. La Direction des Études examine les candidats atteignant la note minimale de réussite DSTI de 60 %. [Lire les indications sur l’entrée directe](https://dsti.school/fr/admissions-msc#direct-entry) Automne 2026 ### Rentrée d’octobre - Étudiants internationaux : 17 juillet 2026 - Étudiants UE & Live Streamed : 31 juillet 2026 - Induction : 2 octobre 2026 - Début des cours : 5 octobre 2026 Printemps 2027 ### Rentrée de mars - Étudiants internationaux & Live Streamed : 22 janvier 2027 - Étudiants UE : 12 mars 2027 - Induction : 25 mars 2027 - Début des cours : 26 mars 2027 ## Data Science & AI est-il le bon parcours pour vous ? Si vous hésitez entre Data Analytics with AI, Data Engineering for AI et Data Science & AI, la question clé est votre centre de gravité : décision et mise en œuvre, plateformes et pipelines, ou modélisation et systèmes d’IA. [Échanger avec les Admissions](https://meetings-eu1.hubspot.com/dsti/information-meeting) [Candidater](https://dsti.school/fr/candidater) [Comparer les parcours MSc](https://dsti.school/fr/choisir-programme-msc) Sur cette page