A estrutura combina aquecimento técnico, cursos especializados, sessões de suporte e experiência profissional integrada.
DSTI não se esconde atrás de rótulos vagos de cursos. O MSc in Data Engineering for AI é mostrado abaixo por meio de seus blocos de ensino, horas, ECTS e conteúdo do curso.
Uma ponte preparatória para estudantes de diversas origens acadêmicas antes de entrarem no núcleo completo do mestrado.
Uma estrutura transparente de curso a curso que abrange engenharia de software, nuvem, gerenciamento de dados, DevOps, IA e segurança.
Uma experiência profissional validada em que os alunos aplicam o programa em um ambiente de trabalho relevante.
O Warm Up reforça a matemática, a programação, o gerenciamento de dados, a consciência da IA e os fundamentos de TI antes que os alunos entrem no núcleo completo do mestrado.
Preparação matemática básica para cursos quantitativos e técnicos.
Programação, estruturas de dados e primeiros fluxos de trabalho de aprendizado de máquina usando Python e R.
Introdução à forma como os dados são organizados, armazenados, consultados e preparados para trabalhos posteriores.
Orientação inicial sobre conceitos, usos e limites da inteligência artificial.
Conceitos essenciais sobre como os computadores executam, armazenam e processam informações.
Conhecimento básico de rede para estudantes que trabalharão com sistemas e plataformas conectados.
Os sistemas práticos funcionam para consolidar a base de TI do programa.
Prática digital responsável e sustentável.
Habilidades básicas de planilha para estudantes que precisam consolidar os fundamentos.
Esse bloco cria a base da engenharia da computação por trás dos sistemas de dados e IA: plataformas em nuvem, design de software, web semântica, engenharia web e implementação de aprendizado de máquina.
AWS serviços em nuvem e preparação para AWS Certified Solutions Architect – Associate.
Visão geral comparativa com AWS, com foco nos serviços Azure relevantes para data lakes e pipelines de dados.
RDF, SPARQL e padrões para representar, consultar e usar o conhecimento na web.
Programação processual em Rust, representação de memória, propriedade, empréstimo, estruturas de dados, testes e código confiável.
Programação orientada a objetos em C#, SOLID, UML, MVC, padrões de design, serviços e Entity Framework.
Estruturas de dados, limpeza de dados, engenharia de recursos e modelagem de aprendizado de máquina com bibliotecas Python.
HTML, CSS, JavaScript, conceitos básicos de front-end, programação MVC com estruturas ASP.NET e API.
Esse é o centro de gravidade do programa: armazenamento de dados, data warehouses, ETL, bancos de dados gráficos e de documentos, ecossistemas de big data e tecnologias de pipeline.
Bancos de dados relacionais, consultas avançadas SQL, procedimentos armazenados, gatilhos, SQL dinâmico e Microsoft SQL Server.
Projeto e implementação de data warehouses e processos de ETL em implantações autônomas e em cluster.
Modelagem de problemas baseada em gráficos e implementação prática em bancos de dados gráficos Neo4j.
Coleções, documentos, consultas avançadas, agregações e arquitetura de dados do MongoDB.
HDFS, agendamento, gerenciamento de recursos, fluxo de trabalho e ETL, barramento de serviço corporativo escalável, Spark e exploração de dados.
Fluxo de dados XML, DTD e esquemas, transformações XSL e formatos de dados JSON.
Apache Spark, Kafka, plataformas de dados modernas, arquiteturas Lambda e Kappa, práticas de tudo como código e CI/CD.
A engenharia de sistemas de dados também exige métodos de projeto, conhecimento jurídico, prática de DevOps, fundamentos de segurança cibernética e design de sistemas de informação.
Princípios de privacidade e segurança de dados, regulamentação da UE e dos EUA e diferenças entre lei comum e lei de código.
Ciclo de vida do gerenciamento de projetos e melhores práticas para abordagens tradicionais e ágeis.
Preparação para o Microsoft Power Platform Functional Consultant e o software de gerenciamento de dados de CRM.
Nagios, Consul, Docker, Ansible, GitHub, Jenkins, Kubernetes e práticas de integração contínua.
Padrões de design de segurança do sistema, segurança da infraestrutura, criptografia de dados e segurança do código.
Princípios e metodologias para projetar e analisar sistemas de informação.
O programa conecta a engenharia de dados com a ciência e as aplicações da IA, para que os graduados entendam não apenas os pipelines, mas também os modelos que eles suportam.
Cálculo, álgebra linear e números complexos são necessários para otimização e ciência de dados.
Estatística descritiva, teoria da probabilidade e aplicações usando R.
Importar, manipular, transformar, visualizar, explorar e modelar grandes conjuntos de dados em R.
Camadas de redes neurais, pesos, vieses, hiperparâmetros, otimização e implementação do TensorFlow.
Modelos de aprendizado profundo em Python, com aplicações práticas em visão computacional e processamento de linguagem natural.
As sessões de apoio ajudam os alunos a consolidar conceitos difíceis, enquanto a experiência profissional valida a capacidade de aplicar o programa em um ambiente de trabalho relevante.
Analisar os tópicos do curso, responder às perguntas dos alunos, reexplicar noções mais difíceis e se preparar para os exames.
Experiência de estágio, emprego ou contrato profissional validada pelos procedimentos de avaliação padrão da DSTI.
Os alunos do MSc Data devem validar o Neo4j certification. Uma segunda certificação aprovada é altamente recomendada e concede a distinção “com honras” aos graduados.
Para engenharia de dados para IA, DSTI prepara certificações de programas por meio do CRM Data Management e da computação em nuvem Amazon AWS. Certificações adicionais podem ser aceitas somente quando o corpo docente e Direction of Studies validarem seu nível, escopo e relevância para a trajetória do aluno.
Contexto do curso: Gerenciamento de dados de CRM
Site de certificaçãoContexto do curso: Computação em nuvem - Amazon AWS
Site de certificaçãoEsta lista não é gratuita para todos. Cada certificação alternativa deve ser relevante para a rota de estudo e os objetivos de carreira do aluno e permanece sujeita à validação do corpo docente e de Direction of Studies.
MongoDB
Instituto C++
OráculoOráculo
GoogleAWSAWSMicrosoft
TerraformMicrosoftGoogleMicrosoftMicrosoftMicrosoftMicrosoft
ElásticoElásticoMicrosoft
dívida
Fortinet
Denodo
Databricks
scikit-learn
CiscoDSTI foi construído em torno do ensino conectado. Os estudantes podem estudar no campus, por meio do acesso Live Streamed, ou por meio da rota on-line, quando essa modalidade se adequar à sua situação.
Assíncrono online Acesse o programa pela modalidade on-line da DSTI quando ela for a mais adequada à sua situação. O programa inclui experiência profissional integrada. O percurso depende de onde o aluno está baseado e do que faz sentido profissional.
DSTI pode apoiar a experiência profissional na França ou no exterior, sujeito à validação acadêmica e às regras do programa. O trabalho deve ser relevante para os resultados da aprendizagem.
Para muitos estudantes internacionais ou de Live Streamed, o melhor caminho é um estágio relevante no mercado de trabalho local.
Alternativa estruturada Quando relevante, DSTI pode orientar os alunos para uma opção estruturada de estágio internacional por meio de CRCC Asia.
Visite CRCC AsiaOs alunos recebem orientação sobre currículos, perfis públicos, inscrições e posicionamento profissional.
As primeiras funções típicas incluem engenheiro de dados júnior, desenvolvedor de ETL/Data Pipeline, engenheiro de análise ou engenheiro de suporte de dados em nuvem, dependendo da base técnica e da exposição do projeto do aluno.
Com a experiência, os graduados podem progredir para as funções de engenheiro de dados, engenheiro de plataforma de dados em nuvem ou engenheiro de DataOps/MLOps. As responsabilidades de arquitetura normalmente vêm mais tarde, após a entrega real do sistema.
O MSc in Data Engineering for AI é uma rota técnica. Matemática, inglês e prontidão de TI são importantes, e o processo de admissão deve confirmar que o candidato pode progredir seriamente.
Os candidatos devem possuir um diploma de bacharel reconhecido ou equivalente em Engenharia da Computação, Sistemas de Informação, Ciência da Computação ou uma disciplina de computação intimamente relacionada.
Candidatos com menor formação técnica podem ser convidados a fazer o exame de admissão on-line da DSTI em matemática e TI.
Os cursos são ministrados em inglês. IELTS 6.0, Duolingo 110 ou evidência equivalente podem ser necessários.
Os alunos devem ter um laptop com Windows PC com pelo menos 16 GB de RAM, capaz de executar a versão mais recente do Windows.
Candidatos que concluíram ou estão terminando o primeiro ano de um programa de mestrado na mesma área ou um bacharelado de quatro anos na mesma área podem solicitar a entrada direta no Ano 2. Direction of Studies decide sobre a admissão após uma revisão acadêmica específica.
Exames comuns obrigatórios: Applied Mathematics; Foundations of Statistical Analysis — Part 1; Data Wrangling with SQL. Exames adicionais do programa: Analysis & Design of Information Systems; Cloud Computing — Amazon AWS — DSTI Internal Exam; Software Engineering with C.
Se você está hesitando entre análise de dados com IA, engenharia de dados para IA e ciência de dados e IA, a questão-chave é seu centro de gravidade: decisão e implementação, plataformas e pipelines ou modelagem e sistemas de IA.
