M1/M2 Parcours méthodes stochastiques et informatiques pour la décision (MSID)

Présentation

Présentation

Le parcours Méthodes Stochastiques et Informatiques pour la Décision (MSID) du master de mathématiques et applications offre une formation de pointe en analyse statistique, informatique décisionnelle et modélisation stochastique, ainsi que dans les outils informatiques associés. Le parcours offre la possibilité de se spécialiser dans le domaine de la qualité et de la sûreté de fonctionnement en milieu industriel, ou dans la fouille de données (data mining) et l’analyse de risque. Ce type de compétences mène à des métiers du type ingénieur ou chargé d’études en statistique ou informatique décisionnelle (tous secteurs d’activité), en passant par des spécialistes en contrôle de la qualité ou des ingénieurs en sûreté de fonctionnement. Le parcours MSID offre aussi une orientation recherche qui peut déboucher sur une thèse et mener à des emplois d'ingénieurs en recherche et développement dans l'industrie ou à des emplois d'enseignants-chercheurs ou de chercheurs en milieu académique. En dehors de son contenu scientifique, la formation permet aussi à l’étudiant de se familiariser avec le monde de l’entreprise, entre autres par l’intermédiaire d’un stage de 24 semaines et d’un cours de gestion de projets. Les étudiants sont aussi formés en anglais.

Savoir-faire et compétences

Le Master MSID vise à apporter des compétences solides en modélisation stochastique et statistique, dans les méthodes d'inférence statistique associées, dans le traitement statistique et informatique de gros volumes de données, ainsi qu’en programmation. De nombreux cours donnent lieu à la rédaction de rapports, seul ou en petits groupes (UE TER au S2, UE Data mining au S3, UE Fiabilité prévisionnelle au S3, UE Gestion de projets au S3, UE Stage au S4…), ce qui permet de développer l’autonomie des étudiants et leur apprend à travailler en équipe.

Formation complémentaire :

• Anglais (préparation du TOEIC, formation à l'anglais scientifique)

• connaissance du monde de l’entreprise (Gestion de projets, stages en entreprises),

• connaissance du marché de l'emploi scientifique (participation à des forums emplois-maths ou à des journées/conférences dédiées à l’insertion professionnelle).

Informations supplémentaires

Accords de doubles diplômes

Avec l'Université de Saragosse (Espagne)

Avec l'Université du Pays Basque à Bilbao (Espagne)

Effectif

30

Organisation

Contenu de la formation

La première année est consacrée à la mise en place des bases scientifiques permettant une spécialisation plus pointue en deuxième année.

Au semestre 3, l'étudiant doit choisir l'un des trois blocs suivants : bloc statistique décisionnelle (tourné vers la fouille de données et l'analyse de risque), bloc Applications industrielles (tourné vers la sureté de fonctionnement et le contrôle statistique des procédés), et un bloc Recherche, pour une éventuelle poursuite d'étude en thèse. L'ouverture d'un bloc est décidée par l'équipe pédagogique en fonction des vœux des étudiants, du nombre d'inscrits à la formation, et de leurs niveaux (pour le bloc Recherche).

Le quatrième et dernier semestre du master consiste en un stage de 6 mois en entreprise ou en laboratoire de recherche.

Les enseignements sont dispensés sous forme de cours, travaux dirigés, travaux pratiques sur machine, projets et stages.

Programme

Organisation de la formation

• Semestre 1 (30.0 crédits ECTS)
  • UE obligatoires
    • Probabilités (4.0 crédits ECTS)
    • Compléments de probabilités (2.0 crédits ECTS)
    • Statistique inférentielle (6.0 crédits ECTS)
    • Logiciels statistiques (4.0 crédits ECTS)
    • Analyse matricielle et optimisation (4.0 crédits ECTS)
    • Méthodes numériques : Python (4.0 crédits ECTS)
    • Anglais M1 S7 (masters maths) (2.0 crédits ECTS)
  • UE optionnelle
    1 option(s) au choix parmi 2
    • Bases de données (4.0 crédits ECTS)
    • Recherche opérationnelle (4.0 crédits ECTS)
• Semestre 2 (30.0 crédits ECTS)
  • UE obligatoires
    • Chaines et processus de Markov (6.0 crédits ECTS)
    • Méthodes de Monte-Carlo (4.0 crédits ECTS)
    • Modèle de régression (6.0 crédits ECTS)
    • Modèles linéaires - Notions de base (2.0 crédits ECTS)
    • Modèles linéaires - notions avancées (4.0 crédits ECTS)
    • Analyse de données (2.0 crédits ECTS)
    • Machine Learning - introduction (2.0 crédits ECTS)
    • Méthodologies et applications: applications de la statistique (2.0 crédits ECTS)
    • Méthodologies et applications: Gestion de projets (2.0 crédits ECTS)
    • Anglais M1 S8 (masters maths) (2.0 crédits ECTS)
    • Conception des systèmes d'information (4.0 crédits ECTS)
  • UE optionnelle
    1 option(s) au choix parmi 1
    • Séries temporelles (4.0 crédits ECTS)
• Semestre 3 (30.0 crédits ECTS)
  • UE obligatoires
    • Anglais M1 S9 (masters maths) (2.0 crédits ECTS)
    • Modèles et méthodes pour l'industrie : Fiabilité prévisionnelle (4.0 crédits ECTS)
    • Modèles et méthodes pour l'industrie : Analyse de données de survie (4.0 crédits ECTS)
    • Modèles et méthodes pour l'industrie : Plans d'expérience (4.0 crédits ECTS)
    • Modèles et méthodes pour l'industrie : Maîtrise statistique des procédés (2.0 crédits ECTS)
    • Modèles et méthodes pour l'industrie : Outils pour la sûreté de fonctionnement (4.0 crédits ECTS)
    • Datamining (2.0 crédits ECTS)
    • Deep learning (2.0 crédits ECTS)
    • Machine Learning - Notions avancées
    • Entrepôts de données (4.0 crédits ECTS)
  • UECF
    Option
    • UECF Stage en entreprise entre le M1 et le M2
• Semestre 4 (30.0 crédits ECTS)
  • UE obligatoire
    • Stage ou Mémoire M2 MMS et M2 MSID (30.0 crédits ECTS)
  • UECF
    Option
    • UECF Data Challenge

Admission

Condition d'accès

Depuis la loi n° 2016-1828 du 23 décembre 2016, le master est un cursus de 4 semestres, sans sélection intermédiaire, conduisant au diplôme national de master. Cette loi introduit un recrutement des étudiants à l'entrée en première année du master (sur dossier ou concours). Chaque mention ou parcours fixe une capacité d’accueil, les modalités du recrutement ainsi que le calendrier de la campagne de candidature.

Admission pour les étudiants qui résident en France ou dans l'Union Européenne :

Admission en M1 :

Tout étudiant résident en France ou dans l'Union Européenne désirant s'inscrire en M1 MSID devra candidater via l'application APOFLUX qui ouvrira à partir du 2 Mai 2018.

Pour toute information supplémentaire d'ordre pédagogique, contacter le responsable du Master : walter.tinsson@univ-pau.fr

Admission en M2 :

Admission de droit en M2 MSID après un M1 MSID.

Admission possible en M2 MSID après une autre formation de contenu équivalent, après examen du dossier de l’étudiant par la commission pédagogique. Les candidatures devront être déposées via l'application APOFLUX (ouverture 2 mai 2018)

Admission pour les étudiants étrangers résidant hors Union Européenne :

Les étudiants étrangers résidant dans un pays doté d'un espace ETUDES EN FRANCE doivent impérativement passer par cette procédure (ri.univ-pau.fr/live/hors-programme/etudiants-hors-ue). Date limite de candidature pour la procédure Campus France : 31 mars 2018.

Les étudiants étrangers ne résidant pas dans un pays doté d'un espace ETUDES EN FRANCE doivent déposer leur dossier via l'application APOFLUX.

Pour les étudiants en reprise d'études (interruption supérieure à 2 ans et/ou personnes de plus de 28 ans et/ou salariés et/ou demandeurs d'emploi) :

contacter le service de la Formation continue (For.Co) pour confirmer votre statut étudiant en formation continue.

Pré-requis nécessaires

Master 1 : titulaires d'une licence de mathématiques, d'une licence de mathématiques appliquées, d'une licence MIASHS ou de tout autre diplôme équivalent (sur dossier).

Master 2 : Admission possible en M2 MSID après une autre formation de contenu équivalent, après examen du dossier de l’étudiant par la commission pédagogique.

Remarque : les bases scientifiques étant dispensées en première année, seuls les étudiants ayant le même socle de connaissances que celui acquis en M1 MSID sont admis en M2 MSID.

Contact(s)

Composante

Lieu(x) de la formation

• Pau

Responsable(s)

Contact(s) administratif(s)