Master Mention Mathématiques et applications

  • Niveau d'étude visé

    BAC +5

  • ECTS

    120 crédits

  • Durée

    2 ans

  • Composante

    Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)

Présentation

Le master de mathématiques et applications délivre une formation de pointe dans les domaines de compétences du laboratoire de mathématiques et de leurs applications de Pau, en particulier dans les thématiques suivantes :

Parcours MMS : analyse des équations aux dérivées partielles (EDP), analyse numérique des EDP, simulation, calcul scientifique haute performance, modélisation mathématique, probabilités, mathématiques fondamentales.

Parcours MSID : statistique, analyse de données, bases et entrepôts de données, probabilités appliquées, processus stochastiques, simulation de Monte-Carlo, applications industrielles.

Parcours MIBDIntelligence artificielle : apprentissage automatique (Machine Learning), apprentissage profond (Deep Learning), fouille de données (Data Mining & Text Mining) – Algorithmique parallèle et distribuée : calcul intensif (High-performance Computing), outils de programmation parallèles et distribuées (GPU Computing), problématique du déploiement.

Les trois spécialités accueillent les étudiants du CMI mathématiques et ingénierie.

  • Master 1 : 50 étudiants

    Capacité d'accueil

Compétences

Appui à la transformation en contexte professionnel

Développement et intégration de savoirs hautement spécialisés

Usages avancés et spécialisés des outils numériques

S’approprier les usages avancés et spécialisés des outils numériques

Communication spécialisée pour le transfert de connaissances

Travailler dans le cadre des projets pluridisciplinaires, de recherche, d'innovation et internationaux

Communiquer en contexte professionnel

Communication spécialisée pour le transfert de compétences

Mettre en œuvre les usages avancés et spécialisés des outils numériques

Lire plus

Organisation

Ouvert en alternance

Type de contrat

  • Contrat de professionnalisation
  • Contrat d'apprentissage

Cet enseignement est ouvert en alternance : mode d'emploi

Calendrier de l'alternance

Calendrier_M2_Maths&Appli_2024-25.pdf

Programme

Sélectionnez un programme

Parcours Mathématiques, modélisation et simulation

Le parcours Mathématiques, Modélisation et Simulation (MMS) du master de mathématiques et applications a pour but de délivrer une formation de pointe en analyse appliquée, analyse numérique et calcul scientifique, mais aussi en mathématiques fondamentales.

Le M2 Mathématiques, Modélisation et Simulation est aussi ouvert au programme international, vous trouverez plus d'information sur le site en anglais.

Voir la page complète de ce parcours

  • Analyse Fonctionnelle : Analyse Hilbertienne S1

    4 crédits37,5h
  • Analyse des EDP S1

    6 crédits54h
  • Analyse numérique 1 : Les différences finies pour les problèmes stationnaires S1

    4 crédits39h
  • Calcul scientifique Python S1

    4 crédits39h
  • Préparation projet professionnel

    2 crédits21h
  • Anglais M1 S1

    2 crédits20h
  • Au choix : 2 parmi 5

    • Optimisation S1

      4 crédits39h
    • Mathématiques pour la Mécanique S1

      4 crédits39h
    • Géométrie différentielle S1

      4 crédits39h
    • Probabilité statistique

      4 crédits32h
      • Probabilités S7

        4 crédits32h
    • Calcul parallèle

      2 crédits16h
  • Analyse Fonctionnelle Espaces de Banach S2

    4 crédits39h
  • Analyse EDP 2 : Fourier problèmes aux limites S2

    4 crédits39h
  • Analyse numérique 2 Eléments finis S2

    6 crédits58,5h
  • TER S2

    6 crédits24,5h
  • Anglais M1 S2

    2 crédits
  • Au choix : 2 parmi 4

    • Calcul scientifique 2 : C++ S2

      4 crédits39h
    • Complément analyse numérique S2

      4 crédits39h
    • Algèbre

      4 crédits39h
    • Intro aux data sciences

      4 crédits
      • Machine learning

        2 crédits16h
      • Apprentissage profond - notions de base

        2 crédits16h
  • Facultatif

    • Stage (comptant pour le S3)

  • Analyse des Équations aux Dérivées Partielles (EDP) 3 S3

    5 crédits45h
  • Analyse Numérique EDP 3 Éléments finis S3

    5 crédits45h
  • Projet intégrateur

    6 crédits82h
  • Au choix : 2 parmi 14

    • Volume finis systèmes hyperboliques S3

      4 crédits36h
    • Calcul Scientifique / Scientific computing S3

      4 crédits36h
    • Calcul haute performance / High performance computing

      4 crédits36h
    • Simulations Réservoir S3

      4 crédits36h
    • Codes Industriels S3

      4 crédits36h
    • Maillages et Applications S3

      4 crédits36h
    • EDP stochastiques S3

      4 crédits36h
    • Problèmes inverses S3

      4 crédits36h
    • Analyse asymptotique S3

      4 crédits36h
    • Analyse numérique et mathèmatiques des problèmes hyperboliques S3

      4 crédits36h
    • Analyse avancée S3

      4 crédits
    • Mathematical Engineering of deep learning

      4 crédits58,5h
    • Machine learning - notion avancées S9

      2 crédits19,5h
    • Apprentissage profond - notion avancées

      2 crédits
  • Au choix : 1 parmi 2

    • Anglais M2

      2 crédits
    • French for foreigner semestre impair

      2 crédits39h
  • Bilan des travaux en entreprise ou laboratoire

    25 crédits

Parcours Méthodes stochastiques et informatiques pour la décision

Sur deux années, 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.

Le contenu des études peut comprendre :

  • des enseignements théoriques et pratiques dans les domaines de la statistique et de la science des données
  • de l’apprentissage par projet
  • un stage optionnel entre le M1 et le M2
  • en M2, une expérience longue durée en entreprise à travers l’alternance ou un stage de fin d’études
  • des enseignements complémentaires et transverses : langue vivante, gestion de projets, etc.
  • des unités d’enseignements complémentaires et facultatifs : sport, culture, etc.

Le M2 est aussi un master international, vous trouverez plus d'information sur la page web en anglais.

Voir la page complète de ce parcours

  • Probabilités et statistiques S7

    14 crédits112h
    • Probabilités S7

      4 crédits32h
    • Statistique Inférentielle S7

      6 crédits48h
    • Logiciels statistiques R S7

      2 crédits16h
    • Logiciels statistiques SAS S7

      2 crédits16h
  • Méthodes Numériques et Informatique S7

    12 crédits100h
    • Analyse matricielle et optimisation S7

      4 crédits32h
    • Python S7

      4 crédits32h
  • Entrepôts de données

    4 crédits28,5h
  • Compétences transversales I S7

    4 crédits
    • Préparation projet professionnel

      2 crédits21h
    • Anglais M1 S1

      2 crédits20h
  • Probabilités et processus

    10 crédits80h
    • Chaînes et processus de Markov S8

      6 crédits48h
    • Méthodes de Monte Carlo S8

      4 crédits32h
  • Méthodes statistiques de base S8

    8 crédits64h
    • Analyse de données S8

      2 crédits16h
    • Modèles Linéaires

      6 crédits48h
  • Introduction aux datasciences S8

    8 crédits68h
    • Machine learning

      2 crédits16h
    • Apprentissage profond - notions de base

      2 crédits16h
    • Frameworks IA Big Data

      4 crédits36h
  • Compétences transversales II S8

    4 crédits
    • Gestion de projet

      2 crédits16h
    • Anglais M1 S2

      2 crédits
  • Modèles et méthodes pour l’industrie S9

    18 crédits
    • Fiabilité prévisionnelle S9

      4 crédits39h
    • Analyse de durées de survie S9

      4 crédits39h
    • Plans d’expérience S9

      4 crédits39h
    • Maîtrise statistique des procédés S9

      2 crédits19,5h
    • Outils pour la sûreté de fonctionnement S9

      4 crédits39h
  • Techniques en datasciences S9

    10 crédits
    • Datamining S9

      2 crédits19,5h
    • Machine learning - notion avancées S9

      2 crédits19,5h
    • Text mining

      4 crédits32h
    • Apprentissage profond - notions avancées

      2 crédits
  • Compétences transversales III S9

    2 crédits
    • Anglais M2

      2 crédits
  • Projet intégrateur

    6 crédits82h
  • Bilan des travaux en entreprise ou laboratoire

    25 crédits

Parcours Mathématiques et informatique pour le Big Data

Le caractère ubiquitaire de l’informatique et des données numériques dans les sociétés modernes fait que la production, l’analyse et le traitement de l’information sont aujourd’hui au cœur du développement économique et concernent tous les secteurs de l’industrie et des services : commerce, santé, sécurité, énergie, transports, aménagement du territoire, etc. Disposer d’outils performants pour produire, extraire, traiter, analyser et présenter les données est désormais une clé pour de nombreux secteurs d'activité.

Considérer l’ensemble de l’information circulant sur l’internet comme une immense base de données dynamiques au service des processus d'aide intelligente à la prise de décision a donné naissance au phénomène Big Data. Il se caractérise par des données de très grande taille (Volume), peu structurées, multi-variables, multidimensionnelles (Variété) et de nature dynamique voire furtive (Vélocité) de par l’impossibilité quelquefois de les stocker, ne serait-ce que provisoirement. Ces caractéristiques posent de nouveaux problèmes, les processus de traitements classiques ne supportant souvent pas le passage à l’échelle ou n’étant pas adaptées à ce type de données.

Voir la page complète de ce parcours

  • Calcul parallèle

    2 crédits16h
  • Statistique Inférentielle S7

    6 crédits
    • Statistique Inférentielle S7

      6 crédits48h
  • Logiciels statistiques

    2 crédits
    • Logiciels statistiques R S7

      2 crédits16h
  • Visual analytics

    4 crédits55,5h
  • Analyse matricielle et optimisation S7

    4 crédits
    • Analyse matricielle et optimisation S7

      4 crédits32h
  • Python

    3 crédits
  • Anglais M1 S1

    2 crédits20h
  • Entrepôts de données

    4 crédits28,5h
  • Cloud

    2 crédits
  • NOSQL

    2 crédits19,5h
  • Modèles linéaires

    2 crédits
    • Modèles Linéaires

      6 crédits48h
  • Analyse de données

    2 crédits
    • Analyse de données S8

      2 crédits16h
  • Machine Learning - intro

    2 crédits
    • Machine learning

      2 crédits16h
  • Apprentissage profond - notion de base

    2 crédits
    • Apprentissage profond - notions de base

      2 crédits16h
  • Modèles et plateformes pour l'IA et le Big Data

    6 crédits
    • Frameworks IA Big Data

      4 crédits36h
    • Plateforme de Sciences des Données

      2 crédits19,5h
  • Programmation orientée Agents

    4 crédits
  • Interopérabilité des Données et des Connaissances

    2 crédits16h
  • Anglais M1 S2

    2 crédits
  • IA Notions Avancées (Non compensable)

    14 crédits
    • Machine learning - notion avancées S9

      2 crédits19,5h
    • Text mining

      4 crédits32h
    • Datamining S9

      2 crédits19,5h
    • Apprentissage profond

      2 crédits19,5h
    • Programmation orientée agents (notions avancées)

      4 crédits36h
  • Compétences transversales et pratiques (Non compensable)

    14 crédits
    • GPGPU

      4 crédits32h
    • Projet intégrateur 1 (Définitions des objectifs, Analyse fonctionnelle, Spécifications)

      6 crédits66h
  • Anglais M2

    2 crédits
  • Au choix : 2 parmi 3

    • Calcul haute performance / High performance computing

      4 crédits36h
    • Implémentation par tâches pour architectures hybrides

      2 crédits18h
    • Projet intégrateur 2 (Implantation et intégration)

      2 crédits16h
  • Stage de fin d'étude (étudiants en formation initiale)

    30 crédits
  • Bilan des travaux en entreprise ou laboratoire

    25 crédits

Parcours Graduate program GREEN - Mathematics, modeling and applications to energy and environment (M2A2E)

En 2022, l’Université de Pau et des Pays de l’Adour a ouvert un programme d’excellence en 5 ans (master + doctorat) dans un ensemble de disciplines liées à la recherche sur l’énergie et l’environnement, l’école universitaire de recherche GREEN (Graduate School for Energy and Environmental iNnovation).

Chaque étudiant, français ou étranger, admis dans le programme se verra offrir une allocation de 5 000 € par an pendant les deux premières années (Académie des Talents).


Postulez ici d’octobre à mars

Attention, nos masters peuvent ne pas ouvrir si le nombre d’inscrits est trop faible.


Le graduate program de recherche Mathematics, Modeling and Applications to Energy and Environment (M2A2E) est un parcours Master-doctorat intégré de 5 ans adossé au Laboratoire de Mathématiques et Applications-Pau (LMAP, UMR E2S-UPPA CNRS 5142) et à la mention Master Mathématiques et Applications de l’UPPA. En offrant à la fois une formation pluridisciplinaire d’excellence et des compétences pointues et variées en mathématiques, ce parcours vise à former des experts de haut niveau dans les domaines de la modélisation (déterministe et stochastique) et simulation numérique, des sciences des données avec des applications dans les domaines de l’énergie et de l’environnement.

Voir la page complète de ce parcours

Admission

Droits d'inscription et tarification

Consultez les montants des droits d'inscription.

L'établissement applique une exonération partielle des droits différenciés pour tout étudiant extra communautaire relevant de la formation initiale s'inscrivant en master.

Lire moins

Capacité d'accueil

MMS: 20 en M1 et 20 en M2 maximum
MSID : 15 en M1 et 15+5 (parcours international) M2

MIBD : 15

Lire moins

Par Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)

-

  • Ajouter à la sélection

    Vous avez formations et cours sauvegardés

  • Candidater