• 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 MIBD Intelligence 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 informatique.

Lire plus

Compétences

Usages avancés et spécialisés des outils numériques

Mettre en œuvre une communication spécialisée pour le transfert de connaissances

Appui à la transformation en contexte professionnel

Lire plus

Organisation

Ouvert en alternance

Type de contrat

Contrat de professionnalisation, Contrat d'apprentissage

Programme

Sélectionnez un programme

Parcours Mathématique, 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 crédits
  • Analyse des EDP S1

    6 crédits
  • Analyse numérique : Différences finies S1

    4 crédits
  • Calcul scientifique Python S1

    4 crédits
  • Préparation projet professionnel

    2 crédits
  • Anglais M1 S1

    2 crédits
  • Au choix : 2 parmi 4

    • Optimisation S1

      4 crédits
    • Math pour la Mécanique S1

      4 crédits
    • Géométrie différentielle S1

      4 crédits
    • Probabilité statistique

      4 crédits
      • Probabilités S7

        4 crédits
  • Analyse Fonctionnelle Espaces de Banach S2

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

    4 crédits
  • Analyse numérique 2 Eléments finis S2

    6 crédits
  • TER S2

    6 crédits
  • Anglais M1 S2

    2 crédits
  • Au choix : 2 parmi 5

    • Calcul scientifique 2 : C++ _ S2

      4 crédits
    • Complément analyse numérique S2

      4 crédits
    • Algèbre

      4 crédits
    • Distance cadre DD

      4 crédits
    • Intro aux data sciences

      4 crédits
      • Machine learning

        2 crédits
      • Apprentissage profond

        2 crédits
  • Facultatif

    • Stage (comptant pour le S3)

  • Analyse des EDP 3 S3

    6 crédits
  • Analyse Numérique EDP 3 Eléments finis S3

    6 crédits
  • Au choix : 2 parmi 13

    • Volume finis systèmes hyperboliques S3

      4 crédits
    • Calcul Scientifique S3

      4 crédits
    • Calcul scientifique Python S1

      4 crédits
    • Calcul haute performance

      4 crédits
    • Simulations Réservoir S3

      4 crédits
    • Codes Industriels S3

      4 crédits
    • Maillages et Applications S3

      4 crédits
    • EDP stochastiques S3

      4 crédits
    • Problèmes inverses S3

      4 crédits
    • Analyse asymptotique S3

      4 crédits
    • Analyse numérique et math des problèmes hyperboliques S3

      4 crédits
    • Analyse avancée S3

      4 crédits
    • Mathematical Engineering of deep learning

      4 crédits
  • Au choix : 1 parmi 2

    • Anglais M2 MMS/MSID

      2 crédits
    • French for foreigner semestre impair

      2 crédits
  • Projet intégrateur

    10 crédits
  • Bilan des travaux en Entreprise ou laboratoire S4

    20 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 crédits
    • Probabilités S7

      4 crédits
    • Statistique Inférentielle S7

      6 crédits
    • Logiciels statistiques R S7

      2 crédits
    • Logiciels statistiques SAS S7

      2 crédits
  • Méthodes Numériques et Informatique S7

    12 crédits
    • Analyse matricielle et optimisation S7

      4 crédits
    • Python S7

      4 crédits
    • Entrepôts de données

      4 crédits
  • Compétences transversales I S7

    4 crédits
    • Préparation projet professionnel

      2 crédits
    • Anglais M1 S1

      2 crédits
  • Probabilités et processus

    10 crédits
    • Chaînes et processus de Markov S8

      6 crédits
    • Méthodes de Monte Carlo S8

      4 crédits
  • Méthodes statistiques de base S8

    8 crédits
    • Modèles linéaires – notions de base S8

      2 crédits
    • Modèles linéaires – notions avancées S8

      4 crédits
    • Analyse de données S8

      2 crédits
  • Introduction aux datasciences S8

    4 crédits
    • Machine learning

      2 crédits
    • Apprentissage profond

      2 crédits
    • Frameworks IA Big Data

      4 crédits
  • Compétences transversales II S8

    4 crédits
    • Gestion de projet

      2 crédits
    • Anglais M1 S2

      2 crédits
  • Modèles et méthodes pour l’industrie S9

    18 crédits
    • Fiabilité prévisionnelle S9

      4 crédits
    • Analyse de durées de survie S9

      4 crédits
    • Plans d’expérience S9

      4 crédits
    • Maîtrise statistique des procédés S9

      2 crédits
    • Outils pour la sûreté de fonctionnement S9

      4 crédits
  • Techniques en datasciences S9

    10 crédits
    • Datamining S9

      2 crédits
    • Machine learning - notion avancées S9

      2 crédits
    • Text mining

      4 crédits
    • Apprentissage profond

      2 crédits
  • Compétences transversales III S9

    2 crédits
    • Anglais M2 MMS/MSID

      2 crédits
  • Projet intégrateur

    10 crédits
  • Bilan des travaux en Entreprise

    20 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

    3 crédits
  • Statistique Inférentielle S7

    6 crédits
    • Statistique Inférentielle S7

      6 crédits
  • Logiciels statistiques

    2 crédits
    • Logiciels statistiques R S7

      2 crédits
  • Visuel analytics

    4 crédits
  • Analyse matricielle et optimisation S7

    4 crédits
    • Analyse matricielle et optimisation S7

      4 crédits
  • Python

    3 crédits
  • Anglais M1 S1

    2 crédits
  • Entrepôts de données

    4 crédits
  • Cloud

    2 crédits
  • NOSQL

    2 crédits
  • Modèles linéaires – notions de base S8

    2 crédits
    • Modèles linéaires – notions de base S8

      2 crédits
    • Développement web avancé

      4 crédits
  • Analyse de données

    2 crédits
    • Analyse de données S8

      2 crédits
  • Machine Learning - intro

    2 crédits
    • Machine learning

      2 crédits
  • Apprentissage profond - notion de base

    2 crédits
    • Apprentissage profond

      2 crédits
  • Frameworks pour l'IA et le BIG DATA

    4 crédits
    • Frameworks IA Big Data

      4 crédits
  • Programmation orientée Agents

    4 crédits
  • Interopérabilité des Données et des Connaissances

    4 crédits
  • Anglais M1 S2

    2 crédits
  • Machine learning - notion avancées S9

    2 crédits
  • Text mining

    4 crédits
  • Fondements des systèmes Multi-Agents

    4 crédits
  • Datamining S9

    2 crédits
  • Apprentissage profond - notion avancées

    2 crédits
    • Apprentissage profond

      2 crédits
  • GPGPU

    4 crédits
  • Anglais

    2 crédits
  • Projet intégrateur 1

    6 crédits
  • Au choix : 2 parmi 2

    • Calcul haute performance

      4 crédits
    • Projet intégrateur 2

      6 crédits
      • Implantation et intégration

        2 crédits
      • Implémentation par tâches pour architectures hybrides

        2 crédits
  • stage de fin d'étude

    30 crédits

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 s'inscrivant en master.

Lire plus

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 plus
  • Ajouter à la sélection

    Vous avez formations et cours sauvegardés