Le Master mention Mathématiques Appliquées, Statistiques - parcours-type "Statistique & Data Science, Ingénierie Mathématique" a pour objectif de former des Data Scientists, ingénieurs statisticiens ou mathématiciens appliqués ayant vocation à exercer dans :
- les services d'analyse statistique, selon plusieurs axes :
- les professionnels (banques, assurances) : Data Science, Business Intelligence ;
- les secteurs de la santé et de l'environnement ;
- les services de Recherche & Développement (R&D) des secteurs industriels de pointe
(Ingénierie, Apprentissage, Deep Learning, Réseaux de neurones) ;
- la Recherche appliquée, en particulier via une poursuite d'études en doctorat dans le cadre de thèses appliquées (type CIFRE) en statistique (bio-statistique, épidémiologie) ou en mathématiques (méthodes numériques pour les modèles de la physique, de la biologie, IA).
- Comprendre et mobiliser des concepts sophistiqués de mathématiques appliquées et de statistique pour les exploiter dans un contexte scientifique ou professionnel
- Modéliser un phénomène ou des données à l'aide d'outils de mathématiques appliquées et de statistique
- Développer ou s'approprier de nouveaux outils et concepts de mathématiques appliquées et de statistique
- Implémenter dans un langage de programmation une démarche de mathématiques appliquées, statistique en utilisant les outils numériques et bibliothèques de calcul adaptés au problème
- Trouver des solutions efficaces et rigoureuses mathématiquement face à un problème de modélisation ou à des données pour comprendre un phénomène complexe
- Concevoir des nouveaux modèles et résultats, théoriques ou numériques, face à des problématiques de mathématiques appliquées et de statistique
- Concevoir et utiliser des méthodologies et algorithmes de mathématiques appliquées, statistique pour résoudre des problèmes scientifiques ou professionnels
- Vérifier mathématiquement et numériquement la validité d'une démarche scientifique ou professionnelle, avec méthodologie, rigueur et reproductibilité
- Quantifier théoriquement ou numériquement les erreurs et incertitudes liées à un algorithme d'approximation ou à des aspects statistiques
- Maintenir des données avec les outils numériques adaptés pour les exploiter dans un contexte scientifique ou professionnel
- Mettre en forme et exploiter des données complexes avec une démarche scientifique, mathématique ou statistique, pour extraire, visualiser et quantifier de l'information pertinente au regard d'un problème
- Conduire une analyse de données, de leur mise en forme à l'interprétation des résultats et l'aide à la décision
- Comprendre et mettre en œuvre une méthode d'apprentissage statistique (machine learning) sur des données, interpréter les résultats et évaluer la qualité du modèle
- Interpréter des résultats théoriques et numériques en fonction d'une situation scientifique ou professionnelle, et les communiquer clairement en s'adaptant à ses interlocuteurs.
Compétences acquises :
- Modélisation aléatoire (Statistique mathématique décisionnelle, Statistical Computing) ;
- Fouille de données (méthodes de Data Mining, apprentissage, calcul haute performance) ;
- Big Data (calcul distribué avec cluster Hadoop et programmation MapReduce) ;
- Apprentissage, Réseaux de Neurones (computer vision, machine learning, Deep Learning) ;
- Probabilités appliquées (simulation de Monte-Carlo, processus aléatoires, algorithmes ; MCMC) ;
- Modélisation mathématique, calcul scientifique, optimisation ;
- Maîtrise des logiciels spécialisés du domaine (R et SAS pour les statistiques, Python, Scilab et C++ pour le calcul scientifique).
Master mention mathématiques appliquées, statistique
Certifiante
Bac + 5 et plus
