Master mention mathématiques appliquées, statistiques parcours statistique et data science, ingénierie mathématique
Date de mise à jour :
Identifiant Offre Info : 07_25100830F
Organisme responsable :
CFA des Universités Centre-Val de Loire
(ouvre dans un nouvel onglet)
Référentiels
Code Rome
- H1206 Management et ingénierie études, recherche et développement industriel
- K2107 Enseignement général du second degré
- M1201 Analyse et ingénierie financière
- M1403 Études et prospectives socio-économiques
Formacode
- 11036 : Statistique
- 11052 : Mathématiques appliquées
- 32062 : Recherche développement
Présentation de la formation
Objectifs
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…
- 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).
Programme de la formation
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…
- 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.
- 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).
Validation et sanction
Type de formation
Certifiante
Niveau de sortie
Bac + 5 et plus
Durée, rythme, financement
Financement
- Conventionnement
- Oui
- Financeur
-
- OPCO
Conditions d'accès
Publics visés
- Autre public
- Public dans le cadre du contrat d'apprentissage
- Public dans le cadre du contrat de professionnalisation
Niveau d'entrée
Bac + 3 et 4
Conditions spécifiques et prérequis
être titulaire d'une Licence de Mathématiques ou d'un diplôme équivalent et avoir validé la 1ère année du master.
Modalités d'accès
- Accessible en contrat d'apprentissage
Lieu de réalisation de l'action
Modalités d'enseignement
Formation entièrement en présentielle
Adresse
1 Rue de Chartres45100 Orléans
Responsable : Université d'Orléans - UFR ST Sciences et Techniqu
Périodes prévisibles de déroulement des sessions
Début
Fin
- Adresse d'inscription
-
1 Rue de Chartres
45100 Orléans - État du recrutement
- Ouvert
- Modalités
- Entrées / Sorties à dates fixes