Ingénierie Mathématique et Science des Données
Responsable pédagogique: Radu Stoica
Co-Responsable pédagogique: Pascal Moyal
Gestionnaire administrative : Elodie Cunat
La 2e année du master IMSD est un parcours à orientation professionnelle du master de mathématiques et applications de l’Université de Lorraine. Il est hébergé par la Faculté des sciences de l’Université de Lorraine, en partenariat avec l’Ecole des Mines de Nancy et Télécom Nancy.
OBJECTIFS
Former des cadres à profil d’ingénieur mathématicien, qui pourront choisir de mettre en oeuvre les méthodes mathématiques et de modélisation (probabilités, statistique, analyse des EDP et calcul numérique) les plus récentes et les plus adaptées aux problèmes rencontrés en sciences des données, apprentissage, marketing, finance, santé, épidémiologie, environnement, industrie ou encore bien d’autres domaines. Le diplômé du M2 IMSD maîtrisera les outils informatiques de gestion des grandes masses de données, les algorithmes d’apprentissage, de statistique en grande dimension, d’implémentation des méthodes d’analyse et de simulation stochastique.
SPÉCIFICITÉS
- Des enseignements fondamentaux pour une préparation à l’évolution des méthodes mathématiques et informatiques pour la science des données, dans un large spectre de compétences.
- Un Master de Mathématiques appliquées comprenant une part importante dédiée à l’informatique, la programmation et les bases de données.
COMPÉTENCES
Management et fouille des grandes masses de données, calcul
scientifique, modélisation statistique, apprentissage, modélisation aléatoire, approximation
numérique, analyse et gestion des risques, modèles de mathématiques financières, simulation, prévision, optimisation, aide à la décision, visualisation, développement et maintenance des codes, …
POUR QUELS MÉTIERS ?
Le Master IMSD prépare à un spectre très large de métiers de l’Ingénierie Mathématique et de la science des données : ingénieur calcul, data-scientist, chargé d’études en statistique, fiabiliste, data miner, chargé d’étude marketing, biostatisticien, ingénieur financier quantitatif, chercheur, …
DANS DE MULTIPLES SECTEURS
Banque, assurance, finance, statistique publique, santé, biologie, environnement, industrie, big data, recherche,…
ALTERNANCE
Le Master IMSD peut être suivi en contrat de professionnalisation ou en contrat d’apprentissage.
DOUBLES DIPLOMES
Il est possible de suivre le M2 IMSD en double-diplomation, en parallèle avec la formation d’ingénieur des écoles suivantes:
- Ecole des Mines de Nancy,
- Télécom Nancy
- ENSEM.
CONTENU DES ENSEIGNEMENTS
Les enseignements se répartissent entre S9 et S10. Ils s’articulent en cours magistraux, TD, TP et de nombreux projets, courts ou longs, seul(e), en binômes ou en trinôme, favorisant la prise d’autonomie de l’étudiant(e) et sa capacité à travailler en équipe. Un stage de 5 à 6 mois en entreprise, dans une institution publique ou privée ou dans un centre de recherche, clôt la formation.
L’année de M2 s’articule en un Tronc commun obligatoire pour tous les étudiants de la formation, et un large choix d’options qui spécialisent le parcours de l’étudiant(e), en fonction de ses aspirations et de ses objectifs professionnels.
TRONC COMMUN
- Modélisation mathématique (S9 – 80h – 6 ECTS)
- Modélisation statistique des données complexes (30h)
- Modélisation stochastique (25h)
- Schéma numérique pour les EDP (25h)
- Outils informatiques (S9 – 70h – 6 ECTS)
- Mise à niveau Python (10h)
- Algorithmique et programmation sur les arbres et les graphes (30h)
- Bases de données et systèmes d’information (30h)
- Anglais (S9 – 25h – 3 ECTS)
- Techniques de communication (S10 – 20 h – 2 ECTS)
- Conférences industrielles (S10 – 2 journées – 2 ECTS)
- Projet long de recherche (S10 – Travail sur 2-3 mois entre janvier et mars – 6 ECTS)
- Stage (S10 – 5 à 6 mois entre avril et septembre – 20 ECTS)
OPTIONS
5 options (S9 – 25h – 3 ECTS) à choisir parmi les suivantes:
- Option 1: Statistique appliquée au monde de la santé (Non proposée cette année)
- Option 2: Statistique spatiale, inférence bayésienne pour les données
- Option 3: Séries chronologiques
- Option 4: Apprentissage supervisé (doit être choisi avec Option 5)
- Option 5 : Apprentissage non-supervisé (doit être choisi avec Option 4)
- Option 6 : Apprentissage par renforcement
- Option 7 : Apprentissage profond (à Telecom Nancy)
- Option 8 : Visualisation des données (à Telecom Nancy)
- Option 9 : Optimisation et recherche opérationnelle
- Option 10 : Approximation numérique par volumes finis
- Option 11 : Modélisation stochastique appliquée
- Option 12 : Introduction aux mathématiques financières (non ouverte à l’alternance)
- Option 13 : Calcul stochastique pour la finance (non ouverte à l’alternance)
- Option 14 : Modèles stochastiques pour la finance (prérequis : Options 12 et 13) (non ouvert à l’alternance)
- Option 15 : Microéconomie et Théorie des jeux (aux Mines de Nancy)
- Option 16 : Politique monétaire et Finance de marchés(aux Mines de Nancy) (non ouvert à l’alternance)
Télécharger le programme des unités d’enseignement
MODALITÉS D’ÉVALUATION
L’évaluation est en contrôle continu pour toutes les unités d’enseignement. Il y a une compensation intégrale entre les enseignements du S9 et entre les enseignements du S10, mais pas entre les deux semestres.
ANCIENS ETUDIANTS
Ils sont passés par notre master, consultez leur profil :
Camille ALLEYRAT, biostatisticienne
Meriem BOUGUEZZI, en thèse au CEA
Anna CAILLIEZ, Web & Quant Developer
Olivier COLLIGNON, statistics consultant, LIH
Célia DESCHAMPS, Risk Analyst, Californie
Charles DUMENIL, en thèse en informatique
Zakaria HEDDOUCHE, Market Risk Analyst
Naim KOSAYYER, Visual Data Analyst
Frédéric LEHNARDT, LOHR INDUSTRIE
Aurore PELZER, Ingénieur d’études mainframe IBM
Constance ROUSSEAUX, Software Engineer at Salesforce