Master's degree Probability and Statistics of New Data
Entry requirements
M2 is for students who have successfully completed a first year of a Master's degree in Pure or Applied Mathematics or in Mathematics-Computer Science or who can prove they have an equivalent level, as well as Grandes Ecoles students.
Applications are examined by a committee.
Benefits of the program
Affiliated with top-level research laboratories (LAMA, CERMICS, LIGM) and the Labex Bézout
Provides training tailored to the challenges posed by the large amount of data to be processed in the secondary and tertiary sectors.
Regional coherence (Paris East) of the training. Work-study programme and sessions with professional partners.
Acquired skills
On completion of the Master's programme, graduates will be able to:
- Master mathematical tools, whether differential, probabilistic, statistical or numerical, and adapt to their development and increasing complexity.
- Design and apply theoretical knowledge to respond in the most appropriate way to real and concrete problems in their area of expertise.
- Model random events.
- Recommend balanced solutions.
- Search for and use documentary resources optimally in order to explore new subjects or be able to innovate in subjects arising from everyday problems.
International
The international attractiveness of the Master's programme is demonstrated by the constant flow of scholarship students from the “Bézout” excellence pathway, which sets our programme apart from identical or similar programmes in France.
Capacities
15
Course venue
Your future career
The Probability and Statistics of New Data pathway in the Mathematics and Applications Master's programme trains high-level mathematicians primarily for careers in data science and data processing, a field that is expanding with the widespread use of databases. It can also lead to teaching or research in industry or academia.
Professional integration
Sectors of activity or types of employment accessible to the holder of this degree, qualification or certificate:
- Teaching and research in academia or industry
- Research bodies and centres
- Engineering - mathematical R&D
- Transport industries (aerospace, aeronautics, naval, automotive, etc.) - Energy industries (nuclear, solar, wind, oil, etc.)
- Banking, Finance, Insurance ... market research, trading
- Computer Science
- Telecommunications
- Teacher and researcher
- Research engineer
- Statistical and economic researcher
- Actuarial researcher
- Actuarial researcher, asset/liability management - Actuary
- Broker (trader)
Study objectives
The aim of the Master's programme is twofold:
Develop theoretical and practical concepts enabling students to specialise in banking, insurance, certain industrial sectors and service companies.
Prepare students for teaching and fundamental or industrial research.
Major thematics of study
Mathematics and Computer Science
Calendar
The second-year of the Master’s degree is divided into two semesters. It is common to UGE and UPEC and all courses are held at UGE. The work placement is carried out in the second semester.
Semester 3
| Courses | ECTS | CM | TD | TP |
|---|---|---|---|---|
| STAGE (FI) | 60 | |||
|
2 UE obligatoires à valider parmi les UE ci-dessous au S3
| 12 | |||
|
Architecture Big Data
Manipulation de grosses bases de données et pratique du calcul parallèle
Teaching language FRANÇAIS / FRENCH | 30h | |||
|
Statistiques en Grande Dimension
Statistiques en grande dimensions : algorithmes, estimation et pénalisation
Teaching language FRANÇAIS / FRENCH | 30h | 12h | ||
|
Calcul stochastique
Présentation des processus stochastiques en temps continu et leurs principales propriétés
Teaching language FRANÇAIS / FRENCH | 30h | |||
|
Entre le S3 et le S4 : 4 cours à 6 Ects et 1 cours à 3 Ects
| 27 | |||
|
Simulation et copules
Méthodes de Monte Carlo pour la simulation et utilisation de copules pour les risques multidimensionnels
Teaching language FRANÇAIS / FRENCH | 6 | 30h | 12h | |
|
Méthodes de Monte Carlo et Algorithmes stochastiques
Présentation des algorithmes stochastiques pour l'optimisation et l'approximation de processus financier
Teaching language FRANÇAIS / FRENCH | 6 | 39h | ||
|
Apprentissage statistique et applications
Algorithmes de machine et deep learning pour diverses applications pratiques, dont financières
Teaching language FRANÇAIS / FRENCH | 6 | 38h | ||
|
Estimation empirique - Valeurs extrêmes
Théorie des valeurs extrêmes, modèles de durée et estimation empirique
Teaching language FRANÇAIS / FRENCH | 6 | 24h | 6h | |
|
Méthodes d'approximation déterministes et stochastiques
Teaching language FRANÇAIS / FRENCH | 6 | 30h | ||
|
Anonymisation et équité algorithmique
Méthodes d'anonymisation informatique et conservation de propriétés statistiques – technique de réduction de biais des algorithmes
Teaching language FRANÇAIS / FRENCH | 6 | 24h | 6h | |
|
Fondements des sciences de données
Introduction aux premières méthodes d’apprentissage statistique
Teaching language ANGLAIS / ENGLISH | 6 | 16h | 8h | 8h |
|
Intro au Calcul de Malliavin et appli numériques en finance
Calcul de Malliavin et applications numériques pour le calcul des Grecques et la valorisation non linéaire des risques financiers
Teaching language FRANÇAIS / FRENCH | 6 | 24h | ||
|
Sciences des données avancées
Théorie de l'apprentissage statistique et apprentissage profond
Teaching language ANGLAIS / ENGLISH | 6 | 16h | 8h | 8h |
|
Modélisation proba et stat pour l'épidémiologie
Théorèmes limites et EDS
Teaching language FRANÇAIS / FRENCH | 6 | 20h | ||
|
Cas d’usage en lien avec le développement durable
Travail encadré sur un semestre sur une problématique spécifique proposée par le ministère de la transition écologique et du développement durable
Teaching language FRANÇAIS / FRENCH | 6 | 20h | ||
|
Apprentissage statistique pour le traitement du langage
Etude de la spécificité des algorithmes dédiés au traitement du langage
Teaching language FRANÇAIS / FRENCH | 3 | 12h | ||
|
Vision par ordinateur et détection d’objets
Exploitation des techniques récentes de classification et détection d’objets
Teaching language FRANÇAIS / FRENCH | 3 | 12h | ||
|
Stage et Hackathon au S4
| 21 | |||
|
Stage
| ||||
|
Hackathon
| ||||
| APPRENTISSAGE (FA) | 60 | |||
|
UE obligatoires à valider au S3
| 12 | |||
|
Architecture Big Data
Manipulation de grosses bases de données et pratique du calcul parallèle
Teaching language FRANÇAIS / FRENCH | 6 | 30h | ||
|
Statistiques en Grande Dimension
Statistiques en grande dimensions : algorithmes, estimation et pénalisation
Teaching language FRANÇAIS / FRENCH | 6 | 30h | 12h | |
|
Entre le S3 et le S4 : 4 cours à 6 Ects et 1 cours à 3 Ects
| 27 | |||
|
Simulation et copules
Méthodes de Monte Carlo pour la simulation et utilisation de copules pour les risques multidimensionnels
Teaching language FRANÇAIS / FRENCH | 30h | 12h | ||
|
Apprentissage statistique et applications
Algorithmes de machine et deep learning pour diverses applications pratiques, dont financières
Teaching language FRANÇAIS / FRENCH | 38h | |||
|
Estimation empirique - Valeurs extrêmes
Théorie des valeurs extrêmes, modèles de durée et estimation empirique
Teaching language FRANÇAIS / FRENCH | 24h | 6h | ||
|
Méthodes d'approximation déterministes et stochastiques
Teaching language FRANÇAIS / FRENCH | 30h | |||
|
Anonymisation et équité algorithmique
Méthodes d'anonymisation informatique et conservation de propriétés statistiques – technique de réduction de biais des algorithmes
Teaching language FRANÇAIS / FRENCH | 24h | 6h | ||
|
Fondements des sciences de données
Introduction aux premières méthodes d’apprentissage statistique
Teaching language ANGLAIS / ENGLISH | 16h | 8h | 8h | |
|
Sciences des données avancées
Théorie de l'apprentissage statistique et apprentissage profond
Teaching language ANGLAIS / ENGLISH | 16h | 8h | 8h | |
|
Modélisation proba et stat pour l'épidémiologie
Théorèmes limites et EDS
Teaching language FRANÇAIS / FRENCH | 20h | |||
|
Cas d’usage en lien avec le développement durable
Travail encadré sur un semestre sur une problématique spécifique proposée par le ministère de la transition écologique et du développement durable
Teaching language FRANÇAIS / FRENCH | 20h | |||
|
Apprentissage statistique pour le traitement du langage
Etude de la spécificité des algorithmes dédiés au traitement du langage
Teaching language FRANÇAIS / FRENCH | 12h | |||
|
Vision par ordinateur et détection d’objets
Exploitation des techniques récentes de classification et détection d’objets
Teaching language FRANÇAIS / FRENCH | 12h | |||
|
UE obligatoires à valider
| 21 | |||
|
Projets
Etude de différentes problèmes d’apprentissage statistique à travers des données réelles
Teaching language FRANÇAIS / FRENCH | 6 | 12h | ||
|
Apprentissage
| 12 | |||
|
Hackathon
| 3 |
Marie-Monique RIBON (M2)
Partners
Le Master a trois partenaires académiques : l’UGE et l’UPEC (via le LAMA, Laboratoire d’Analyse et de Mathématiques Appliquées UMR CNRS 8050 et LIGM pour le parcours Bézout) et l’ENPC (via le CERMICS Centre d’Enseignement et de Recherche en Mathématiques et Calcul Scientifique, pour le parcours finance).