Aller au contenu principal

Master Probabilités et Statistiques des nouvelles données

Macaron diplôme national de Master contrôlé par l'Etat
Bac+1
Bac+2
Bac+3
Bac+4
Bac+5
M1
M2
Domaine(s)
Sciences et ingénierie
Dîplome
Master  
Mention
Mathématiques et applications  
Parcours
Probabilités et Statistiques des nouvelles données  
Modalités
Formation initiale, Validation des acquis de l'expérience  
Lieu(x) de formation
Campus Marne la Vallée - Champs sur Marne, Bâtiment Copernic
Capacité d'accueil
15  
Une formation de

Pour y accéder

Le M2 s'adresse aux étudiants ayant validé une première année de master en Mathématiques pures ou appliquées ou de Mathématiques-informatique ou justifiant d'un niveau équivalent, ainsi qu'aux élèves des Grandes Ecoles.

 

Les dossiers sont examinés par une commission.

Les plus de la formation

Adossement aux laboratoires de recherche de très haut niveau (LAMA, CERMICS, LIGM) et au Labex Bézout

 

Délivre une formation adaptée aux défis posés par la grande taille des données à traiter dans les secteurs secondaire et tertiaire.

 

Cohérence régionale (Paris Est) de l’offre de formation. Alternance et interventions de partenaires professionnels.

Compétences visées

A l’issue du Master, le diplômé est capable de :

 

- Maîtriser les outils mathématiques, qu'ils soient de nature différentielle, probabiliste, statistique, ou numérique et s’adapter à leur évolution et leur complexité croissante.

 

- Concevoir et mettre en œuvre les connaissances théoriques pour répondre de la manière la plus appropriée qu’il soit à des problématiques réelles et concrètes selon son domaine d’expertise.

 

- Modéliser des événements aléatoires.

 

- Préconiser des solutions équilibrées.

 

- Savoir rechercher et mettre à profit les ressources documentaires afin d’investir de nouveaux sujets ou être capable d'innover dans les sujets issus des problèmes du quotidien.

Internationalisation de la formation

L’attractivité au niveau international du Master est attestée par la présence d’un flux constant d’étudiants boursiers du parcours d’excellence « Bézout », élément qui différencie notre mention des mentions identiques ou proches au niveau national

Capacité d'accueil

15

Modalités d'accès

Via l’application de candidatures eCandidat :

Lien des modalités de candidature

Lieu(x) de la formation

Campus Marne la Vallée - Champs sur Marne

Bâtiment Copernic

Après la formation

Le parcours probabilités et statistiques des nouvelles données du master "Mathématiques et Applications" forme des mathématiciens de niveau élevé se destinant d'abord aux métiers relevant de la science des données et de leurs traitements, dont l'essor accompagne la généralisation de l'utilisation des bases de données. Il permet également de se tourner vers l'enseignement ou la recherche en milieu industriel ou académique.

Insertion professionnelle

Secteurs d'activité ou types d'emplois accessibles par le détenteur de ce diplôme, ce titre ou ce certificat:

 

- Enseignement - recherche en milieu académique ou industriel

 

- Organismes et centre de recherche

 

- Ingénierie - R&D mathématique

 

- Industries du transport (aérospatiales, aéronautique, navale, automobile, ...) - Industries de l’énergie (nucléaires, solaire, éolienne, pétrolière, ...)

 

- Banque, Finance, Assurance ... de marché, trading

 

- Informatique

 

- Télécommunications

 

- Enseignant(e) – chercheur

 

- Ingénieur(e) de recherche

 

- Chargé(e) d’études statistiques et économiques

 

- Chargé(e) d’études actuarielles

 

- Chargé(e) d’études actuarielles gestion actif – passif - Actuaire

 

- Courtier (trader)

Objectifs de la formation

Le Master à possède un double objectif :

 

Développer des notions théoriques et pratiques permettant une spécialisation des étudiants dans les métiers des banques, des assurances, de certains secteurs industriels et des sociétés de service.

 

Préparer aux besoins de l'enseignement et de la recherche fondamentale ou industrielle.

Disciplines majeures

Mathématiques et Informatique

Calendrier

Le Master 2 est organisé en deux semestres. Il est commun à l’Université Gustave Eiffel et à l’UPEC et les cours ont tous lieu à l’Université Gustave Eiffel. Le stage a lieu au deuxième semestre.

Environnement de recherche

Le Master a un adossement fort à la recherche par ses trois partenaires académiques mentionnés ci- dessus. Par ailleurs, certains étudiants, en particulier ceux qui se destinent à la carrière de chercheur ou d'enseignant-chercheur, peuvent s'orienter vers la préparation d'une thèse. La thèse peut être préparée dans l’un des trois Laboratoires de recherche associées au master (LAMA, CERMICS, LIGM). Pour les diplômés admis à préparer une thèse, divers financements peuvent être envisagés (allocations de recherche du Ministère de l'Enseignement Supérieur, de la Recherche et de l’Innovation, bourses C.I.F.R.E., bourses de l'Ecole des Ponts, allocations du DIM Math Innov). Les allocations de recherche du Ministère de l'Enseignement Supérieur, de la Recherche et de l’Innovation sont attribuées par l'intermédiaire des écoles doctorales de l’UPE.

Tarif FC (Les informations ci-contre s'adressent uniquement aux adultes en reprise d'études)

7000 €/an

Semestre 3

EnseignementsECTSCMTDTP
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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

30h
Statistiques en Grande Dimension

Statistiques en grande dimensions : algorithmes, estimation et pénalisation

 

Langue de l'enseignement

FRANÇAIS / FRENCH

30h 12h
Calcul stochastique

Présentation des processus stochastiques en temps continu et leurs principales propriétés

 

Langue de l'enseignement

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

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 39h
Apprentissage statistique et applications

Algorithmes de machine et deep learning pour diverses applications pratiques, dont financières

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 38h
Estimation empirique - Valeurs extrêmes

Théorie des valeurs extrêmes, modèles de durée et estimation empirique

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 24h 6h
Méthodes d'approximation déterministes et stochastiques

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 30h
Anonymisation et équité algorithmique

Méthodes d'anonymisation informatique et conservation de propriétés statistiques – technique de réduction de biais des algorithmes

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 24h 6h
Fondements des sciences de données

Introduction aux premières méthodes d’apprentissage statistique

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 24h
Sciences des données avancées

Théorie de l'apprentissage statistique et apprentissage profond

 

Langue de l'enseignement

ANGLAIS / ENGLISH

6 16h 8h 8h
Modélisation proba et stat pour l'épidémiologie

Théorèmes limites et EDS

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 20h
Apprentissage statistique pour le traitement du langage

Etude de la spécificité des algorithmes dédiés au traitement du langage

 

Langue de l'enseignement

FRANÇAIS / FRENCH

3 12h
Vision par ordinateur et détection d’objets

Exploitation des techniques récentes de classification et détection d’objets

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 30h
Statistiques en Grande Dimension

Statistiques en grande dimensions : algorithmes, estimation et pénalisation

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

30h 12h
Apprentissage statistique et applications

Algorithmes de machine et deep learning pour diverses applications pratiques, dont financières

 

Langue de l'enseignement

FRANÇAIS / FRENCH

38h
Estimation empirique - Valeurs extrêmes

Théorie des valeurs extrêmes, modèles de durée et estimation empirique

 

Langue de l'enseignement

FRANÇAIS / FRENCH

24h 6h
Méthodes d'approximation déterministes et stochastiques

 

Langue de l'enseignement

FRANÇAIS / FRENCH

30h
Anonymisation et équité algorithmique

Méthodes d'anonymisation informatique et conservation de propriétés statistiques – technique de réduction de biais des algorithmes

 

Langue de l'enseignement

FRANÇAIS / FRENCH

24h 6h
Fondements des sciences de données

Introduction aux premières méthodes d’apprentissage statistique

 

Langue de l'enseignement

ANGLAIS / ENGLISH

16h 8h 8h
Sciences des données avancées

Théorie de l'apprentissage statistique et apprentissage profond

 

Langue de l'enseignement

ANGLAIS / ENGLISH

16h 8h 8h
Modélisation proba et stat pour l'épidémiologie

Théorèmes limites et EDS

 

Langue de l'enseignement

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

 

Langue de l'enseignement

FRANÇAIS / FRENCH

20h
Apprentissage statistique pour le traitement du langage

Etude de la spécificité des algorithmes dédiés au traitement du langage

 

Langue de l'enseignement

FRANÇAIS / FRENCH

12h
Vision par ordinateur et détection d’objets

Exploitation des techniques récentes de classification et détection d’objets

 

Langue de l'enseignement

FRANÇAIS / FRENCH

12h
UE obligatoires à valider

 

21
Projets

Etude de différentes problèmes d’apprentissage statistique à travers des données réelles

 

Langue de l'enseignement

FRANÇAIS / FRENCH

6 12h
Apprentissage

 

12
Hackathon

 

3

HEBIRI Mohamed (M2)

Responsable de formation

Marie-Monique RIBON (M2)

Secrétaire pédagogique
Téléphone : 0160957532
Bureau : 2B183
Partenaire(s)

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).