v2.11.0 (5509)

Master - M1 Mathématiques Appliquées et Statistiques

Objectif

- Acquérir de solides bases en mathématiques appliquées pour poursuivre des études doctorales ou postuler directement à un poste lié aux mathématiques dans une académie, une entreprise ou une industrie.
- Approfondir les mathématiques appliquées en abordant des problèmes actuels et ouverts.
- Développer une relation forte avec la recherche à travers des séminaires, des projets de mentorat et des stages en laboratoires de recherche ou en entreprise.

contenu

Ce programme de Master de première année propose une large gamme de cours de base et plus spécialisés en mathématiques appliquées. Cela permet aux étudiants de construire un cursus personnalisé adapté à leurs projets académiques et professionnels dans les domaines suivants :
- Statistiques, finance et actuariat
- Modélisation, probabilités et intelligence artificielle
- Optimisation
- Signal, informatique et apprentissage automatique
- Analyse numérique et informatique.

domaines d'enseignement

Mathématiques appliquées.

domaines ParisTech

Mathématiques appliquées.

niveau requis

- Diplôme d'études supérieures en mathématiques, sciences mathématiques ou domaine connexe en France ou à l'étranger.
- Le niveau mathématique de ce programme de master est probablement bien supérieur à celui des autres programmes de master proposés par d'autres universités dans la même mention « Mathématiques appliquées et statistiques ».
Nous recrutons uniquement des étudiants possédant d'excellentes compétences en mathématiques au niveau BsC. Il est essentiel d'avoir suivi un cours de probabilités "Introduction aux modèles de probabilité" de Sheldon Ross, un cours de statistiques mathématiques "Introduction aux statistiques mathématiques" de Hogg, Mc Kean & Craig. Il faut aussi avoir suivi un solide cours d'analyse mathématique.
- Anglais.

atouts

- Construire son propre cursus en sciences mathématiques à travers une grande variété de cours, séminaires, projets et stages.
- Se préparer à une carrière dans la recherche et bénéficier de liens étroits avec les laboratoires de l'Institut Polytechnique de Paris.
- Préparer un doctorat en mathématiques pour la finance ou en science des données et intelligence artificielle.

débouchés

À la fin de la deuxième année du Master, les diplômés peuvent postuler pour un financement de doctorat dans les meilleurs laboratoires de recherche ou pour un emploi nécessitant des connaissances avancées en mathématiques appliquées et en statistiques.

Parcours

Unités d'enseignement

UE Type d'enseignement Domaines Catégorie d'UE Credit Ects Volume horaire Responsables Periode de programmation Site pédagogique
INF540 Databases Cours scientifique Mathématiques appliquées, Informatique 6 Madhulika Mohanty AN3-P2
INF553 Système de Gestion de Base de Données Programme d'approfondissement Informatique UE de projet, UE d'approfondissement. 5 36 Ioana Manolescu AN3-P1
INF554 Apprentissage Automatique et Profond Programme d'approfondissement Informatique, Mathématiques appliquées UE de base, PA-MAP XOR (INF554, MAP553), UE d'approfondissement, PA - BIOINF - cours/EA INF. 5 Michalis Vazirgiannis AN3-P1
MAP554A Mathematical Statistics Cours scientifique Mathématiques appliquées 6 Victor-Emmanuel Brunel AN3-P1P2
MAP554B Probability Theory and Stochastic Processes Cours scientifique Mathématiques appliquées 6 Cyril MARZOUK AN3-P1P2
MAP554C Elements of Functional Analysis and Measure Theory Cours scientifique Mathématiques appliquées 6 David Gérard-Varet AN3-P1P2
MAP554D Optimisation (M1) Cours scientifique Mathématiques appliquées 6 Sorin Mihai Grad AN3-P1P2
MAP554E Python for DataSciences Cours scientifique Mathématiques appliquées 6 Eduardo FERNANDES MONTESUMA AN3-P1
MAP554FM-ENSAE Financial Mathematics Cours scientifique Mathématiques appliquées 2
MAP554LT-ENSAE Linear Time Series Cours scientifique Mathématiques appliquées 3 AN3-P2
MAP554NA-Télécom Numerical Analysis Cours scientifique Mathématiques appliquées 5 Stéphan CLEMENCON,
Olivier Fercoq,
Sigolene MORIN
AN3-P2
MAP566A Introduction to Machine Learning Cours scientifique Mathématiques appliquées 6 56 Eric Moulines,
Gabriel Stoltz
AN3-P2
MAP566B Processus Markov & Applications Cours scientifique Mathématiques appliquées 6 Vincent Bansaye,
Clément Rey
AN3-P2
MAP590 STAGE M1APPMATH Stages Mathématiques appliquées 7 Eric Moulines AN3-P3
Veuillez patienter