Objectif
- Acquérir lors du premier semestre une base commune de compétences mathématiques (modélisation déterministe et stochastique, apprentissage statistique, optimisation et calcul numérique), complétée par un cours sur les concepts fondamentaux de la biologie et un séminaire d’ouverture vers les questionnements actuels en sciences du vivant.
- Se spécialiser au second semestre dans le domaine de leur choix :
-
- Écologie et modèles d’évolution.
- Machine learning en biologie et médecine.
- Biomécanique.
- Mathématiques pour les neurosciences et la neuroimagerie.
contenu
Le Master 2 Mathématiques pour les Sciences du Vivant (MSV) est une formation complète et structurée dans les domaines mathématiques en interface avec les sciences du vivant (biologie, médecine, écologie). Son originalité réside dans son ancrage mathématique, la largeur du spectre des compétences mathématiques communes acquises par les diplômés et la variété des spécialisations en modélisation pour les sciences du vivant qui leur sont proposées. L’interaction avec les biologistes, écologues ou médecins est favorisée par la réalisation d’un projet annuel, la participation au séminaire jusqu’à la fin du second semestre et enfin par le stage accompli à partir du 1er avril.
domaines d'enseignement
Mathématiques.Domaines d'enseignement IP-Paris
Mathématiques fondamentales.niveau requis
- Accomplissement d’un Master 1 en Mathématiques à l’Institut Polytechnique de Paris ou équivalent en France (Université, Écoles d’ingénieurs, Écoles normales supérieures...) ou à l’étranger.
- Français B2.
atouts
- Suivre une formation de mathématiques appliquées aux sciences du vivant, avec quatre parcours privilégiés.
- Interagir avec des spécialistes et des experts (biologistes, écologues, médecins), notamment lors de la réalisation d’un projet annuel et d’un stage.
- Poursuivre des carrières d’experts dans le monde académique et de la recherche ou en entreprise.
débouchés
Ce Master ouvre la porte à la fois à la recherche en mathématiques en interface avec les sciences du vivant (biologie, médecine, écologie) et propose des débouchés professionnels dans le domaine des biotechnologies.
A l’issue de ce Master, les étudiants peuvent préparer une thèse au sein d’un laboratoire en milieu académique ou en entreprise. Du côté académique, plusieurs grands instituts de recherche tels que le CNRS, l’INRA et l’INSERM sont, au même titre que les universités, concernés par l’accueil ou l’embauche des futurs diplômés pendant ou après leur thèse. Du côté non académique, les entreprises naturellement concernées sont celles du secteur de la biopharmacie, de l’agroalimentaire ou encore de l’environnement.
Parcours
- M2MSV-MAST2A M2 MSV - Mathématiques pour les Sciences du Vivant - Master 2A
- MAP667-RNO MSV Remise à niveau en Optimisation
- MAP667-RNP MSV Remise à niveau en Probabilités
- MAP667-RNS MSV Remise à niveau en Statistiques
- M2MSV - S1 M2MSV - Semestre 1
- M2MSV - S1 - TC M2MSV - Semestre 1 - Tronc Commun
- MAP667A Concepts Fondamentaux de la biologie et de l'écologie
- MAP667B Processus Stochastiques
- MAP667J Optimisation et simulation numérique
- MAP667-Séminaire-MSV Séminaire MSV
- M2MSV - S1 - Electifs M2MSV - Semestre 1 - Electifs
- MAP667K Statistiques en grande dimension
- MAP667H Introduction au Machine Learning
- M2MSV - S1 - Electifs H.M. M2MSV - Semestre 1 - Electifs hors maquette
- M2MSV - S1 - TC M2MSV - Semestre 1 - Tronc Commun
- M2MSV - S2 - TC M2MSV - Semestre 2 - Tronc Commun
- STGM2 Stage M2
- M2MSV - S2 - Electifs M2MSV - Semestre 2 - Electifs
- MAP668A Processus de branchement et populations structurées
- MAP668B Outils probabilistes et statistiques
- MAP667D Modèles d'équations aux dérivés partielles pour l'écologie
- MAP667M Imagerie fonctionnelle cérébrale et interface cerveau-ordinateur
- MAP662 Modélisations probabilistes et statistiques pour l'épidémiologie
- MAP667F Modèles d'équations aux dérivés partielles pour la matière active
- MAP667E Modélisation mathématique en neurosciences
- MAP667O Méthodes de statistique en grande dimension pour l'analyse de données "-omiques"
- MAP665 Modélisation mathématique et estimation en biomécanique cardiaque - de la théorie aux applications médicales
- MAP667T Biostatistics
- M2MSV - S2 - Electifs H.M. M2MSV - Semestre 2 - Electifs hors maquette
- EP-MAP-661 Théorème Limites et Applications
- MAP670M Causal Inference
- DS-ENSAE-9 Optimal Transport: Theory, Computations, Statistics, and ML Applications
- MAP667U Problèmes Directes et Inverses en Dynamique des Populations