v2.11.0 (5757)

Master (DNM) - M2 Optimisation

Objectif

- Acquérir une vaste expertise en optimisation mathématique et dans des sujets connexes, notamment la théorie des jeux, le contrôle optimal et le calcul des variations.
- Couvrir un large éventail de sujets, notamment :

Contrôle optimal et programmation dynamique (déterministe et stochastique)
.
Théorie des jeux et ses applications en économie et en apprentissage.
Calcul des variations à l'interface de l'optimisation et des EDP.
Optimisation stochastique.
Recherche opérationnelle (en collaboration avec le programme MPRO).
Algorithmes d'optimisation avancés.

contenu

Le programme de Master Optimisation couvre tous les aspects de l’optimisation, en accordant une attention particulière aux domaines spécifiques au contexte de recherche du Plateau de Saclay.

 

La diversité des sujets étudiés comprend le contrôle optimal (temps discret et continu, déterministe et stochastique), la théorie des jeux, le calcul variationnel (optimisation en analyse et équations aux dérivées partielles), l'optimisation stochastique et les méthodes d'optimisation stochastique, ainsi que la recherche opérationnelle. De nombreux cours sont mutualisés avec le programme de Master Informatique, notamment les cours de Recherche Opérationnelle sont empruntés au programme MPRO.

 

Le Master 2 prépare les étudiants à la recherche académique et industrielle, et à devenir ingénieurs mathématiques. Les entreprises recherchent activement des candidats possédant des connaissances et une expérience en optimisation, comme en témoigne l’implication d’EDF dans le Programme d’Optimisation Gaspard Monge (PGMO). PGMO soutient ce Master en finançant les conférences données par des experts internationaux.

domaines d'enseignement

Mathématiques.

Domaines d'enseignement IP-Paris

Mathématiques fondamentales.

niveau requis

- Réalisation d'une première année de Master en mathématiques à l'Institut Polytechnique de Paris ou équivalent en France (école d'ingénieur) ou à l'étranger. Le programme requiert une solide formation en mathématiques, mais des informaticiens et des économistes participent également à la formation des étudiants. -
Anglais.

atouts

- Acquérir des connaissances de haut niveau avec un programme complet couvrant tous les aspects de l'optimisation et de ses interfaces (contrôle, jeux et recherche opérationnelle).
- Accéder au nombre croissant d’opportunités de carrière liées à l’optimisation dans les entreprises et la recherche.
- Choisir de réaliser un stage ou un projet de recherche dans un département universitaire ou une industrie.

 

débouchés

Les principaux débouchés professionnels des diplômés en optimisation se situent dans la recherche appliquée au sein de grands organismes de recherche (CNRS, CEA, CNES, INRIA, INRA, INSERM) ou dans les centres R&D de grandes entreprises comme EDF, Air-France, Orange, SNCF, Engie, Dassault, Thalès, Bouygues/LocalSolver, ...), ou de PME orientées recherche dans le domaine de la Recherche Opérationnelle et de l'Optimisation (Artelys, Eurodecision,…).
La plupart des étudiants s'engagent dans un programme de doctorat dans un laboratoire industriel ou universitaire.
Depuis quelques années, les PME et startups innovantes du monde numérique, en France et à l'étranger, recherchent de plus en plus ce type de profil.

Parcours

Unités d'enseignement

UE Type d'enseignement Domaines Catégorie d'UE Credit Ects Volume horaire Responsables Periode de programmation Site pédagogique
DS-télécom-18 Stochastic approximation and reinforcement learning Cours scientifiques Mathématiques appliquées 3 Pascal BIANCHI AN3-P2
MAP550 Théorie des jeux Programme d'approfondissement Mathématiques appliquées 5 Charles Bertucci AN3-P1
MAP654G Algèbre tropicale en optimisation et en jeux Cours scientifiques Mathématiques appliquées 5 Stéphane Gaubert AN3-P2
MAP656A Introduction to Operation Research and Combinatorics Cours scientifiques Mathématiques appliquées 5 Xavier Allamigeon AN3-P1P2
MAP657LP Theoretical Aspects of Linear Programming Cours scientifiques Mathématiques appliquées 5 Xavier Allamigeon AN3-P1
MAP670C Reinforcement Learning (M2DS) Cours scientifiques Mathématiques appliquées 3 Erwan Le Pennec AN3-P1P2
MAP670L Generalisation properties of algorithms in ML Cours scientifiques Mathématiques appliquées 3 Aymeric DIEULEVEUT AN3-P2
STGM2 Stage M2 Stage Physique, Mécanique, Mathématiques, Biologie, Chimie, Economie, Management, Innovation et Entrepreneuriat, Informatique, Mathématiques appliquées 21 AN3-P3
Veuillez patienter