Descriptif
Ce programme d’approfondissement permet de découvrir en profondeur la démarche des mathématiques appliquées, en particulier les étapes de modélisation, d’analyse mathématique, de simulation numérique et d’interprétation pratique des résultats qualitatifs et quantitatifs obtenus. Il permet aux élèves d’acquérir un large spectre de compétences mathématiques en combinant des approches stochastiques etdéterministes.
Les applications proviennent de domaines très variés : mécanique, physique,sciences del’ingénieur,sciencesduvivant,sciences des données, finance de marché, économie, énergie, transports…
Objectifs
Formations de 4e année conseillées et débouchés
En France
Master 2 Mathématiques et applications de l’Université Paris-Saclay
Mentions :
■Analyse, Modélisation, Simulation (AMS).
■DataSciences.
■Mathématiques du vivant,finalité
« Mathématiques pour les Sciences du Vivant » (MSV).
■Mathématiquesdel’aléatoire.
■Mathématiques financières.
■Mathématiques, Vision, Apprentissage (MVA).
■Optimisation.
Pour plus d’informations :
www.universite-paris-saclay.fr/fr/formation/ma s ter/mathematiques- et- applications#index-m2
Master 2 de l’École polytechnique (Diplôme de l’École polytechnique/hors périmètre Paris-Saclay)
■ Mathématiques et Applications, spécialité « Mathématiques de la Modélisation », avec une majeure : Analyse Numérique et EDP (ANEDP)
Autres Master 2 :
Les élèves sont priés de contacter les enseignants référents 4A du département pour conseil.
Écoles d’ingénieur:
ENSAE Paris Tech, ENSIMAG, ENSTA
ParisTech, ISAE-Supaéro, Mines Paris- Tech, Ponts ParisTech, Télécom Paris- Tech…
A l’étranger
Le PA ouvre également la voie à de nom- breux Masters of Sciences (Financial Engineering, Mathematics of Finance, Applied Mathematics, Statistics, Tech- nology and Policy, Operations Research, Electrical Engineering, Transportation Engineering, Logistic…) non seulement aux États Unis (Columbia University, Stanford, Princeton, NYU, MIT), mais aussi en Angleterre (LSE, Imperial College, Oxford, Cambridge), à Singapour, en Allemagne, au Japon, Brésil…
Métiers
Les perspectives professionnelles concernent les domaines de l’ingénierie (transport, aéronautique, énergie, génie civil, environnement…) ou des services (banque, assurance, informatique, systèmes de communication…) impliquant de la modélisation mathématique et de la simulation numérique, ainsi que la recherche académique au sens large (Université, CNRS, INRIA, CEA…).
Un panorama partiel des métiers en mathématiques appliquées peut être consulté à l’adresse
https://www.math.u-psud.fr/~giraud/ Orsay/MetiersMaths.html
Diplômes concernés
Composition du parcours
- MAP-P1 Mathématiques Appliquées
- CSC_51050_EP Algorithmique avancée
- CSC_51054_EP Machine and Deep learning
- APM_51050_EP Théorie des jeux
- APM_51051_EP Systèmes dynamiques pour la modélisation et la simulation des milieux réactifs multi-échelles
- APM_51052_EP Modèles stochastiques en Finance
- APM_51053_EP Bases de l'Apprentissage Automatique
- APM_51055_EP Traitement du Signal : de Fourier à l'Apprentissage Machine
- APM_51056_EP Modèles Stochastiques et Méthodes de Monte Carlo
- APM_51057_EP Recherche opérationnelle : aspects mathématiques et applications
- FMA_51054_EP Équations d'évolution
- MEC_51051_EP Comportement des matériaux : plasticité et rupture
- MEC_51052_EP Méthodes numériques en mécanique des fluides
- MEC_51053_EP Méthodes numériques en mécanique des solides
- APM_51111_EP EA initiation recherche P1
- APM_50113_EP EA initiation recherche long
- APM_51175_EP EA Sujets Avancés sur la Probabilité
- APM_51176_EP Sujet émergents dans l'Apprentissage Machine - Théorie Statistique et Méthodes Arborescente
- APM_51178_EP Sujet émergents dans l'Apprentissage Machine - Apprentissage Collaboratif
- APM_50179_EP Algorithmes et principes de conception logicielle pour les mathématiques appliquées en C++ moderne
- MAP-P2 Mathématiques Appliquées
- CSC_52080_EP Optimisation mathématique à large échelle
- APM_52061_EP Modélisation mathématique des ordinateurs quantiques
- APM_52062_EP Conception Optimale de Structures
- APM_52063_EP Modélisation aléatoire en biologie, écologie et évolution
- APM_52064_EP Réseaux sociaux et de communication : modèles et algorithmes probabilistes
- APM_52065_EP Modélisation aléatoire et statistique des processus
- APM_52066_EP Statistique en Action
- MDC_52067_EP Transport et Diffusion
- APM_52068_EP Gestion des incertitudes et analyse de risque
- APM_52069_EP Apprentissage Statistique : régression et classification
- PHY_52060_EP Systèmes Complexes
- CSC_52081_EP Apprentissage Automatique Avancé et Agents Autonomes
- APM_52112_EP EA initiation recherche P2
- APM_52183_EP Apprentissage profond de la théorie à la pratique
- APM_52184_EP Mise en oeuvre effective des éléments finis
- APM_52188_EP Sujet émergents dans l'Apprentissage Machine P2
- BIO_52101_EP Sciences des données de l'imagerie biologique
- APM_50113_EP EA initiation recherche long
- APM_50179_EP Algorithmes et principes de conception logicielle pour les mathématiques appliquées en C++ moderne
- MAP-P3 Mathématiques Appliquées
- APM_52992_EP Modélisation et calcul scientifique
- APM_52993_EP Automatique et recherche opérationnelle
- APM_52994_EP Stage - Modélisation probabiliste et statistique
- APM_52995_EP Mathématiques financières
- APM_52009_EP Machine Learning for Scientific Computing and Numerical Analysis