Université d'Orléans

Master Mathématiques Appliquées, Statistiques

wordle SPMA

 Parcours-type:
Statistique & Data Science, Ingénierie Mathématique
Rentrée 2018

 

Le Master mention Mathématiques Appliquées, Statistiques - parcours-type Statistique & Data Science, Ingénierie Mathématique a pour objectif de former des mathématiciens appliqués spécialisés en statistique, fouille de données (Data Mining, Big Data) et modèles aléatoires, également compétents en modélisation, optimisation et calcul scientifique. Les étudiants acquièrent la maîtrise des logiciels spécialisés du domaine (logiciels R et SAS pour les statistiques, Matlab, Scilab et C++ pour le calcul scientifique). Une UE spécialisée dans les mathématiques du Traitement de l'Image peut être proposée si suffisamment d'étudiants sont intéressés.

Les enseignements sont localisés à l'UFR Sciences de l'Université d'Orléans, et sont organisés par le Pôle de Mathématiques.

Compétences:

Modélisation aléatoire (modèles et outils de la statistique décisionnelle et computationnelle), fouille de données (méthodes et algorithmes de Data Mining, apprentissage, notions de calcul parallèle (HPC)), notions de Big Data (Hadoop/MapReduce), logiciels de statistique R et SAS. Probabilités appliquées (simulation de Monte-Carlo, mathématiques financières). Modélisation mathématique et mise en œuvre de méthodes de calcul numérique à l’aide des logiciels Scilab et Matlab.

Ce Master a notamment inauguré en 2017-2018 un nouveau cours Big Data: Outils et Méthodes, qui a pour but d'initier les étudiants aux outils de manipulation des BigData, jeux de données trop volumineux pour tenir dans un ordinateur unique, et pour lequel les outils statistiques usuels de Data Mining ne passent pas à cette échelle: les données sont distribuées et les codes doivent être adaptés. Les paradigmes présentés dans ce cours sont les BD noSQL, et les outils Hadoop et MapReduce, ainsi que leur interface avec le logiciel de statistiques R utilisé dans la formation.

Objectifs professionnels et débouchés:

Former des Data Scientists, ingénieurs statisticiens ou mathématiciens appliqués ayant vocation à exercer dans les services R&D des secteurs industriels de pointe; services d’analyse statistique et Business Intelligence (BI, banques, assurances,...); recherche appliquée en statistique (bio-statistique, épidémiologie,...) ou en mathématique (méthodes numériques pour les modèles de la physique, biologie,...). La poursuite en doctorat dans le cadre de thèses appliquées (type CIFRE) est également possible.

Responsable: Didier Chauveau
Fiche de présentation de la formation

Présentation détaillée du Master
Information sur les Compétences, Métiers, Débouchés, Maquette, Insertion, Témoignages

 

Contenus (brefs) et prérequis
 
Stages en entreprise.

La formation comprend deux stages en entreprise: un stage court (2 à 4 mois) en première année qui peut être remplacé par un projet personnel, et un stage long (4 à 6 mois) obligatoire en deuxième année. Ce stage de second semestre (30 crédits) est effectué à partir de début avril, et est suivi de la rédaction d'un mémoire et d'une soutenance orale (fin septembre au plus tard). Le stage doit préparer à un emploi de type ingénieur.

 

Les perspectives d'emploi et le taux d'insertion sont excellents. Les étudiants du parcours SPMA (nom du parcours jusqu'à 2017) se voient proposer très rapidement des CDD ou CDI sur des postes équivalents à un poste d'ingénieur, notamment dans les entreprises mentionnées dans la présentation détaillée, ou équivalents. Certains étudiants s'orientent également vers des thèses de Doctorat en mathématiques appliquées (CIFRE par exemple). Voir le livret de présentation détaillée pour plus d'information.

Quelques témoignages d'anciens étudiants du master actuellement en poste
Groupe d'élèves et d'anciens élèves du Master sur le réseau professionnel LinkedIn:

www.linkedin.com/groups?gid=4826264