M2 Advanced Networks & Optimization

Candidater à la formation
  • Capacité d'accueil
    20
  • Langue(s) d'enseignement
    Français
  • Régime(s) d'inscription
    Formation initiale
Présentation
Objectifs pédagogiques de la formation

Le parcours Réseaux et Optimisation s'intéresse aux domaines des réseaux, de l'optimisation pour traiter de l'optimisation pour les réseaux. Cette formation vise à fournir la maitrise des concepts et outils relevant au sens large des Réseaux et de l'optimisation ainsi que des techniques informatiques qui y sont liées. Elle met l'accent sur les aspects modélisation, les résultats fondamentaux, les méthodes et algorithmes, ainsi que leur condition d'insertion dans les systèmes en réseaux.
En ce sens, ce parcours vise à donner aux futurs cadres de solides connaissances scientifiques et technologiques axées sur l'optimisation de systèmes pour étudier et concevoir des Systèmes complexes innovants pour les réseaux par une approche multidisciplinaire (méthode d'apprentissage, théorie des jeux, programmation mathématique (déterministe, robuste, stochastique) et en particulier basée sur l'optimisation.
Les connaissances et compétences attendues à l'issue de la formation sont :
Une bonne connaissance des réseaux
Une bonne connaissance de la modélisation d'un problème réel issu du monde des réseaux, des concepts, algorithmes et logiciel d'optimisation
Une capacité à développer une problématique de recherche et à concevoir une solution
Une capacité à insérer les méthodes et outils d'optimisation pour les réseaux au sein d'une entreprise

Lieu(x) d'enseignement
ORSAY
GIF SUR YVETTE
Pré-requis, profil d’entrée permettant d'intégrer la formation

Une formation antérieure (M1 ou équivalent) apportant les notions de base en réseaux, algèbre linéaire, optimisation combinatoire et programmation.

Compétences
  • Détecter un problème d'optimisation face à un problème issu du monde des réseaux.

  • Concevoir un modèle d'optimisation répondant à un problème issu du monde des réseaux.

  • Construire une solution pluridisciplinaire adaptée au problème issus du monde des réseaux.

  • Mener un projet de la détection du problème jusqu'à sa solution en milieu industriel.

Profil de sortie des étudiants ayant suivi la formation

Les étudiant.e.s auront une bonne connaissance des réseaux, de la modélisation d'un problème réel issu du monde des réseaux, des concepts, algorithmes et logiciel d'optimisation, une capacité à développer une problématique de recherche et à concevoir une solution
mais également une capacité à insérer les méthodes et outils d'optimisation pour les réseaux au sein d'une entreprise.
Ils ou elles auront un profil chef de projet.

Débouchés de la formation

La formation permettra de s'insérer efficacement dans le monde industriel et de s'adapter aisément aux nouvelles technologies et environnements de développement. Elle ouvrira également des opportunités de carrières publiques ou privées dans le domaine de la recherche et de l'innovation. Les étudiants souhaitant faire une thèse auront la possibilité de la faire soit dans un laboratoire de recherche, soit en R&D/R&I dans des centres de recherche industriels.

Entreprises possibles : Orange, EDF, Thalès, Renault, Air France, Société Générale, RATP, SNCF, Eurodecision, ARTELYS

Collaboration(s)
Laboratoire(s) partenaire(s) de la formation

Laboratoire de recherche en informatique
Laboratoire d’informatique Parallélisme Réseaux Algorithmes Distribués.

Programme

Toutes les UEs listées ci-dessous devront être validées au cours du parcours (M1 / M2): il est requis d'acquerir 60 ECTS par niveau, pour un total de 120 ECTS à l'issue des deux années.
Pour valider le parcours-type ANO (M1 & M2), les étudiants devront valider :

* Toutes les UE dont l'intitulé est [ANO]
* [AI] TC1 - Machine Learning
* [AI] TC2 - Optimization
* [PDCS] Calcul Haute Performance
* [DS] Distributed Systems for Massive Data Management

Pour atteindre 120 crédit ECTS, chaque étudiant devra compléter son parcours avec :

* 4 UE Soft skills
* TER-Stage (en M1)
* Stage long (au second semestre du M2)
* Un libre choix de cours d'autres parcours-types pour compléter les 120 crédits ECTS.

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
TER Stage 10
Stage long 30
French Language and Culture 2 2 21
French Language and Culture 1 2 30
EIT - Summer School 4
EIT - Innovation and Entrepreneurship Basics 2 3
EIT - Innovation and Entrepreneurship Basics 1 3
EIT - Innovation & Entrepreneurship Study 2 3
EIT - Innovation & Entrepreneurship Study 1 3 21
EIT - Innovation & Entrepreneurship Advanced 2 2.5
EIT - Innovation & Entrepreneurship Advanced 1 2.5 21
EIT - Business Development Lab 2 5
EIT - Business Development Lab 1 4
[SOFT] Soft skills - Transversal Project B 2.5 7 7 7
[SOFT] Soft skills - Transversal Project A 2.5 7 7 7
[SOFT] Soft skills - Summer school 2.5 21
[SOFT] Soft skills - Seminars B 2.5
[SOFT] Soft skills - Seminars (Fairness in Data Science) 2.5 20
[SOFT] Soft skills - 5 Innovation et Entreprenariat avancé 2.5 21
[SOFT] Soft skills - 4 Innovation et Entreprenariat 2.5 21
[SOFT] Soft skills - 3 (Formation à la vie de l'entreprise - Initiation) 2.5 21
[SOFT] Soft skills - 2 (Communication) 2.5 21
[SOFT] Soft skills - 1B (Langue) 2.5 100
[SOFT] Soft skills - 1A (Langue) 2.5 21
[QDCS] Programmation orientée objet 2.5 11 10
[QDCS] Programmation GPU 2.5 12 9
[QDCS] Programmation avancée C++ 2.5 9 0 12
[QDCS] Ordonnancement et systèmes d'exécution 2.5 21
[QDCS] Optimisation stochastique 2.5 21
[QDCS] Modélisation et optimisation des systèmes discrets 2.5 21
[QDCS] Jeux, apprentissage et optimisation des systèmes complexes 2.5 21
[QDCS] Initiation à l’algorithmique et à la programmation quantique 2.5 21
[QDCS] Frontières du calcul parallèle, distribué et quantique 2.5 21
[QDCS] Calcul Haute Performance 2.5 12 9
[QDCS] Big Data 2.5 12 3 8
[QDCS] Algorithmes distribués auto-stabilisants 2.5 21
[QDCS] Algorithmique parallèle 2.5 12 6 3
[QDCS] Algorithmes distribués robustes 2.5 21
[QDCS] Algorithmes de la nature 2.5 21
[ISD] Traitement distribué des données. 3 25
[ISD] Traitement automatique des langues 3 25
[ISD] Test et Vérification 3 25
[ISD] Services et applications Web 3 25
[ISD] sécurité 3 25
[ISD] Réseaux sans fil 3 25
[ISD] Réseaux 3 25
[ISD] Représentation des connaissances et visualisation 3 25
[ISD] Rapport d'activité 6 5
[ISD] Projets tuteurés 6 25
[ISD] Projet étude de cas 3 25
[ISD] Programmation système et réseau 3 25
[ISD] Probabilités/Statistiques 3 25
[ISD] Politiques et concepts avancés en sécurité 3 25
[ISD] outils pour la manipulation et l'extraction de données 3 25
[ISD] Optimisation 3 25
[ISD] Modélisation 3 25
[ISD] Modèles Mathématiques 3 25
[ISD] Mémoire 12 8
[ISD] Machine learning/Deep learning 3 25
[ISD] langages Dynamiques 3 25
[ISD] IoT (Internet des objets) 3 25
[ISD] Introduction à l'apprentissage 3 25
[ISD] Extraction et programmation statistique de l'information 3 25
[ISD] Droit informatique 3 25
[ISD] Data Warehouse II 3 25
[ISD] Data Warehouse I 3 25
[ISD] Data Lake 3 25
[ISD] Communication 3 25
[ISD] Cloud Computing 3 25
[ISD] Blockchain 3 25
[ISD] Anglais 3 25
[ISD] Anglais 3 25
[ISD] Algorithmique distribuée 3 25
[ISD] Algorithmique avancée 3 25
[HCI] Virtual Humans : Project 2.5 21
[HCI] Virtual Humans 2.5 21
[HCI] Studio Art Science 2.5 21
[HCI] Serious games : project 2.5
[HCI] Serious games 2.5
[HCI] Programming of Interactive Systems 2 2.5
[HCI] Programming of Interactive Systems 1 2.5
[HCI] Mixed Reality and Tangible Interaction - Project 2.5 21
[HCI] Mixed Reality and Tangible Interaction 2.5 21
[HCI] Interactive Machine Learning : Project 2.5
[HCI] Interactive Machine Learning 2.5
[HCI] Interactive Information Visualization : Project 2.5
[HCI] Interactive Information Visualization 2.5
[HCI] Groupware and Collaborative Work : Project 2.5 21
[HCI] Groupware and Collaborative Work 2.5 21
[HCI] Gestural and Mobile Interaction 2.5
[HCI] Fundamentals of eXtended Reality 2.5
[HCI] Fundamental of situated computing 2.5
[HCI] Fundamental of Human-Computer Interaction 2 2.5
[HCI] Fundamental of Human-Computer Interaction 1 2.5
[HCI] Experimental Design and Analysis 2.5
[HCI] Evaluation of Interactive Systems 2.5
[HCI] Digital fabrication : Project 2.5
[HCI] Digital Fabrication 2.5
[HCI] Design project - Level 2 : Project 2.5 21
[HCI] Design project - Level 2 2.5 21
[HCI] Design project - Level 1 : Project 2.5 21
[HCI] Design project - Level 1 2.5 21
[HCI] Design of Interactive Systems 2.5
[HCI] Creative Design : Project 2.5
[HCI] Creative Design 2.5
[HCI] Career Seminar - Level 2 project 2.5
[HCI] Career Seminar - Level 2 2.5
[HCI] Career Seminar - Level 1 : Project 2.5 21
[HCI] Career Seminar - Level 1 2.5
[HCI] Advanced Programming of Interactive Systems 2 2.5
[HCI] Advanced Programming of Interactive Systems 1 2.5
[HCI] Advanced Immersive Interactions - Project 2.5
[HCI] Advanced Immersive Interactions 2.5 21
[HCI] Advanced Design of Interactive Systems 2.5
[DS] Social and Graph Data Management 2.5 12 9
[DS] Semantic Web and Ontologies 2.5 12 9
[DS] Knowledge Discovery in Graph Data 2.5 12 6 3
[DS] Intelligence Artificielle, Logique et Contraintes : Projet 2.5 10.5 10.5
[DS] Intelligence Artificielle, Logique et Contraintes 2.5 10.5 10.5
[DS] Distributed Systems for Massive Data Management 2.5 12 0 9
[DS] Data Science Project 2.5 3 18
[DS] Bases de données avancées II : Transactions 2.5 9 8 4
[DS] Bases de données avancées I : Optimisation 2.5 9 8 4
[DS] Algorithms for Data Science 2.5 12 9
[ANO] Virtualisation et cloud 2.5
[ANO] Théorie des jeux 2.5 21
[ANO] Tests fonctionnels de protocoles 2.5 21
[ANO] Réseaux sans fil 2.5 21
[ANO] Réseaux mobiles 2.5 21
[ANO] Programmation système et réseaux 2.5 21
[ANO] Programmation MPI 2.5
[ANO] Optimisation multi-objectifs 2.5 21
[ANO] Optimisation discrète non linéaire 2.5 21
[ANO] Optimisation dans les graphes 2.5 21
[ANO] Internet of Things 2.5 21
[ANO] Evaluation de performances 2.5
[ANO] Blockchain 2.5
[AI] TC6: DATACOMP 2 2.5 12 9
[AI] TC5: SIGNAL PROCESSING 2.5 24
[AI] TC4: Probabilistic Generative Models 2.5 16.5 4.5
[AI] TC3: INFORMATION RETRIEVAL 2.5 9 12
[AI] TC2: OPTIMIZATION 2.5 12 4.5 4.5
[AI] TC1: MACHINE LEARNING 2.5 15 6
[AI] TC0 : Introduction to Machine Learning 2.5 15 6
[AI] PRE4: SCIENTIFIC PROGRAMMING 2.5 9 12
[AI] PRE3: DATACOMP 1 2.5 12 9
[AI] PRE2: MATHEMATICS FOR DATA SCIENCE 2.5 12 4.5 4.5
[AI] PRE1: APPLIED STATISTICS 2.5 10.5 10.5
[AI] OPT9: DATA CAMP 2.5 10 15
[AI] OPT8: GAME THEORY 2.5 12 4.5 4.5
[AI] OPT7: ADVANCED OPTIMIZATION 2.5 12 4.5 4.5
[AI] OPT6: LEARNING THEORY AND ADVANCED MACHINE LEARNING 2.5 21
[AI] OPT5 : VOICE RECOGNITION AND AUTOMATIC LANGUAGE PROCESSING 2.5 21
[AI] OPT4: DEEP LEARNING 2.5 10.5 10.5
[AI] OPT3 : REINFORCEMENT LEARNING 2.5 15 6
[AI] OPT2: IMAGE PROCESSING 2.5 21
[AI] OPT14:MULTILINGUAL NATURAL LANGUAGE PROCESSING 2.5 21
[AI] OPT1 : GRAPHICAL MODELS 2.5 15 6
[AI] OPT 13: Theorie de l'information 2.5 10.5 10.5 0 0
[AI] OPT 12: INFORMATION EXTRACTION FROM DOCUMENTS TO INTERFACES 2.5 10.5 10.5
[AI] OPT 11: DEEP LEARNING FOR NLP 2.5 18 3
[AI] OPT 10: IMAGE INDEXING AND UNDERSTANDING 2.5 15 6
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Connaissance du métier et école inclusive 2 15 15
Analyse des pratiques de stage et pratiques réflexives 1 2 18
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
TICE1 2 18
Didactique des disciplines 1 10 5
Séquences pédagogiques : Monnaie et science politique 1 10 5
Mathématiques 1 2 12 6
Apprendre à construire des cours 2 1 8 4
Connaissance du métier de professeur de SES 2 20
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Méthode de la composition 1 8 4
Croissance et économie internationale 2 16 8
Stratification, mobilité sociale et école 2 16 8
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Atelier pédagogique 1 20
Mémoire 9
Atelier mémoire 2 12
Modalités de candidatures
Période(s) de candidatures
Du 15/03/2021 au 13/06/2021
Pièces justificatives obligatoires
  • Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature.

  • Curriculum Vitae.

  • Lettre de motivation.

  • Curriculum UE (descriptifs des UE suivies) des deux dernières années.

  • Fiche de choix de M2 (obligatoire pour les candidats inscrits en M1 à l'Université Paris-Saclay) à télécharger sur https://www.universite-paris-saclay.fr/admission/etre-candidat-nos-formations-master.

  • Questionnaire rempli (à télécharger sur la page web du master).

Pièces justificatives complémentaires
  • Attestation de niveau d'anglais (obligatoire pour les non anglophones).

  • Dossier VAPP (obligatoire pour toutes les personnes demandant une validation des acquis pour accéder à la formation).

Contact(s)
Responsable(s) de la formation
Dominique QUADRI - dominique.quadri@lri.fr
Steven MARTIN - steven.martin@lri.fr
Secrétariat pédagogique