M2 Advanced Networks & Optimization

Candidater à la formation
  • Graduate School(s)
    Computer science
  • Capacité d'accueil
    20
  • Langue(s) d'enseignement
    Français, Anglais
Présentation
Année dans le diplôme
Master 2
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
PALAISEAU
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

Pour valider le parcours-type PDCS (M1 & M2), les étudiants devront valider toutes les UE dont l'intitulé est [PDCS].
À celles-ci s'ajoutent :

* [ISD] Introduction à l'apprentissage
* [ANO] Blockchain
* [ANO] Programmation MPI
* [ANO] Internet of Things

Pour atteindre 120 crédit ECTS, chaque étudiant devra compléter son parcours avec 4 UE dont l'intitulé est Soft skills - xxxx, un TER-Stage (en M1), un stage long (en M2), ainsi qu'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
[PDCS] Algorithmes distribués robustes 2
[PDCS] Algorithmes de la nature 2 21
[PDCS] Auto-stabilisation 2
[PDCS] Calcul Haute Performance 2 12 9
[PDCS] Algorithmique parallèle 2 12 6 3
[PDCS] Programmation GPU 2 12 9
[PDCS] Modélisation et optimisation des systèmes discrets 2 21
[PDCS] Jeux, apprentissage et optimisation des systèmes complexes 2 21
[PDCS] Optimisation stochastique 2 21
[PDCS] Programmation orientée objet 2 9 0 12
[PDCS] Ordonnancement et systèmes d'exécution 2 21
[PDCS] Frontières du calcul parallèle et distribué 2 21
[PDCS] Initiation au calcul quantique 2 21
[ANO] Programmation système et réseaux 2 21
[ANO] Réseaux sans fil 2 21
[ANO] Internet of Things 2
[ANO] Réseaux mobiles 2 21
[ANO] Virtualisation et cloud 2
[ANO] Programmation MPI 2
[ANO] Optimisation dans les graphes 2
[ANO] Optimisation discrète non linéaire 2
[ANO] Optimisation multi-objectifs 2
[ANO] Blockchain 2
[ANO] Théorie des jeux 2
[ANO] Evaluation de performances 2
[AI] PRE1: APPLIED STATISTICS 2 10 10
[AI] PRE2: MATHEMATICS FOR DATA SCIENCE 2 12 4 4
[AI] PRE3: DATACOMP 1 2 12 9
[AI] PRE4: SCIENTIFIC PROGRAMMING 2 9 12
[AI] TC1: MACHINE LEARNING 2 15 6
[AI] TC2: OPTIMIZATION 2 12 4 4
[AI] TC3: INFORMATION RETRIEVAL 2 9 12
[AI] TC4: Probabilistic Generative Models 2 16 4
[AI] TC5: SIGNAL PROCESSING 2
[AI] TC6: DATACOMP 2 2 12 9
[AI] OPT1 : GRAPHICAL MODELS 2 15 6
[AI] OPT2: IMAGE PROCESSING 2 21
[AI] OPT3 : REINFORCEMENT LEARNING 2 15 6
[AI] OPT4: DEEP LEARNING 2 10 10
[AI] OPT5 : VOICE RECOGNITION AND AUTOMATIC LANGUAGE PROCESSING 2 21
[AI] OPT6: LEARNING THEORY AND ADVANCED MACHINE LEARNING 2 21
[AI] OPT7: ADVANCED OPTIMIZATION 2 12 4 4
[AI] OPT8: GAME THEORY 2 12 4 4
[AI] OPT9: DATA CAMP 2 10 15
[AI] OPT 10: IMAGE INDEXING AND UNDERSTANDING 2 15 6
[AI] OPT 11: DEEP LEARNING FOR NLP 2 18 3
[AI] OPT 12: INFORMATION EXTRACTION FROM DOCUMENTS TO INTERFACES 2 10 10
[AI] OPT 13: Theorie de l'information 2 10 10 0
[DS] Social and Graph Data Management 2 12 9
[DS] Algorithms for Data Science 2 12 9
[DS] Bases de données avancées I : Optimisation 2 9 8 4
[DS] Bases de données avancées II : Transactions 2 9 8 4
[DS] Intelligence Artificielle, Logique et Contraintes 2 10 10
[DS] Intelligence Artificielle, Logique et Contraintes : Projet 2 10 10
[DS] Distributed Systems for Massive Data Management 2 12 0 9
[DS] Knowledge Discovery in Graph Data 2 12 6 3
[DS] Semantic Web and Ontologies 2 12 9
[DS] Data Science Project 2 3 18
[ANO] Tests fonctionnels de protocoles 2 21
[PDCS] Big Data 2 12 3 8
[HCI] Fundamental of Human-Computer Interaction 1 2
[HCI] Fundamental of Human-Computer Interaction 2 2
[HCI] Evaluation of Interactive Systems classes 2
[HCI] Programming of Interactive Systems 1 2
[HCI] Programming of Interactive Systems 2 2
[HCI] Advanced Programming of Interactive Systems 1 2
[HCI] Advanced Programming of Interactive Systems 2 2
[HCI] Fundamentals of Virtual & Augmented Reality 5
[HCI] Design of Interactive Systems classes 2
[HCI] Career Seminar - Level 1 2
[HCI] Career Seminar - Level 1 : Project 2 21
[HCI] Design project - Level 1 2 21
[HCI] Design project - Level 1 : Project 2 21
[HCI] Design project - Level 2 2 21
[HCI] Design project - Level 2 : Project 2 21
[HCI] Advanced Design of Interactive Systems classes 2
[HCI] Experiment Design and Analysis 2
[HCI] Interactive Information Visualization 2
[HCI] Interactive Information Visualization : Project 2
[HCI] Photo-Realistic Rendering 2 21
[HCI] Interactive Machine Learning 2
[HCI] Interactive Machine Learning : Project 2
[HCI] Mixed Reality and Tangible Interaction 2 21
[HCI] Mixed Reality and Tangible Interaction - Project 2 21
[HCI] Gesture and Mobile Interaction 2
[HCI] Serious games 2
[HCI] Serious games : project 2
[HCI] Virtual Humans 2 21
[HCI] Virtual Humans : Project 2 21
[HCI] Groupware and Collaborative Work 2 21
[HCI] Groupware and Collaborative Work : Project 2 21
[HCI] Creative Design 2
[HCI] Creative Design : Project 2
[HCI] Digital Fabrication 2
[HCI] Digital fabrication : Project 2
[HCI] Studio Art Science transversal 2 21
[HCI] Advanced EXtended Reality 2 21
TER Stage 10
[SOFT] Soft skills - 1A (Langue) 2
[SOFT] Soft skills - 2 (Communication) 2 21
[SOFT] Soft skills - 3 (Formation à la vie de l'entreprise - Initiation) 2 21
[SOFT] Soft skills - 4 (Formation à la vie de l'entreprise - avancée) 2 21
[SOFT] Soft skills - 5 (Formation à la recherche) 2 21
Stage long 30
[SOFT] Soft skills - 1B (Langue) 2
[SOFT] Soft skills - Seminars B 2
EIT - Innovation and Entrepreneurship Basics 1 3
EIT - Innovation and Entrepreneurship Basics 2 3
EIT - Business Development Lab 1 3
EIT - Business Development Lab 2 6
EIT - Innovation & Entrepreneurship Advanced 5
EIT - Innovation & Entrepreneurship Thesis 6 21
French Language and Culture 1 2 30
French Language and Culture 2 2
[HCID] Fundamental of situated computing 2
[PDCS] Programmation Objet C++ 2 11 10
[AI] TC0 : Introduction to Machine Learning 2 15 6
[AI] OPT14:MULTILINGUAL NATURAL LANGUAGE PROCESSING 2 21
[ISD] Politiques et concepts avancés en sécurité 3
[ISD] Algorithmique distribuée 3
[ISD] Test et Vérification 3
[ISD] Programmation système et réseau 3
[ISD] Traitement automatique des langues 3
[ISD] Optimisation 3
[ISD] Représentation des connaissances et visualisation 3
[ISD] Machine learning/Deep learning 3
[ISD] Droit informatique 3
[ISD] Anglais 3
[ISD] Cloud Computing 3
[ISD] Extraction et programmation statistique de l'information 3
[ISD] IoT (Internet des objets) 3
[ISD] Projets tuteurés 6
[ISD] Blockchain 3
[ISD] Mémoire 12 8
[ISD] Data Warehouse I 3
[ISD] Traitement distribué des données. 3
[ISD] Réseaux 3
[ISD] Réseaux sans fil 3
[ISD] Modèles Mathématiques 3
[ISD] Anglais 3
[ISD] Modélisation 3
[ISD] langages Dynamiques 3
[ISD] outils pour la manipulation et l'extraction de données 3
[ISD] Communication 3
[ISD] sécurité 3
[ISD] Data Lake 3
[ISD] Services et applications Web 3
[ISD] Algorithmique avancée 3
[ISD] Probabilités/Statistiques 3
[ISD] Introduction à l'apprentissage 3
[ISD] Data Warehouse II 3
[ISD] Rapport d'activité 6 5
[ISD] Projet étude de cas 3
[SOFT] Soft skills - Seminars (Fairness in Data Science) 2 20
[SOFT] Soft skills - Summer school 2 21
[SOFT] Soft skills - Transversal Project A 2 7 7 7
[SOFT] Soft skills - Transversal Project B 2 7 7 7
Modalités de candidatures
Période(s) de candidatures
Du au
Pièces justificatives obligatoires
  • Curriculum UE (descriptifs des UE suivies) des deux dernières années

  • Curriculum Vitae

  • Lettre de motivation

  • Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature

  • 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/fr/etre-candidat-a-nos-formations

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@u-psud.fr
Steven MARTIN - steven.martin@lri.fr