Aller au contenu principal

M2 Quantum and Distributed Computer Science

Candidater à la formation
  • Capacité d'accueil
    25
  • Langue(s) d'enseignement
    Anglais
    Français
  • Régime(s) d'inscription
    Formation initiale
Présentation
Objectifs pédagogiques de la formation

Les systèmes informatiques évoluent vers toujours plus d’efficacité et de fonctionnalités, selon trois grands domaines scientifiques, interconnectés :

  • le domaine des systèmes distribués, alors que toujours plus d’applications sont déployées de façon répartie sur le réseau
  • celui du calcul haute performance, qui vise à mettre à profit les dernières architectures de calcul parallèle, par exemple pour le calcul scientifique ou l'analyse des données
  • de l'informatique quantique, qui exploite le parallélisme quantique pour obtenir des gains de performances inatteignables autrement

Le Master QDCS vous permettra d'acquérir des connaissances approfondies dans ces trois domaines, grâce à des cours théoriques avancés et à une pratique approfondie des techniques de programmation avancées qui en résultent.

Le domaine des systèmes distribués est dédié aux protocoles et aux algorithmes qui permettent d’assurer la connectivité et l’efficacité des systèmes déployés sur des réseaux, comme Internet, le Cloud, les réseaux de capteurs, les grappes de calcul, les Blockchains, et même les circuits microbiologiques. Les défis sont multiples et comprennent la synchronisation, la sécurité, la concurrence et la robustesse. Des questions similaires se posent dans le domaine du calcul haute performance (HPC), dont l’objectif est de résoudre efficacement les problèmes de calcul intensif, notamment en sciences appliquées ou en intelligence artificielle. Le HPC pousse les architectures informatiques parallèles modernes jusqu’à leurs limites, en utilisant diverses formes de parallélisme, de représentation des données et d'optimisation du code. Tout comme le calcul distribué par le biais de diverses méthodes de communication et de méthodes algorithmiques. Ces deux domaines tracent ainsi la frontière entre ce qui peut être réalisé dans le domaine de l'informatique classique et ce qui ne pourra être accessible qu’au travers d’un nouveau paradigme: celui du calcul quantique. L'informatique quantique permet des algorithmes et des protocoles d’un genre nouveau, offrant des gains de performance radicaux. Elle présente des défis conceptuels et techniques qui lui sont propres.  

Par défaut, tous ces sujets seront couverts au même niveau. Mais les étudiants qui souhaiteront approfondir leurs connaissances dans l'un de ces trois domaines auront la flexibilité de le faire. Ce sera particulièrement le cas pour les étudiants qui rejoindront le Master du QDCS en M2. Notez que plusieurs options disponibles vous permettront de compléter votre profil, par exemple en IA, en sciences des données, sécurité, etc.

Nous veillerons également à ce que les étudiants non francophones puissent suivre le programme de QDCS dans des conditions optimales en basculant la langue d’enseignement du cours à l’anglais et/ou en fournissant le matériel pédagogique nécessaire en anglais.

Un nombre limité de bourses pour couvrir vos frais de subsistance est disponible [1, 2, 3], certaines avec des dates limites anticipées.

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

Quatre années d'études en informatique, généralement le M1 de QDCS ou MPRI ou similaire, par exemple dans une école d'ingénieurs. Cependant, les étudiants qui ont effectué quatre années d'études dans un autre domaine scientifique (comme les mathématiques ou la physique), et qui ont de solides bases en informatique (algorithmes, programmation), pourront également tirer profit de cette deuxième année de master, notamment s’ils visent la thématique informatique quantique.

Compétences
  • Avoir la capacité de lire et comprendre des articles de recherche dans les domaines du calcul distribué, parallèle et quantique. Avoir la capacité de mener, de manière autonome, un travail de recherche sur un sujet lié à ces domaines.

  • Comprendre les enjeux actuels et les tendances dans les domaines du calcul distribué, parallèle et quantique.

  • Analyser la performance d'un code et l'optimiser par des techniques avancées de calcul haute performance.

  • Maîtriser une vaste gamme de paradigmes de programmation parallèle, notamment la programmation multi-nœuds (MPI), multi-cœurs (OpenMP), etc.

  • Savoir programmer un simulateur classique d’algorithmes quantiques.

  • Surmonter les défis de calcul à grande échelle du monde industriel et de la recherche grâce à une formation variée en théorie et pratique.

Profil de sortie des étudiants ayant suivi la formation

Au cours du M2 QDCS, les étudiants vont acquérir de solides connaissances en algorithmique distribuée, en calcul parallèle, en calcul quantique, mais également de fortes compétences en programmation avancée, pour le HPC notamment (MPI, OpenMP, etc.). Les choix de modules optionnels leur permettront de se familiariser avec divers champs d’application possibles, comme par exemple l’IA, les sciences des données ou la Sécurité. Il s’agit donc d’une formation large et complète permettant d'acquérir à la fois de solides bases théoriques, et de maîtriser leur mise en œuvre pratique. Elle permet une intégration rapide dans le monde industriel et scientifique, en développant les capacités à anticiper les évolutions technologiques.

Débouchés de la formation

Avec l’explosion du Cloud, l’arrivée de l’IoT, le développement constant des supercalculateurs, le déploiement du quantum flagship européen et plan national quantique, le Master QDCS se positionne sur des domaines très porteurs scientifiquement et économiquement. Le Master permet aux étudiants de poursuivre par un doctorat, en préparant une thèse au sein d’un organisme de recherche publique ou du département R&D d'une grande entreprise. Le Master permet également aux étudiants d'intégrer facilement le monde industriel, par exemple au sein des entreprises ayant de forts besoins en calcul, ou plus généralement le monde des hautes-technologies, qu’il s’agisse des départements R&D de grandes entreprises, ou encore de startups développant du logiciel de pointe.

Collaboration(s)
Partenaire(s) académique(s) de la formation

École Polytechnique

Télécom Paris

INRIA

Sorbonne Université

Université de Paris

Technion - Israel Institute of Technology

University of Tennessee

Old Dominion University

École Polytechnique Fédérale de Lausanne

Lisbon University

Karlsruhe Institute of Technology

University of Vienna

Laboratoire(s) partenaire(s) de la formation

Laboratoire Méthodes Formelles (LMF)
Laboratoire Interdisciplinaire des Sciences du Numérique (LISN)
Laboratoire d'informatique de l'École polytechnique (LIX)
Laboratoire Traitement et Communication de l'Information (LTCI)
Laboratoire des Signaux et Systèmes (I2S)

Programme

Here is the list of compulsory courses (of M1 and M2). Accommodations/exceptions are still possible:
- for students who wish to focus on one of the three axes: distributed, hpc or quantum.
- to allow students recruited in Master 2 to follow the Master 1 courses that correspond to their interests.

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
[QDCS] Programmation GPU 2.5 12 9
[QDCS] Ordonnancement et systèmes d'exécution 2.5 21
[QDCS] Optimisation stochastique 2.5 21
[QDCS] Initiation au calcul quantique 2.5 21
[QDCS] Frontières du calcul parallèle et distribué 2.5 21
[QDCS] Calcul Haute Performance 2.5 12 9
[QDCS] Big Data 2.5 12 3 8
[QDCS] Auto-stabilisation 2.5 21
[QDCS] Algorithmique parallèle 2.5 12 6 3
[QDCS] Algorithmes de la nature 2.5 21
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
[QDCS] Programmation orientée objet 2.5 11 10
[QDCS] Programmation avancée C++ 2.5 9 0 12
[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] Algorithmes distribués auto-stabilisants 2.5 21
[QDCS] Algorithmique parallèle 2.5 12 6 3
[QDCS] Algorithmes distribués robustes 2.5 21
[MPRI] Fondements de l'information quantique 2.5 21
[ANO] Programmation MPI 2.5
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 au calcul quantique 2.5 21
[QDCS] Frontières du calcul parallèle et distribué 2.5 21
[QDCS] Calcul Haute Performance 2.5 12 9
[QDCS] Big Data 2.5 12 3 8
[QDCS] Auto-stabilisation 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

Pour valider le parcours, il est requis d'acquérir 60 ECTS par année (M1 ou M2), pour un total de 120 ECTS à l'issue des deux années (chaque cours vaut 2.5 ECTS). Pour atteindre ce total, chaque étudiant devra enrichir son parcours avec 7 cours d’ouverture dits Soft Skills (4 en M1 et 3 en M2), ainsi qu'un libre choix de cours pris dans d’autres parcours (voir le menu ci-dessous). De plus, en M1, les étudiants effectueront un projet de TER (Travail d'Etude et de Recherche) et un stage court de 1 mois. En M2 ils effectueront un stage long, de 6 mois.

Modalités de candidatures
Période(s) de candidatures
Du 15/03/2021 au 13/06/2021
Pièces justificatives obligatoires
  • Fiche de choix de plateforme complétée à télécharger sur le site.

  • 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.

Pièces justificatives complémentaires
Contact(s)
Responsable(s) de la formation
Secrétariat pédagogique