Aller au contenu principal

M2 Quantum and Distributed Computer Science

Candidater à la formation
  • Capacité d'accueil
    25
  • Langue(s) d'enseignement
    Anglais
  • 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.

Les cours sont en anglais.

Un nombre limité de bourses pour couvrir vos frais de subsistance est disponible [1, 2, 3]. Les dates limites pour y candidater sont en mai. 

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

The above list the compulsory courses (of the M1 and M2). Arrangements/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.

Pour valider le parcours, il est nécessaire d'acquérir 60 ECTS par année (M1 ou M2), pour un total de 120 ECTS à l'issue des deux années .

Chaque cours validé compte pour 2.5 ECTS. Pour atteindre ce total, chaque étudiant devra, en plus des cours obligatoires, 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 troisième menu déroulant ci-dessus). En M1, les étudiants effectueront un projet de TER (Travail d'Etude et de Recherche, 5 ECTS) et un stage court de 1 mois (5 ECTS). En M2 ils effectueront un stage long, de 6 mois (30 ECTS).

Modalités de candidatures
Période(s) de candidatures
Du 15/03/2022 au 13/06/2022
Pièces justificatives obligatoires
  • Lettre de motivation.

    (Lettre détaillant la motivation et les raisons pour vouloir étudier l'informatique quantique, parallèle et distribuée dans le programme de master QDCS, en rapport avec des études et des expériences précédentes ainsi que des plans de carrière futurs.)
  • Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature.

    (Tous les relevés de notes depuis le BAC.)
  • Fiche de choix de plateforme complétée à télécharger sur le site.

    (Veuillez remplir et joindre la fiche de choix de préférence de parcours sur le site: https://master-info-orsay.lri.fr/)
  • Curriculum Vitae.

    (CV détaillant toutes les études antérieures, les stages, les formations suivies, les expériences professionnelles (si pertinent), les distinctions/récompenses ainsi que les intérêts et activités personnelles.)
Pièces justificatives complémentaires
  • Dossier VAPP (obligatoire pour toutes les personnes demandant une validation des acquis pour accéder à la formation) https://www.universite-paris-saclay.fr/formation/formation-continue/validation-des-acquis-de-lexperience.

    (only needed in case you have officially validated your prior professional experience to count as equivalent to a university degree)
  • Lettre de recommandation ou évaluation de stage.

    (Veuillez joindre toutes les lettres de recommandation de vos professeurs ou maîtres de stage (si pertinent) dans un seul fichier PDF.)
  • Fiche de choix de M2 (obligatoire pour les candidats inscrits en M1 à l'Université Paris-Saclay) à télécharger sur https://urlz.fr/i3Lo.

    (Si vous postuler à d'autres mentions de master de l'Université Paris-Saclay hormis mention informatique de l'UFR Sciences (dont parcours AI,DS,ANO,QDCS,HCI,MPRI), veuillez les lister dans la fiche indiquée.)
  • Descriptif détaillé et volume horaire des enseignements suivis depuis le début du cursus universitaire.

    (Veuillez fournir ce descriptif détaillé des cours suivis au cas où vous avez effectué vos études de licence/master dans une langue autre que le Français ou l'Anglais, afin de pouvoir évaluer l'adéquation de votre formation antérieure.)
Contact(s)
Responsable(s) de la formation
Secrétariat pédagogique