M2 Mathématiques de l'Intelligence artificielle

Candidater à la formation
  • Capacité d'accueil
    12
  • Langue(s) d'enseignement
    Anglais
    Français
  • Régime(s) d'inscription
    Formation initiale
Présentation
Objectifs pédagogiques de la formation

Le parcours (M1+M2) à la carte "Mathématiques de l'Intelligence Artificielle" a une double visée :
1) acquérir, comprendre et maîtriser un grand nombre d'outils et de méthodes mathématiques et d'algorithmes d'apprentissage en proposant un spectre étendu de cours dans l'ensemble des domaines des mathématiques et de leurs interfaces (notamment l'informatique) avec l'intelligence artificielle.
2) permettre aux étudiants de découvrir de l'intérieur, l'activité de recherche en mathématiques aux interfaces avec l'intelligence artificielle en se confrontant à des problématiques ouvertes dès les journées de rentrée, d'une activité de recherche sous forme de stages, mais aussi de cours proposant des mini-projets.
Cette formation proposera un cursus individualisé conçu pour aider l'étudiant à formaliser et concrétiser un projet de thèse avec souplesse. Le public visé est celui des élèves du magistère de mathématiques d'Orsay, des élèves de deuxième année de l'ENS Paris-Saclay en mathématiques ainsi que des étudiants étrangers, notamment ceux sélectionnés par les bourses de mobilité entrante de l'Idex ou de la FMJH. Ce parcours se positionne donc comme un programme à la carte conduisant à une thèse. Il est prévu un système de mentorat pour aider les étudiants à tracer leur chemin.

Pour plus d'informations, vous pouvez consulter le site web de cette formation M2 Mathématiques de l'Intelligence artificielle.

Lieu(x) d'enseignement
ORSAY
GIF SUR YVETTE
PALAISEAU
Compétences
  • Maitriser et mettre en oeuvre des outils et méthodes mathématiques de haut niveau.

  • Expliquer clairement une théorie et des résultats mathématiques.

  • Comprendre et modéliser mathématiquement un problème afin de le résoudre.

  • Analyser un document de recherche en vue de sa synthèse et de son exploitation.

  • Maitriser des outils numériques et langages de programmation de référence.

  • Analyser des données et mettre en oeuvre des simulations numériques.

Profil de sortie des étudiants ayant suivi la formation

Connaissance approfondie des théories et outils mathématiques sous-tendant les développements de recherche actuels en apprentissage automatisé et intelligence artificielle.
Expertise sur les enjeux actuels associés, à l'interface théorie mathématique/informatique théorique.
Capacité de mise en oeuvre en pratique, familiarité avec les outils informatiques correspondants.
Expérience de confrontation aux problématiques de la recherche actuelle dans le domaine.

Débouchés de la formation

Les débouchés visés sont la thèse en milieu académique ou industriel.

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

Centre de mathématiques et de leurs applications
Laboratoire de mathématiques d'Orsay
Laboratoire de recherche en informatique.

Programme

Est une formation à la carte et de haut niveau ouvrant aux multiples outils et théories mathématiques utilisées dans le domaine de l'apprentissage automatisé et de l'intelligence artificielle. Un accent particulier est mis sur les outils probabilistes et statistiques dont le rôle est incontournable ; l'interaction de ces méthodes avec d'autres domaines des mathématiques (telles que l'optimisation, la théorie spectrale, la géométrie discrète ou l'analyse fonctionnelle), ainsi qu'avec l'informatique, est également d'importance majeure et fait la richesse de cette discipline.

L'année de M2 se concentre sur des cours plus spécialisés, et est entièrement à la carte: à part le séminaire et le stage/mémoire obligatoires, le parcours est à composer par les étudiants, en consultation avec un mentor afin d'en assurer la cohérence. Il doit comporter un total de 60 ECTS, dont au moins 5 ECTS d'UE d'informatique.
Les UEs sont à prendre au choix dans le catalogue des M2 de mathématiques Statistiques et Machine Learning, Mathématiques-Vision-Apprentissage, Optimisation, Probabilités-Statistiques; et en informatique, Apprentissage, Information et Contenu et Fondements de l'Informatique et Ingénierie du Logiciel.

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Séminaire 2.5
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
UE libre S1 3b (7,5 ECTS) 7.5
UE libre S1 3a (7,5 ECTS) 7.5
UE libre S1 2e (5 ECTS) 5
UE libre S1 2d (5 ECTS) 5
UE libre S1 2c (5 ECTS) 5
UE Libre S1 2b (5 ECTS) 5
UE libre S1 2a (5 ECTS) 5
UE libre S1 1g (2,5 ECTS) 2.5
UE libre S1 1f (2,5 ECTS) 2.5
UE libre S1 1e (2,5 ECTS) 2.5
UE libre S1 1d (2,5 ECTS) 2.5
UE libre S1 1c (2,5 ECTS) 2.5
UE Libre S1 1b (2,5 ECTS) 2.5
UE libre S1 1a (2,5 ECTS) 2.5

Voir la description du semestre 1.

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Stage ou mémoire 14
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
UE libre S2 2a (2 ECTS) 2
UE libre S2 1d (4 ECTS) 4
UE libre S2 1c (4 ECTS) 4
UE libre S2 1b (4 ECTS) 4
UE libre S2 1a (4 ECTS) 4
EU libre S2 2b (2 ECTS) 2
Modalités de candidatures
Période(s) de candidatures
Du 01/04/2021 au 05/07/2021
Pièces justificatives obligatoires
  • Lettre de motivation.

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

  • Curriculum Vitae.

Pièces justificatives complémentaires
  • Lettre de recommandation ou évaluation de stage.

    (Une lettre de recommandation n'est pas obligatoire mais conseillée.)
  • Dossier VAPP (obligatoire pour toutes les personnes demandant une validation des acquis pour accéder à la formation).

Contact(s)
Responsable(s) de la formation
Secrétariat pédagogique