Aller au contenu principal

M2 Mathématiques et Intelligence Artificielle

Candidater à la formation
  • Capacité d'accueil
    30
  • Langue(s) d'enseignement
    Anglais
    Français
  • Régime(s) d'inscription
    Formation initiale
    Formation continue
Présentation
Objectifs pédagogiques de la formation

Contexte

Les mathématiques jouent un rôle important en intelligence artificielle (IA), et notamment en apprentissage. Les sciences des données, qui allient modélisation mathématique, statistique, informatique, visualisation et applications ont pour objectif de passer du stockage et de la diffusion de l’information à la création de connaissances.

Ce passage des données aux connaissances requiert une approche interdisciplinaire qui s’appuie fortement sur le traitement statistique de l’information (statistiques mathématiques, statistiques numériques, apprentissage statistique ou machine learning).

La grande dimension pousse à l’utilisation de nouveaux outils issus de différentes branches des mathématiques (analyse fonctionnelle, analyse numérique, optimisation convexe et non convexe) dont il s’agit d’acquérir la compréhension.

Objectifs

Ce parcours permet de maîtriser les enjeux et techniques mathématiques qui fondent l'apprentissage automatique, tout en donnant de solides compétences informatiques pour le développement de projets en apprentissage, sciences des données et IA.

Le M2 Mathématiques de l'Intelligence Artificielle à la carte a une double visée :

  •  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.
  • 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.

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

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

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. 

Stages et projets encadrés

La formation se finit par un stage de quatre mois minimum, débutant au 1er avril dans une entreprise ou un laboratoire de recherche. Ce stage doit présenter un enjeu scientifique réel et recevoir l’agrément d’un enseignant du master.

Modalités pédagogiques particulières
  • Cette formation propose un cursus individualisé conçu pour aider l'étudiant à formaliser et concrétiser un projet de thèse avec souplesse. 
  • Il est prévu un système de mentorat pour aider les étudiants à tracer leur chemin.
Informations complémentaires

Le M2 Mathématiques et Intelligence artificielle est conçu en continuité du M1 Mathématiques et Intelligence Artificielle.

Il est porté conjointement par le département de Mathématique d’Orsay et Centrale-Supelec, avec le soutien du département d’informatique et du programme SaclAI-school.

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

En majorité les débouchés visés sont la thèse en milieu académique ou industriel.

En effet, le besoin de doctorants est important dans ce domaine d’innovations de rupture. Les propositions de thèses sont nombreuses dans la recherche publique (Université, CNRS, INRIA, CEA, CNES, INRA, INSERM, LETI, etc.) et dans les grands laboratoires de recherche dans l’industrie (Aérospatiale, Alcatel, Orange, Sagem, General Electric, Matra, Philips, Siemens, Thales, EDF, etc.).

Il existe aussi actuellement un large déficit d’ingénieurs de très haut-niveau en datasciences aussi bien dans des start-ups que dans des grandes entreprises. Ces nouveaux métiers de « datascientists » sont multiformes : ils vont de la mise en place de nouvelles générations de systèmes d’informations décisionnels aux développements d’applications complètement nouvelles (autour du e-commerce, de la recommandation, du minage de réseaux sociaux, etc..).

Métiers / orientation

Quel parcours pour être data scientist ?

Le métier de data scientist vous attire ? A la pointe de la recherche dans les nouvelles technologies, l’université propose, au sein de ses masters, les meilleures formations pour devenir data scientist. Les statistiques, les données, les  algorithmes d’optimisation sont à votre portée. Découvrez tous les contours de ce métier.

Lire la suite

Découvrez tous nos articles métiers / orientation sur le blog Destination études supérieures

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
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Méthodes supervisées avancées et data challenge 5 24
Méthodes non supervisées avancées 5 24
Théorie et applications en apprentissage par renforcement 5 24
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Probabilités et Statistiques en grande dimension 5 24
Optimisation 5 24
Plateformes et Langages de Programmation en données massives 5 24
Signal processing 2.5 20
Probabilistic generative models 2.5 20
Modélisation en grande dimension 5 24
Introduction au Deep Learning 5 24
ComputerVision 5 24
Speech recognition and NLP 2.5 20
Deep Learning pour le NLP 2.5 20
Module d'ouverture S1 (UE d'un autre master) 5
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Guidelines in statistical learning 4 24
Statistical learning theory 4 24
Statistical theory of algorithmic fairness 4 24
Online learning 4 24
Modèles graphiques: inférence discrète et apprentissage 4 24
Statistique bayésienne et applications 4 24
Deep learning avancé 4 24
Analyse de données multivariées avancée 4 24
Module d'ouverture S2 (UE d'un autre master) 4 24
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Séminaire des étudiants 2
Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
Stage ou mémoire 16

Pour obtenir la liste des cours à jour, veuillez consulter ce site web.

Modalités de candidatures
Période(s) de candidatures
Du 01/04/2024 au 03/07/2024
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 très fortement conseillée.)
  • Attestation de français (obligatoire pour les non francophones).

  • 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.

  • Document justificatif des candidats exilés ayant un statut de réfugié, protection subsidiaire ou protection temporaire en France ou à l’étranger (facultatif mais recommandé, un seul document à fournir) :
    - Carte de séjour mention réfugié du pays du premier asile
    - OU récépissé mention réfugié du pays du premier asile
    - OU document du Haut Commissariat des Nations unies pour les réfugiés reconnaissant le statut de réfugié
    - OU récépissé mention réfugié délivré en France
    - OU carte de séjour avec mention réfugié délivré en France
    - OU document faisant état du statut de bénéficiaire de la protection subsidiaire en France ou à l’étranger.

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