Présentation

Master Mathématiques Appliquées, Statistique Parcours Mathématiques en Action

Objectifs

La filière Mathématiques et Machine Learning pour l'Ingénierie du Master M2 Maths en action (MAEA) répond à une forte demande, dans différentes branches de l’industrie et de la recherche, de compétences conjointes en analyse et en résolution numérique d’équations aux dérivées partielles, probabilités et statistiques, et calcul intensif.

La complexité des systèmes actuels, traditionnellement modélisés par des équations différentielles dans une approche déterministe, nécessite désormais de concevoir des modèles probabilistes pour la simulation numérique, la prise en compte d’incertitudes, le traitement statistique des résultats, l’apprentissage et le Machine Learning. D’autre part, le développement des moyens de calcul (processeurs multi-cœurs, réseaux de calculateurs) demande une évolution des méthodes numériques elles-mêmes, la conception d’algorithmes parallèles, le développement de calcul intensif.

Ce master présente l’originalité, encore rare dans le paysage universitaire français, d’aborder l’utilisation conjointe des aspects déterministes et aléatoires, domaines longtemps demeurés en opposition, et dont la réunion devient aujourd’hui indispensable.

La filière stéphanoise Mathématiques et Machine Learning pour l'Ingénierie du Master M2 Maths en action forme à la recherche et à l’ingénierie mathématique des chercheurs ou ingénieurs de haut niveau, avec une spécificité de compétences novatrice. Il offre aux étudiantes de réelles perspectives d’emploi dans le domaine de la recherche appliquée, que celle-ci soit envisagée dans le cadre d’une thèse, dans un service Recherche et Développement (R&D) d’une entreprise, ou au sein d’un organisme public ou privé.

Pour qui ?

Conditions d'admission

Préparer votre candidature en master

Candidatez en M2 sur eCandidats
Vague principale : 1^er avril 2025 au 16 mai 2025 - TERMINÉE
Vague complémentaire : du 24 juin 2025 au 6 juillet 2025

Et après ?

Débouchés

La filière Mathématiques et machine learning pour l'ingénierie vise à former des ingénieurs R&D de haut niveau, maîtrisant l’outil mathématique, et pouvant travailler dans tous les domaines de l’industrie et de la recherche où des simulations numériques complexes sont utilisées intensivement.

Cela concerne pratiquement tous les domaines de pointe, tels que l’aéronautique, le secteur automobile, l’aéronautique, l’environnement, l’énergie, où les simulateurs sont utilisés pour la conception de produits et de procédés (optimisation et analyse d’erreur, de risque).

Parmi les entreprises ou organismes concernés, on peut citer en particulier : le CEA, EDF, TOTAL, EADS, AREVA , RENAULT, IRSN, SAFRAN, …

Partenaires

Contact

Programme

Master Mathématiques Appliquées, Statistique Parcours Mathématiques en Action

Programme

Seule la deuxième année de Master se fait à l'Université Jean Monnet de Saint-Étienne

Semestre 9

• Analyse Appliquée : 6 ECTS
• Modélisation Stochastique et Apprentissage Statistique : 6 ECTS
• Optimisation et Machine Learning : 6 ECTS
• Calcul intensif et simulation numérique : 6 ECTS
• Méta-modèles et optimisation globale : 6 ECTS

Semestre 10

• Modélisation Statistique avancée : 6 ECTS
• Anglais Scientifique : 3 ECTS
• Stage : 21 ECTS

Compétences

Master Mathématiques Appliquées, Statistique Parcours Mathématiques en Action

Compétences

Stages

Master Mathématiques Appliquées, Statistique Parcours Mathématiques en Action

Stages et projets tutorés

Recherche de stage

Il est de la responsabilité des étudiants de trouver un stage, par leurs propres recherches. En cas de difficultés à trouver, vous pouvez demander conseil auprès des responsables scientifiques de l’École des Mines ou de l’Université Jean Monnet, selon votre inscription administrative.

Le stage peut démarrer dès la fin des examens, mais vous devez vous rendre disponibles pour d’éventuels rattrapages. En règle générale, les étudiants sont disponibles à partir de début avril, voire mi-mars. La date de fin des examens vous sera communiquée par la scolarité. Si disponible, elle apparaîtra dans le tableau en fin de ce document. Il est conseillé d’entamer vos recherches aussitôt que possible dans votre formation.

Pour cela, nous vous recommandons d’avoir toujours sous la main, dès votre inscription, un CV et une lettre de motivation que vous adapterez au contexte, il est important d’être très réactif. De nombreux éléments sur la recherche de stage sont disponibles ici.

Vous êtes responsable de votre recherche de stage, et libre de conduire cette recherche comme vous l’entendez. Voici quelques sources où vous pourrez trouver des stages, n’hésitez pas à nous signaler de nouvelles sources que vous trouveriez adaptées. Pensez à les contrôler régulièrement .

• La Société Française de Statistique
• EU Maths IN
• L’Étudiant
• Jobteaser

Différentes offres reçues par vos responsables ou par le Service Scolarité, dont des offres de stage, pourront vous être diffusées par e-mail sur votre adresse universitaire.

Enfin, dès le début d’année universitaire, nous vous recommandons de vous inscrire sur les réseaux susceptibles de vous aider.

• Réseaux sociaux : vous pouvez utiliser différents canaux pour recherche un stage : Indeed, L'Étudiant, LinkedIn, Researchgate, etc.
• Sociétés savantes : des inscriptions à différentes sociétés savantes permettent, pour un coût modique, de recevoir beaucoup d’informations et d’offres : Société de Mathématiques Appliquées et Industrielles, la Société Française de Statistique
• Réseaux personnels : n’hésitez pas à demander autour de vous bien sûr, à solliciter anciens élèves et camarades, à solliciter directement les entreprises qui vous intéressent.

Sujet du stage

Pour pouvoir être validés, les stages de master recherche MAEA du parcours Stéphanois devront présenter, au moins sur une partie du travail, un contenu technique suffisant au regard des matières étudiées en cours. Il vous faudra notamment :

• Fournir une partie de travail orientée mathématiques et recherche : méthodologie au moins, technique ingénierie mathématique, dans le périmètre thématique du master (apprentissage, optimisation, simulation numérique, etc.).
• Situer votre travail par rapport à l’existant : développer une petite étude bibliographique (où en est l'état de l'art, où se situe mon effort), idéalement faire ressortir vos apports innovants par rapport à l'existant.