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 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 déterministe et aléatoire, 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 étudiant.e.s 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.

Compétences acquises

A l’issue de la filière Mathématiques et machine learning pour l'ingénierie, les étudiants auront acquis les bases théoriques nécessaires en probabilités et statistiques, en résolution numérique d’équations aux dérivées partielles, ainsi qu’en méthodes de calcul haute performance mettant à profit les architectures parallèles des machines actuelles. Ils sauront utiliser ces bases pour comprendre et mettre en œuvre des méthodes mathématiques d’exploitation de simulateurs (plans d’expériences et surfaces de réponse, propagation d’incertitudes, optimisation) . Ils auront pratiqué ces méthodes sur des études de cas (conception de produits ou de procédés, sensibilité aux paramètres, calcul inverse et identification de modèle…). Ils auront effectué un stage R&D dans une grande entreprise, une PME ou une start-up.

Ils seront initiés aux métiers de la recherche et pourront notamment envisager de continuer par un doctorat d’université. Ils pourront également utiliser ces compétences dans leurs travaux d’ingénierie, les faire valoir auprès des entreprises les plus exigeantes.

Pour les élèves ingénieurs déjà inscrits à l’école des mines, ou issus d’autres écoles d’ingénieurs, une formation par la recherche, surtout appliquée, démontre la capacité d’un étudiant à prendre de la hauteur de vue, à s'adapter à plusieurs contextes de travail (ingénieur et chercheur), à développer un potentiel de conceptualisation, une force de travail (double diplôme), à s’insérer dans un service  de recherche et développement (R&D). Pour des contraintes modérées (quelques éléments de recherche lors du stage, cours spécifiques), ces compétences constituent donc un atout supplémentaire par rapport au seul diplôme d’ingénieur.

Pour qui ?

Conditions d'admission

• Préparer sa candidature en master

Candidature par :

• l'Université Jean Monnet de Saint-Etienne :

https://candidatures2.univ-st-etienne.fr/ecandidat

• L'école Nationale Supérieure des Mines de Saint-Etienne (ENSMSE) :

https://www.mines-stetienne.fr/formation/master-maths-action-mea/

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

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

3 modules de tronc commun et 3 modules de spécialité caractérisant la filière stéphanoise du MAEA

Semestre 9

• module 1. Analyse Appliquée, géré par l’UJM - 6 ECTS
• module 2. Modélisation Stochastique et Apprentissage Statistique = UP2 MSD - 6 ECTS
• module 3. Optimisation et Machine Learning = UP3 MSD - 6 ECTS

• module 4. Calcul intensif et simulation numérique, géré par l’UJM - 6 ECTS

Semestre 10

• module 5. Méta-modèles et optimisation globale = UP4 MSD - 6 ECTS
• module 6. Modélisation Statistique avancée - 6 ECTS

• 1 évaluation d’anglais – 3 ECTS

• Stage : 21 ECTS

Contenu des enseignements

Stages

Master Mathématiques Appliquées, Statistique Parcours Mathématiques en action

Stages et projets tutorés

Recherche de stage

Il est de la responsabilité des étudiant.e.s 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’UJM, 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 aussi tôt 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 :

https://ecampus.emse.fr/course/index.php?categoryid=23

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 contrôler régulièrement différentes sources, par exemple :

- Société Française de Statistique: https://www.sfds.asso.fr/fr/n/506-consulter_les_offres_demploi/

- Agence Math entreprise : https://jobs.eu-maths-in.eu/jobs

- L’Etudiant : https://jobs-stages.letudiant.fr/stages-etudiants/offres/domaine-mathematiques-statistiques-138.html

- Jobteaser: https://www.jobteaser.com/fr : les élèves peuvent s'inscrire sur cette plateforme où un grand nombre d'offres de stages est référencé.

- Différentes offres reçues par vos responsables ou par la scolarité, dont des offres de stage, pourront vous être diffusées par email, veillez à bien contrôler vos emails école.

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'Etudiant, Linkedin, Researchgate, etc.

- Sociétés savantes : des inscriptions à différentes sociétés savantes permettent, pour un coût modique, de recevoir beaucoup d’informations et d’offres: https://www.sfds.asso.fr/, http://smai.emath.fr/

- 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 :

1. 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.).

2. 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.