Master Ingénierie Mathématique FOAD (formation à distance)

  • Master
  • BAC +5
  • Faculté Sciences de l'Ingénieur
  • Mathématiques appliquées, statistique
  • Ingénierie Mathématique
  • Durée : 2 année(s)

Présentation

Objectifs

Le master d’Ingénierie Mathématique (IM) propose une solide formation en mathématiques ouverte à des développements récents des mathématiques appliquées aux sciences de l'ingénieur. Il forme des cadres/ingénieurs mathématiciens à large spectre aptes à l'optimisation et à la recherche opérationnelle, au traitement du signal et des images, à la statistique et à l'analyse des données (data sciences) pour les industries et le tertiaire, aussi bien dans des multinationales que dans des start-up de haute technologie ou dans des PME/PMI.

 

Retrouvez plus d'informations sur le site web du master.

Savoir-faire et compétences

Ce master offre aux étudiants les compétences nécessaires à toute entreprise confrontée au problème du traitement de ses données numériques, de la mise au point de solutions innovantes, de l'optimisation de ses procédés et de la prise de décision. Des enseignements spécialisés dans la CAO, la statistique et l'analyse des données, l'optimisation et le traitement du signal et des images créent le lien entre les enseignements fondamentaux en mathématiques et les applications concrètes utiles aux entreprises.  La multiplication des données sous forme numérique permet à toutes les entreprises des gains de productivité considérables pour peu qu'elles sachent exploiter correctement cette masse de données, présente sous de multiples formes (données statistiques, capteurs, image, son, ...). Si les ingénieurs informaticiens sont maintenant courants dans les entreprises, l'expertise d'un ingénieur mathématicien devient nécessaire pour proposer des algorithmes adaptés aux spécificités de chaque entreprise. Les grandes entreprises de haute technologie ont investi en mathématiciens, mais ceux-ci restent encore rares dans les PME/PMI. Le large domaine de compétence en mathématiques appliquées apporté par ce master intéresse particulièrement les entreprises de taille petite à intermédiaire, qui sont les entreprises qui créent le plus d'emploi en France et qui forment un tissu dense sur l'ensemble du territoire.

Contenu de la formation

La formation que nous proposons est dispensée entièrement à distance (FOAD). L'expertise que l'équipe pédagogique a pu acquérir ces dernières années permet un suivi individualisé des étudiants et leur assure une réussite, aussi bien qu'en présentiel. Les enseignants qui interviennent dans ce master sont aussi des chercheurs de réputation internationale affiliés à des laboratoires reconnus par le CNRS (LMBA et Lab-STICC). Ce master est accessible intégralement et uniquement à distance (FOAD) à travers l'environnement numérique de travail (plateforme pédagogique Moodle), formule particulièrement adaptée à des salariés en reprise d'études et aux personnes désirant suivre et valider leur diplôme depuis leur domicile.

 

Bénéficiant d'un fort taux d'encadrement grâce à des effectifs limités, de partenariats auprès d'entreprises régionales et d'une excellente adéquation avec le marché du travail, les titulaires de ce master obtiennent rapidement des emplois au niveau cadre/ingénieur aussi bien dans des grandes entreprises que dans des PME/PMI.

 

La formation étant dispensée en distanciel, 1 000€ de frais seront demandés aux étudiants pour pouvoir accéder à la plateforme de cours en ligne. Ce coût vient en sus des droits d'inscription de 243€ et de la CVEC de 100€.

 

Programme

Master 1 - Semestre 1
Recherche Opérationnelle 1 (Graphes)
Traitement du Signal et des Images 1
(Fourier/ Distributions)
Méthodes Numériques 1 (Informatique, Traitement Statistique des Données)
Optimisation (Optimisation Différentiable et Convexe)
Statistique 1 (Statistique Inférentielle)
Unité d’enseignements complémentaires (Anglais et gestion de projet)

 

Master 1 - Semestre 2
Recherche Opérationnelle 2 (Programmation Mathématique)
Traitement du Signal et des Images 2 (Images)
Optimisation Multi-Objectifs
Probabilités Appliquées 1 (Martingales et Chaînes de Markov)
Data Science 1 (Système d’Information Opérationnel, Bases de Données)
Recherche Opérationnelle et Intelligence Artificielle

 

Master 2 – Semestre 3
Recherche opérationnelle 3 (Optimisation Combinatoire)
Traitement du Signal et des Images 3 (Images)
Méthodes numériques 2 (Complexité , aide à la décision multicritère)
Statistiques 2 (Réseaux Bayésiens et Apprentissage)
Data Science 2 (Fouille de Données, Machine Learning)
Probabilité 2 (Processus de poisson et files d’attente)


Master 2 – Semestre 4
Stage en entreprise ou par dérogation : stage en laboratoire de recherches ou mémoire de fin d'études

Modalités de formation

  • Formation à distance

Référentiel RNCP

Programme

Organisation de la formation
      • UCG-Semestre 1 [KW29F9U4] (5.0 crédits ECTS)
      • Anglais [KW29E2R7]
      • Fonctions de l'entreprise [KW29FA5X]
      • UEO - Semestre 1 [KW29FACX]
      • Méthodes Numériques 1 (Informatique) [KW29FAQ5] (5.0 crédits ECTS)
      • Optimisation (optimisation différentiable et convexe) [KW29FAWR] (5.0 crédits ECTS)
      • Recherche Opérationnelle 1 (Graphes) [KW29FB3O] (5.0 crédits ECTS)
      • Statistiques 1 (Statisitque inférentielle) [KW29FB9Z] (5.0 crédits ECTS)
      • Traitement du Signal et des Images 1 (Fourier/Distributions) [KW29FBG9] (5.0 crédits ECTS)
      • Optimisation Multi-Objectifs [KW29E8FV] (5.0 crédits ECTS)
      • Probabilités Appliquées 1 (Martingales et Chaînes de Markov) [KW29E8LC] (5.0 crédits ECTS)
          PA1-Martingales et Chaînes de MarkovVoir plus
      • Recherche Opérationnelle 2 (Programmation Mathématique) [KW29E8SD] (5.0 crédits ECTS)
      • ROIA-Recherche Opérationnelle et Intelligence Artificielle [KW29FC00] (5.0 crédits ECTS)
      • Systèmes d'Information Opérationnel, Bases de Données [KW29FC67] (5.0 crédits ECTS)
          DS1-Gestion des Données et Machine LeaningVoir plus
      • Traitement du Signal et des Images 2 (Signal) [KW29E907] (5.0 crédits ECTS)
      • UEO - Semestre 3-M2 ING. MATH [KW29IZJ8]
      • Data Science 2 (Fouille de données, machine learning) [KW29IZU3] (5.0 crédits ECTS)
          DS2-Fouille de données, machine learningVoir plus
      • Méthodes numériques 2 [KW29J00T] (5.0 crédits ECTS)
          MN2-Complexité, aide à la décisioin multicritèreVoir plus
      • Probabilités appliquées2 [KW29J06H] (5.0 crédits ECTS)
          PA2-Processus de poisson et files d'attenteVoir plus
      • Recherche Opérationnelle 3 [KW29J0CX] (5.0 crédits ECTS)
      • Statistique 2 [KW29J0I7] (5.0 crédits ECTS)
      • Traitement du signal et des images 3 [KW29J0NT] (5.0 crédits ECTS)
      • Stage en entreprise [KW29J145] (30.0 crédits ECTS)
          Stage en entrepriseObjectifs - Préparation à l'entrée dans la vie professionnelle- Approfondissement des connaissances acquises - Acquisition de nouvelles connaissancesContenuLe contenu du stage est défini par le responsable du stage dans l'entreprise d'accueil en accord avec le responsable de formation à l'université, qui en délivre la validation.Le stage est obligatoire. Il a une durée comprise entre 20 semaines et 6 mois. Il peut se dérouler en France ou à l'étranger.Il fait l'objet d'une convention de stage signée par l'entreprise d'accueil, l'université et l'étudiant.Durant son stage, l'étudiant est encadré par un responsable dans l'entreprise d'accueil et par un tuteur enseignant de sa formation à l'université.Le travail réalisé durant le stage donne lieu à un rapport de stage, et à une soutenance devant un jury composé d'enseignants de la formation. Il est évalué d'une part par le responsable de stage dans l'entreprise d'accueil et d'autre part par le jury de soutenance, composé d'enseignants de l'université.Pré-requis- sans objetBibliographie Raphalen Michèle, Tobin Laurence, " Guide de rédaction - Rapports de stage et de projet ", Document interne, Université de Bretagne Sud, UFR SSI, Département MIS, 2007Décret no 2008-96 du 31 janvier 2008 relatif à la gratification et au suivi des stages en entrepriseVoir plus

Admission

Condition d'accès

Le master d’Ingénierie Mathématique (IM) se déroule sur deux années, M1 et M2. Il est d’abord destiné aux étudiants titulaires d'une licence de mathématiques, comme la licence de mathématiques de l’UBS, notamment à travers ses parcours sélectifs Cursus Master en Ingénierie (CMI) et CUPGE. Les étudiants titulaires d'une licence autre que celle de l'UBS doivent déposer un dossier de candidature. A l'issue du M1, les étudiants peuvent poursuivre dans le M2 IM ou postuler pour le M2 recherche Mathématiques Fondamentales et Appliquées en vue d'une poursuite d'étude en doctorat de mathématiques. A noter que le M2 IM permet également une poursuite d'étude en doctorat, dans le domaine des applications des mathématiques.

 

 

 Capacité d'accueil

Date d'ouverture

 Date de clôture

30

26 février 2024

 

24 mars 2024

 

Calendrier

 Capacité d'accueil

Date d'ouverture

 Date de clôture

M1 IM : 35

M2 IM : 15

22 mars 2023

18 avril 2023

La procédure d’admission à la Faculté (candidater) https://www.univ-ubs.fr/fr/formation-initiale-continue/formation-initiale/candidater.html

La procédure d’inscription à la Faculté https://www.univ-ubs.fr/fr/formation-initiale-continue/formation-initiale/s-inscrire.html

Poursuite d'études

Poursuite d'études

Passerelles et réorientation

Pour tout projet de réorientation, contactez le Service Universitaire, d'Orientation et d'Insertion Professionnelle

Débouchés et métiers visés

Insertion professionnelle

L’UBS est classée 3ème des universités qui préparent le mieux à l’emploi en Sciences et Technologies (source : Ministère de l’Enseignement Supérieur, décembre 2013)

Métiers visés

Le master d'Ingénierie Mathématique (IM) propose une solide formation en mathématiques ouverte à des développements récents des mathématiques appliquées aux sciences de l'ingénieur. Il forme des cadres/ingénieurs mathématiciens à large spectre aptes à la modélisation, la simulation, l'optimisation, la statistique et l'analyse des données, le traitement du signal et des images pour les industries et le tertiaire, aussi bien dans des multinationales que dans des start-up de haute technologie ou dans des PME/PMI.

Ce master offre aux étudiants les compétences nécessaires à toute entreprise confrontée au problème du traitement de ses données numériques, de la mise au point de solutions innovantes, de l'optimisation de ses procédés et de la prise de décision. Des enseignements spécialisés dans la CAO, la statistique et l'analyse des données, l'optimisation et le traitement du signal et des images créent le lien entre les enseignements fondamentaux en mathématiques et les applications concrètes utiles aux entreprises. La multiplication des données sous forme numérique permet à toutes les entreprises des gains de productivité considérables pour peu qu'elles sachent exploiter correctement cette masse de données, présente sous de multiples formes (données statistiques, capteurs, image, son, ...). Si les ingénieurs informaticiens sont maintenant courants dans les entreprises, l'expertise d'un ingénieur mathématicien devient nécessaire pour proposer des algorithmes adaptés aux spécificités de chaque entreprise. Les grandes entreprises de haute technologie ont investi en mathématiciens, mais ceux-ci restent encore rares dans les PME/PMI. Le large domaine de compétence en mathématiques appliquées apporté par ce master intéresse particulièrement les entreprises de taille petite à intermédiaire, qui sont les entreprises qui créent le plus d'emploi en France et qui forment un tissu dense sur l'ensemble du territoire.