Université Lyon 1
Université de Lyon
Arqus
Accueil  >>  Master  >> Mathématiques appliquées, statistique  >>  M2 Statistique, Modélisation et Science des données
Langue des Descriptions :
  Etendu aux fiches UE.
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Mathématiques appliquées, statistique
  • Parcours : M2 Statistique, Modélisation et Science des données
   
    Présentation :
Modalité de formation :
Durée de la formation :
4 semestres
Date de la dernière mise-à-jour : 05/05/2022
    Description de la formation :

Le parcours SMSD est une spécialité en ingénierie mathématique. Ce parcours de M2 forme des statisticiens, analystes de données, data scientists, etc… aptes à répondre aux différentes demandes thématiques du monde socio-économique. Il offre aux étudiants une formation solide en statistique, modélisation mathématique, avec une maitrise des outils informatiques. Les dernières avancées des méthodes statistiques, d’optimisation et du traitement des gros volumes de données seront enseignées aux étudiants.

Ce parcours de master a pour vocation l'acquisition d'un éventail d'outils et de méthodes mathématiques déterministes comme stochastiques, en faisant appel à des compétences transverses telles que l’informatique ou la gestion de projet.

    Compétences attestées :

Compétences scientifiques :

  •  modélisation statistique : maîtrise du choix et mise en pratique des modèles statistiques variés (modèles linéaires, ANOVA, modèles linéaires généralisées, séries temporelles, mélanges, estimation paramétrique et non paramétrique, modèles de censure, détection des ruptures, estimation fonctionnelle, bootstrap, sélection automatique  des variables )
  • modélisation des gros volumes de données : modèles statistiques variés en grande dimension, machine learning, data mining, apprentissage statistique, deep learning
  •  analyse automatique de text (text mining):  réponses ouvertes à des questionnaires, entretiens, littérature scientifique, réseaux sociaux
  •  mathématique : maîtrise des principaux outils et d’algorithmes en optimisation convexe, avec applications en apprentissage
  •  modélisation probabiliste : développement de modèles discrets ou continus pour le calcul (Monte Carlo), la fiabilité, la logistique, la biologie appliquée, la finance (modélisation et évaluation d'actifs financiers)
  •  fouille de données : notions théoriques sur les bases de données, techniques factorielles d'analyse des données, classification, apprentissage
  •  informatique : prise en main de Linux, fonctionnement du réseau internet, programmation en Python, création d’un site web, web crawling
  •  conception et exploitation d'une base de données: formuler des requêtes déclaratives en SQL,  repérer des problèmes de conception dans une base de données existante, appréhender les valeurs manquantes 
  •  maitrise de techniques de modélisation pour la santé : méthodes de bio-statistique, équations et la santé, intelligence artificielle pour la santé
  •  logiciels : pratique experte de   R, SAS, Python, ...

Compétences non scientifiques :

La réalisation et la rédaction de nombreux projets pratiques permet aux étudiants de développer leurs capacités à rédiger un mémoire, présenter leurs travaux, travailler en groupe, organiser une recherche d'information, gérer les échéanciers. Bien sûr, des cours d'anglais sont dispensés, avec des objectifs adaptés au niveau des étudiants.

    Poursuites d'études :
Possibilité de continuer avec une thèse, en général de type CIFRE
    Spécificités et prérequis :

Titulaires d’une 1ère année de master en mathématiques ou équivalent

    Public concerné :

Titulaires d’une 1ère année de master en mathématiques ou équivalent

    Responsabilité du Parcours :
CIUPERCA GABRIELA
04.26.23.45.57
    Contact scolarité :
DéPARTEMENT MATHéMATIQUES scolarité
 scolarite.mathematiquesuniv-lyon1.fr
    Composante(s) de l'université responsable de cette formation :
UFR Faculté des sciences / Département de Mathématiques
    Liste des Unités d'Enseignement (UE) :
  • Année 1
  • Année 2
A1: Bloc 1 [UE Libres] (21 Crédits) :
   Analyse appliquée et EDP (6 ECTS) MAT1267M
   Anglais pour la communication professionnelle niveau 1 (3 ECTS) MATLG01M
   Anglais pour la communication professionnelle niveau 2 (3 ECTS) MATLG02M
   Cas pratiques (3 ECTS) MAT1352M
   Classification et réseaux de neurones (6 ECTS) MAT1345M
   Conception et exploitation d'une base de données (3 ECTS) MAT2578M
   Data mining par des méthodes factorielles (3 ECTS) MAT2571M
   Deep learning (3 ECTS) MAT2575M
   Dépendance multivariée et temporelle (3 ECTS) MAT1349M
   Estimation non paramétrique (3 ECTS) MAT2599M
   Informatique avancée (3 ECTS) MAT2570M
   Insertion professionnelle (3 ECTS) MAT1343M
   Intelligence artificielle pour la santé (3 ECTS) MAT2576M
   Introduction à la cryptologie (3 ECTS) MAT1347M
   Logiciels scientifiques (3 ECTS) MAT1070M
   Machine learning (3 ECTS) MAT2569M
   Mathématiques et statistique pour la santé (3 ECTS) MAT2572M
   Méthodes en apprentissage statistique (3 ECTS) MAT2574M
   Méthodes mathématiques pour le text mining (3 ECTS) MAT2577M
   Méthodes statistiques paramétriques (3 ECTS) MAT2573M
   Modèles probabilistes (3 ECTS) MAT2446M
   Optimisation (6 ECTS) MAT1344M
   Optimisation convexe : alg et applications en apprentissage (3 ECTS) MAT2567M
   Probabilités (6 ECTS) MAT1269M
   Processus stochastiques et modélisation (3 ECTS) MAT1348M
   Projet en mathématiques appliquées, stage (6 ECTS) MAT1270M
   Régression et grande dimension (3 ECTS) MAT2568M
   Remise à niveau en informatique (3 ECTS) MAT2566M
   Remise à niveau en statistique (3 ECTS) MAT2565M
   Schémas numériques pour les EDP (3 ECTS) MAT1342M
   Stage (21 ECTS) MAT2449M
   Stat des risques environnementaux : extrêmes univariés (3 ECTS) MAT1351M
   Statistique bayesienne (3 ECTS) MAT1350M
   Statistique paramétrique (6 ECTS) MAT1068M
   Systèmes dynamiques (3 ECTS) MAT1354M
   Traitement numérique du signal et des images (3 ECTS) MAT1353M

    Statistiques d’insertion professionnelle :
Les enquêtes d’insertion professionnelle sont réalisées par l'Observatoire de la Vie Etudiante :
lien vers Statistiques d’insertion professionnelle