Master Mathématiques Appliquées et Intelligence Artificielle (MAIA)

Objectifs de la formation

Une double compétence en mathématiques avancées et en intelligence artificielle, de la théorie du machine learning à l'implémentation d'algorithmes.

Former des spécialistes capables de comprendre, modéliser et développer des méthodes avancées d'intelligence artificielle en s'appuyant sur des fondements mathématiques solides : fournir une double compétence en mathématiques avancées et IA, maîtriser les fondements mathématiques du machine learning (probabilités, statistiques, optimisation, analyse), former à la conception et l'implémentation d'algorithmes d'apprentissage automatique, développer une capacité à traiter et valoriser des données massives, et initier à la recherche scientifique en IA et mathématiques appliquées.

Conditions d'accès

Licence des études fondamentales / Licence en Sciences et Techniques / Licence (parcours d'excellence) / Bachelor ou diplôme équivalent (Bac+3/Bac+4). Sélection sur dossier (résultats académiques, adéquation du profil, connaissances de base requises), test écrit, entretien. Capacité : 40 places/an.

Compétences acquises

• Compétences scientifiques : modéliser des problèmes complexes à l'aide d'outils mathématiques, analyser théoriquement les algorithmes d'apprentissage, évaluer la performance et la robustesse des modèles.

• Compétences techniques : concevoir et implémenter des algorithmes de machine learning, manipuler et analyser des bases de données complexes, développer des solutions IA opérationnelles.

• Recherche et innovation : identifier des problématiques ouvertes en IA, gérer un projet scientifique et technique, réaliser un travail de recherche (mémoire, stage).

Organisation du cursus

• Semestre 1 : Analyse fonctionnelle, Advanced Probability, Analyse convexe et optimisation, Statistique inférentielle, Calcul scientifique, Bases de l'intelligence artificielle, Anglais scientifique

• Semestre 2 : Analyse et équations aux dérivées partielles (EDP), Différences finies et volumes finis, Calcul stochastique appliqué à la finance, Introduction à l'ingénierie numérique, Machine Learning, Méthodologie de la recherche scientifique, Culture entrepreneuriale et techniques de communication

• Semestre 3 : Apprentissage statistique, Optimisation et intelligence artificielle, Méthodes meshless et apprentissage physique pour les EDP, Méthode des éléments finis, EDP appliquées à la finance : méthodes numériques et apprentissage, Deep Learning for PDEs, Traitement d'images par Fourier, ondelettes et IA

• Semestre 4 (Projet de fin d'études) : Stage / mémoire de fin d'études

Débouchés professionnels

• Secteur industriel et technologique : Data Scientist, Ingénieur en Intelligence Artificielle, Machine Learning Engineer, Ingénieur R&D.

• Secteurs d'application : finance et assurance, industrie (optimisation, maintenance prédictive), santé (imagerie, bio-informatique), énergie et environnement, marketing et e-commerce.

• Recherche académique : doctorat en mathématiques appliquées / IA, carrières universitaires et centres de recherche.

Poursuite d'études

Formation doctorale en mathématiques appliquées et intelligence artificielle.