• Accueil »
  • L'enseignement »
  • Masters »
  • Mathématiques et Applications »
  • M2 »
  • M2 Mathématiques et Intelligence Artificielle
  • M2 Mathématiques et Intelligence Artificielle

    Actualités

    En raison des très fortes précipitations, de l’Yvette en crue, de voies impraticables et d’inondations, les cours du campus « Vallée »  (bâtiments 100 à 499) du jeudi 10 octobre 2024 sont annulés. Le créneau du cours de "Non Supervisé Avancé" sera remplacé le jeudi 14 novembre matin. 

    Le M2 Mathématiques et Intelligence artificielle est conçu en continuité du M1 Mathématiques et Intelligence Artificielle .

    Il est porté conjointement par le département de Mathématique d’Orsay et Centrale-Supelec, avec le soutien du département d’informatique et du programme SaclAI-school.

    La réunion de rentrée 2024-2025 aura lieu le lundi 2 septembre 2024 à 14h00, bâtiment 307 du campus d'Orsay, salle 3L15.

    Présentation

    Objectifs

    Les mathématiques jouent un rôle important en intelligence artificielle (IA), et notamment en apprentissage. Les sciences des données, qui allient modélisation mathématique, statistique, informatique, visualisation et applications ont pour objectif de passer du stockage et de la diffusion de l’information à la création de connaissances.

    Ce passage des données aux connaissances requiert une approche interdisciplinaire qui s’appuie fortement sur le traitement statistique de l’information (statistiques mathématiques, statistiques numériques, apprentissage statistique ou machine learning).

    La grande dimension pousse à l’utilisation de nouveaux outils issus de différentes branches des mathématiques (analyse fonctionnelle, analyse numérique, optimisation convexe et non convexe) dont il s’agit d’acquérir la compréhension.

    Ce parcours permet de maîtriser les enjeux et techniques mathématiques qui fondent l'apprentissage automatique, tout en donnant de solides compétences informatiques pour le développement de projets en apprentissage, sciences des données et IA.


    Organisation

    Ce parcours associe des cours théoriques et méthodologiques complétés par des projets en « vraie grandeur » faisant intervenir tous les aspects des sciences des données, depuis l’acquisition jusqu’à l’exploitation et l’analyse. Une partie significative du parcours est validée sous forme de projets.


    La formation se finit par un stage de quatre mois minimum, et débute au 1er avril. Ce stage doit présenter un enjeu scientifique réel et recevoir l’agrément d’un enseignant du master.


    Débouchés

    Il existe actuellement un large déficit d’ingénieurs de très « haut-niveau » en datasciences aussi bien dans des start-ups que dans des grandes entreprises. Ces nouveaux métiers de « datascientists » sont multiformes, ils vont de la mise en place de nouvelles générations de systèmes d’informations décisionnels aux développements d’applications complètement nouvelles (autour du e-commerce, de la recommandation, du minage de réseaux sociaux, etc..).
    Le besoin de doctorants est également important dans ce domaine d’innovations de rupture. Les propositions de thèses sont nombreuses dans la recherche publique (Université, CNRS, INRIA, CEA, CNES, INRA, INSERM, LETI, etc.) et dans les grands laboratoires de recherche dans l’industrie (Aérospatiale, Alcatel, Orange, Sagem, General Electric, Matra, Philips, Siemens, Thales, EDF, etc.).

    Contacts et infos pratiques

    Lieu:

    Les cours se feront sur le campus d'Orsay : soit au bâtiment 307 dans la vallée en particulier pour tous les cours obligatoires, soit au bâtiment 650 ou à CentraleSupelec sur le plateau.

    Quelques cours optionnels pourront avoir lieu à l'ENSAE, campus de Palaiseau.

    Responsables :

    Mise à jour 21/08/2024 : L'université Paris-Saclay subit actuellement l'attaque d'un rançonnage, ce qui nous empêche d'avoir accès à nos messageries UPSAY et à certains services de l'université. Pour contacter le secrétariat pédagogique jusqu'à nouvel ordre, merci d'écrire à cette adresse : secretariat.maths.m2edmh@gmail.com

    Université Paris-Saclay : Gilles Blanchard et Christine Keribin

    CentraleSupelec : Sarah Lemler

    Secrétariat pédagogique :

    Université Paris-Saclay (Orsay) : Séverine SIMON et Florence FERRANDIS
    Tél. 01 69 15 71 53 / 5 31 66  (Bureau 1A2, Laboratoire de Mathématiques d’Orsay, Bâtiment 307, Université Paris-Saclay, ORSAY)

     

    Programme

    Le M2 Mathématiques et Intelligence artificielle est structuré en trois périodes de cours (septembre à début novembre, début novembre à mi-janvier, mi janvier à fin mars). La période début avril à fin septembre est réservée au stage.

    Son programme propose des modules obligatoires et des modules optionnels. En fonction des modules, les cours ont lieu au laboratoire de mathématique d'Orsay, à CentraleSupelec ou laboratoire d'informatique de Paris-Saclay.

    Les modules optionnels sont conçus pour permettre à l'étudiant.e de choisir son curseur entre un programme très mathématique et un programme plus appliqué:  syllabus des modules à télécharger

    Semestre 1

    Masquer le programme de cours
     
    Le semestre 1 (30 ECTs) est articulé en deux périodes de cours.
     
    Trois modules sont obligatoires (deux en période 1, un en période 2), pour un total de 15 ECTS.
    Le programme est complété par des modules au choix pour atteindre 30 ECTs.
     

    Période 1 (septembre à début novembre)

    Modules obligatoires:

    • Data challenge et méthodes supervisées avancées (5 ECTs), laboratoire de mathématiques d'Orsay
    • Méthodes non supervisées avancées (5 ECTS), laboratoire de mathématiques d'Orsay (Christine Keribin)

    Modules optionnels

    • Statistique en grande dimension (5 ECTs), laboratoire de mathématiques d'Orsay [StatML] (Christophe Giraud) 
    • Optimisation (5 ECTs),  CentraleSupelec (Vincent Lescaret)
    • Plateformes et Langages de Programmation pour les données massives (5 ECTS), CentraleSupelec (Gianluca Quercini)
    • Signal processing (2.5 ECTs), laboratoire d'informatique (M. Kowalski)
    • Probabilistic generative models (2.5 ECTS), laboratoire d'informatique (Caio Corro)

    Période 2 (novembre  à mi janvier)

    Module obligatoire:

    • Théorie et applications en reinforcement Learning  (5 ECTs): laboratoire de mathématiques d'Orsay (Joon Kwon)

    Modules optionnels

    • Online Learning (5 ECTs), laboratoire de mathématiques d'Orsay [StatML]  (Etienne Boursier)
    • Deep Learning avancé  (5 ECTs), CentraleSupelec
    • Computer vision ( 5 ECTs),  CentraleSupelec
    • Modélisation en grande dimension (5 ECTs), CentraleSupelec (Sarah Lemler)
    • Deep Learning avancé pour le traitement naturel du langage (2.5 ECTs), laboratoire d'informatique (Caio Corro)
    • Reconnaissance la parole  et traitement du langage naturel (2.5 ECTS), laboratoire d'informatique (Kim Gerdes)
    • Choix d'un module à la carte dans un autre M2 de mathématique ou d'informatique (5 ECTs)


    Semestre 2

    Masquer le programme de cours

    Le semestre 2 est composé d'une période académique (mi janvier à fin mars), se terminant sur le stage de fin d'études.

     

    Période 3 (mi janvier à fin mars), 12 ECTs

    Module obligatoire:

    • Guidelines in statistical learning  (4 ECTs): obligatoire, laboratoire de mathématiques d'Orsay 
      Tests multiples en grande dimension (Guillermo Durand), Données manquantes, Prédiction conformelle

    Modules optionnels

    • Statistical Learning theory  (4 ECTs), laboratoire de mathématiques d'Orsay [StatML] (Gilles Blanchard)
    • Adversarial and game-theoretic learning (4 ECTS), laboratoire de mathématiques d'Orsay [StatML] (Joon Kwon)
    • Statistical theory of algorithmic fairness (4 ECTs), laboratoire de mathématiques d'Orsay [StatML] (Evgenii Chzen)
    • Modèles graphiques: inférence discrète et apprentissage (4 ECTs),  CentraleSupelec
    • Statistique bayésienne et applications (4 ECTs),  CentraleSupelec
    • Modèles géométriques  (4 ECTs),  CentraleSupelec
    • Analyse de données multivariées avancée (4 ECTs),  CentraleSupelec
    • Choix d'un module à la carte dans un autre M2 de mathématique ou d'informatique (4 ECTs)

     

    Séminaires, 2 ECTs

    Ayant lieu régulièrement toute l'année, les séminaires présentent des exposés de recherche ou de réalisations industrielles en matière d'intelligence artificielle et de machine learning. 

     

    Stage, 16 ECTs

    d'une durée de six mois dans une entreprise ou un laboratoire de recherche.

    MCC

    L'année est formée des blocs suivants, non compensables entre eux :

    • Modules obligatoires du premier semestre (période 1 et 2) : 15 ECTs
    • Modules optionnels du premier semestre (période 1 et 2) : 15 ECTs
    • Modules académiques du second semestre (période 3) : 12 ECTs
    • Séminaire : 2 ECTs
    • Stage :16 ECTs

    Modalités et inscription

    Les candidatures sont ouvertes à tout.e étudiant.e ayant suivi un cursus de M1 de mathématiques avec une composante statistique, de sciences de données et des compétences en informatique ou un cursus de M1 d'informatique ou d'intelligence artificielle avec une solide composante mathématique.

    Les candidatures seront ouvertes du 15 avril au 3 juillet 2025.

    Je candidate

    Bourses

    La Fondation Mathématique Jacques Hadamard (FMJH) offre des bourses de Master.
    En savoir plus

     

    Je candidate