Master Statistique & Data Science,Ingénierie Mathématique
Université d’Orléans
Rentrée 2019
Statistique & Data Science, Ingénierie Mathématique� Compétences et Mots-clé
� Débouchés• Statisticiens et Data Scientist (banques, assurances,
organismes publiques de santé, environnement. . . )
• Ingénieurs mathématiciens, services R&D secteurs industriels• Recherche appliquée, en particulier thèses CIFRE
(bio-stat, épidémiologie, méthodes numériques pour la physique, la biologie, . . . )
Enquête Career Cast 2016
Nouvel Obs Janvier 2015
Master orientation Statistique & Data Science
Métiers des Statistiques et Data Scientists :
I Sondages, Statistiques officielles (INSEE)I Epidémiologie, santé (INSERM,. . . )I Environnement, Ecologie, biodiversité (INRA, . . . )I Industrie (qualité, fiabilité)I Data Science, Big DataI Décision (Business Intelligence)I Recherche (géostat, biostat, . . . )
Durées entre éruptions du "Old Faithful" (min)
densité
40 50 60 70 80 90 100
0.00
0.01
0.02
0.03
0.04
λ1 = 0.361
λ1 = 0.353
Densités de mélange estimées par algorithmes EM
EM gaussienEM semi-paramétrique
Master orientation Modélisation & Calcul Scientifique
Métiers à l’interface calcul scientifique/statistiques
I Développement de logiciels de calcul scientifique (Scilab,Matlab, . . .)
I Développement d’outils informatiques pour desapplications dans d’autres domaines . . .
I Biologie, Médecine, Industrie pharmaceutiqueI Simulation numériqueI Environnement (Risques industriels, pollution,. . . )I Climatologie (modèles de climat, prévisions)
Maquette 2019 : M1
STATISTIQUE & DATA SCIENCE, INGENIERIE MATHÉMATIQUEThématiques
M1 SEMESTRE 1 Outils Informatiquethème UE OBLIGATOIRES Présentiel Logiciels Probabilités et applications
Mise à niveau logiciels R et Scilab 12 R+Scilab Modélisation, Calcul
Probabilités 54 - Statistiques et “Data Science”
Optimisation 30 Scilab Traitement de l’Image
Signal 1 27 Scilab
Modélisation et calcul scientifique 1 27 Scilab
Fouille de Données 1 24 R
Statistiques pour le signal 24 R
Anglais 24 -
M1 SEMESTRE 2thème UE OBLIGATOIRES Présentiel Logiciel
Modélisation et calcul scientifique 2 32 Scilab
Statistique mathématique 40 -
Modèle linéaire et logiciel SAS 30 SAS
Statistiques pour l’image 30 R et Matlab
Bases de Données 1 24 mySQL
Simulation aléatoire et Monte Carlo 24 R
Anglais 24
Stage court OU mémoire/projet individuel -
Une UE À OPTIONS
choix Orientation Image Orientation Statistiques, Modélisation et Calcul
1 parmi Projet Image 1 Maths. et Finance 1 24
MASTER MENTION : Mathématiques Appliquées, Statistique
Maquette 2019 : M2
M2 SEMESTRE 3UE OBLIGATOIRES Présentiel Logiciel
Programmation C++ 45 C++
Processus Aléatoires 40 -
Statistique computationnelle 24 R
Fouille de Données 2 24 R ou SAS
Statistiques non paramétriques 40 R
BD 2 24 SQL
Anglais 20 -
Interventions Industriels 40 -
Calcul scientifique, outils numériques (python, gnuplot) 24 python
Séries temporelles (6h CM présentiel + projets par groupes) 6 SAS
Orientation Image Statistiques et Data Science Modélisation, Calcul
1 parmi Image 2 Big Data: outils et méthodes Modélisation/Calcul 3 12
Logiciel Matlab ou Python noSQL, Rhadoop Scilab ou Python Logiciel
SEMESTRE 4 = STAGE, 30 ECTS
UE À OPTIONS : 8 h CM présentiel + projets
Insertion professionnelle
� Exemples de stages récents en M1 et M2 :
• Organismes publics : Centre Hospitalier (CHRO), CPAM45, CAF centre, Mairie d’Orléans, Ministère dudéveloppement durable
• Banques, Assurances : BRED, BNP Paribas, Thélem,Axa, Groupama, Crédit Agricole Centre, MNH
• R&D du secteur privé : LVMH (Dior), AREVA, FranceTelecom Orange, Thalès, Renault, EDF, Hutchinson
• Instituts de recherche : INRA, INSERM, CEMAGREF(Eaux et Forêts), BRGM, Laboratoire CNRS
� 90% en moins de 2 ans en CDI ou CDD; quelques thèses
Insertion professionnelle : quelques exemples
M Cassandra (2017) : CDI ingénieur étude stat., SopraSteriaM Estelle (2017) : CDI Data Scientist, LincolnM Lydia (2017) : CDI Analyste Data mining, Assu2000M Sébastien (2016) : CDD Umanis Orléans (BI), CDI prévu
M Andréı̈ (2016) : CDI Thelem assurances
M Séverine (2015) : CDD Ingénieur Statisticien IFREMER Brest
M Aina (2014) : CDI (nov. 2015) SSII Data mining
M Sarah (2014) : CDI CNAM (stat, nov 2016)
M Solenne (2013) : Chargée d’études statistiques. CDI Assurances
M Cindy (2013) : Data Scientist, CDI dans une start-up, puis en Cabinet conseil
M Abdelhak (2013) : Ingénieur en TICE. Certification SAS ; CDI en SSII
M Julia (2013) : Ingénieur développements, CDI en SSII
Quelques témoignages. . .
Vie de Mathématicienne –Séverine Boucheron! 16 janvier 2017 " MADD Maths # Matheux de
l'industrie, Vie de Mathématicien $ 0
Que font les mathématiciens ? SéverineBoucheron (IFREMER) s’exprime sur le sujet àtravers une interview que nous lui avonsproposée.
1. D’où vient votre passion pour les mathématiques ? Et
pourquoi avez-vous décidé d’étudier les mathématiques ?
Ce qui m’avait attiré dans les mathématiques étant petite, c’était
le caractère logique et concret de cette matière. En effet, 3×3
faisait toujours 9 et la réponse à un problème était soit juste soit
fausse. A la suite du lycée j’ai décidé d’étudier les mathématiques
pour approfondir mes connaissances dans cette matière et
découvrir plus en détail les différentes applications des
mathématiques dans la vie de tous les jours.
2. Est-ce que vous pouvez nous parler de votre parcours
scolaire/universitaire ?
Après avoir obtenu un bac scientifique, j’ai fait une licence de
mathématiques puis un master de mathématiques appliquées
spécialisé en statistiques à l’université d’Orléans (ma ville
d’origine).
3. Avez-vous eu envie de poursuivre vos études universitaires
par une thèse ? Est-ce que vous vouliez continuer votre carrière
à l’université ?
Abonnez-vous pour recevoir
notre newsletter!
Souscrivez directement à notre
Flux RSS
Retrouvez-nous également sur
Facebook:
BRÈVES
Une énigme
sur le thème
du fast-food
rend fous les
internautes
Ce problème de maths est
devenu viral sur facebook. A
vous de jouer! Saurez-vous
trouver la réponse correcte ?
[Réponse]
FameLab –
concours de
communication scientifique
Participez à la nouvelle édition
du concours de
communication scientifique
Famelab en envoyant, avant le
MADD MATHSMATHÉMATIQUES APPLIQUÉES DIVULGUÉES ET DIDACTIQUES
ACCUEIL MATHOSPHÈRE INTERVIEWS ACTUALITÉS ENIGMES
RECHERCHE…
214J’aimeJ’aime PartagerPartager
Quelques témoignages. . .
- “Quinze heures seulement séparaient ma vie d’étudiante de celle deconsultante !”
- “Vous formez des étudiants qui savent chercher par eux-mêmes lorsqu’ils n’ontpas de solutions ; c’est ça qui m’a plu sur mes deux années de parcours ! Ce mixentre informatique et mathématique est réellement un plus”
- “Bases solides en mathématiques, programmation, compréhension destechniques : voici les points de ma formation qui ont plu a mes recruteurs”
- “Ce master m’a permis d’acquérir de solides compétences aux niveaux théoriqueet pratique. L’avantage de ce cursus est la diversité des domaines d’application”
- “Les TP avec les recherches, le debugging, la persévérance jusqu’à obtenir unrésultat, cela contribue à se sentir utile en entreprise et gagner en confiance”
- “On entend de plus en plus parler de Big data. C’est une notion importante quel’on a pu voir au cour du master. Je peux me rendre compte que chacun descours que j’ai suivi m’est aujourd’hui utile”
- “On s’acharne à utiliser les mathématiques pour résoudre des situations dedomaines inconnus pour nous ! C’est ce que j’attendais”
- “La formation à Orléans m’a permis d’avoir une bonne base pour ensuite mespécialiser en santé publique”
Dossiers de candidature : E-Candidat
http://www.univ-orleans.fr/sciences-techniques/etudes/inscription-master-mathématiques
� PHASE UNIQUE DE CANDIDATURE :I ouverture de l’accès aux candidats : printemps 2019I fermeture de l’accès aux candidats : à préciserI réponses aux candidats : dans les 2 mois
� Contacts : pré[email protected]
I Statistiques et Data Science : Didier Chauveau
I Modélisation et calcul scientifique : Magali Ribot, Carine Lucas
I Traitement de l’Image : Bruno Galerne
Architecture, objectifs, métiersInsertion professionnelle