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.

• Planning des cours accélérés en statistique, probabilité et optimisation, du 2 au 13 septembre 2024 : Planning Cours intensifs de rentrée Sept. 2024 - Mathématiques à l'IMO (MàJ 23/07/2024)
• Planning du premier semestre : Les cours optionnels de signal et de modèles génératifs probabilistes commencent plus tôt, les autres cours commencent à l'issue des cours intensifs.
• Emploi du temps annuel :   EDT SEMESTRE 1 (V.13/11/2024)
•  
• lien vers l'emploi du temps des modules informatiques

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.).