Actualités
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 M2MIA 1er semestre 2024-2025
- Emploi du Temps M2MIA 2e semestre 2024-2025 (Mise à jour 02 Janvier 2025)
- Lien vers l'emploi du temps des modules informatiques
- Calendrier universitaire UPSAY 2024-2025
Séminaire entreprise 8 janvier 2025, amphi Yoccoz
- 14h00 : Benoit Da Costa & Ronald Berger Lefébure (iUMTEK)
- 14h50 : Geneviève Robin (Owkin)
- 15h40 : pause
- 15h55 : Baptiste Viera (Dassault Systèmes)
- 16h45 : cocktail
Journée ImpactIA vendredi 7 février 2025 à l’IJClab, auditorium Pierre Lehmann, à Orsay
Co-financée par la FMJH et DATAIA, la journée ImpAct s'adresse aux étudiants de master de Paris-Saclay, plus particulièrement
aux étudiants en mathématiques (Data Science, IA...).
- 10h00 : D’où vient l’IA? Un voyage entre trois continents. Paola Tubaro
- 11h00 : Quelle place pour l'IA dans un monde soutenable ? Anne-Laure Ligozat
- 13h30 : Les algorithmes au banc des accusés : les modèles prédictifs à l’épreuve des biais discriminatoires. Fabien Tarissan
- 14h30 : Faire de l'IA un allié dans la lutte pour la justice mondiale. Susan Perry
- 16h - 17h. Table ronde.
Plus d'information et inscription: site de la conférence
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
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
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.
Pièces demandées pour le dossier:
- CV, Lettre de motivation, relevés de notes de M1 pour les étudiant.e.s issu.e.s du M1 Math & IA ou M1 Mathématiques Appliquées de Paris-Saclay
- CV, Lettre de motivation, relevés de notes de 1A et 2A pour les élèves de CentraleSupelec
- CV, Lettre de motivation, relevés de notes depuis le bac, recommandations éventuelles, pour les autres candidat.e.s
- un certificat de niveau de langue en français pour les candidat.es qui ne sont pas de langue maternelle française
Bourses
La Fondation Mathématique Jacques Hadamard (FMJH) offre des bourses de Master.
En savoir plus
Je candidate