Présentation
Le niveau d'impact atteint par les Statistiques et Machine Learning est tel, qu'aucune organisation ne peut se permettre de l'ignorer. Le cursus "StatML" est une finalité du parcours "Mathématiques de l’Aléatoire" du Master "Mathématique et Applications " co-acrédité par l’Université Paris Saclay (sa formation soeur est Probabilités et Statistiques) et IP-Paris. Le nombre de place est limité à 20 étudiants.
Orientations et débouchés
La finalité du M2 StatML est tournée vers la compréhension scientifique de l'analyse de données et de l'apprentissage automatique. Son objectif principal est de vous préparer à une thèse (académique ou industrielle) et au développement des nouvelles générations d'outils d'analyse de données, de prédiction et de prise de décision. Le taux de poursuite en thèse ( académique ou CIFRE) est supérieur à 90%.
Modalités et inscription
Le nombre de place est limité à 20 étudiants.
L’accès se fait après examen du dossier. Le master StatML s’adresse en particulier aux
- Étudiants issus du M1 du master Mathématiques et Application de l'université Paris-Saclay (notamment le M1 Mathématiques Appliquées, spécialité Statistiques) ou de tout autre master de mathématiques
- Élèves des Ecoles Normales Supérieures
- Élèves de 4e année du cycle ingénieur polytechnicien ou issus du M1 mathématiques appliquées de l’Ecole Polytechnique
- 3e année de l’ENSAE, Telecom, Ecole Centrale-Supélec
- Étudiants d’établissements français ou internationaux possédant un bagage mathématique solide de niveau bac+4.
Toute candidature ne possédant pas un bon niveau M1 en mathématiques sera rejetée.
Les candidatures se font obligatoirement en ligne, soit via le site de candidature de Paris-Saclay pour les étudiants de Paris-Saclay, soit par le site de candidature de IP-Paris pour les candidats IP-Paris. Les candidats d'autres universités peuvent librement postuler via l'une ou l'autre des plate-formes.
Je candidate
Contacts et infos pratiques
Etablissement Université Paris-Saclay et IP-Paris
Responsable de la formation : Matthieu Lerasle
Secrétariat M2 : Florence Ferrandis et Séverine Simon
Localisation: Campus d'Orsay, Bâtiment 307, 1er étage, Bureau 1A2
Téléphone : 01-69-15-71-53
Adresse postale: Bâtiment 307, rue Michel Magat, Université Paris-Saclay, 91405 Orsay Cedex.
Planning cours intensifs de rentrée 2023-2024 : Cours intensifs 2023-2024 (mise à jour 11/09/2023)
Planning 1er semestre MDA-PS 2023-2024 : EDT M2 MDA PS S3 2023-2024 (Mise à jour 29/09/2023)
Planning 2e semestre MDA-PS 2022-2023 : EDT MDA-PS S4 2022-2023 (mise à jour 01/02/2023)
Programme
Premier semestre (30 ECTs)
27,5 ECTS à valider, parmi les cours suivants :
| Intitulé du cours | Enseignant | ECTS | Cours | TD | TP | Cours/TD | Cours/TP | TD/TP | Projet | Tutorat |
|---|---|---|---|---|---|---|---|---|---|---|
| Chaînes de Markov : approfondissements | Eric Moulines | 5 | 20h | |||||||
| Apprentissage statistique et rééchantillonnage | Sylvain Arlot | 5 | 20h | |||||||
| Concentration de la mesure | Pascal Massart | 5 | 20h | |||||||
| Convex Analysis and Optimization | Pascal Bianchi | 5 | ||||||||
| Concentration et sélection de modèles | Pascal Massart | 5 | 20h | |||||||
| Probabilités et statistiques en grande dimension | Matthieu Lerasle, Christophe Giraud | 10 | 30h | |||||||
| Sequential Learning | Etienne Boursier | 5 | 24h | |||||||
| Théorie ergodique | Frédéric Paulin | 7,5 | 25h | 12,5h | ||||||
| Generalisation Properties of Algorithms in Machine Learning | Aymeric Dieuleveut | 5 | ||||||||
| Statistical Learning Theory | Jaouad Mourtada | 2,5 | 20h | |||||||
| Stopping Times and Online Algorithms | Vianney Perchet | 5 | 20h | |||||||
| Systèmes Dynamiques | Frédéric Paulin | 7,5 | 25h | 12,5h | ||||||
| Théorèmes limites et applications | Igor Kortchemski | 5 | 20h | 10h | ||||||
| Estimation non paramétrique | Cristina Butucea | 2,5 | ||||||||
| Graphes aléatoires | Nicolas Curien | 7,5 | 25h | 12h | ||||||
| Mouvement brownien et calcul stochastique | Jean-François Le Gall | 7,5 | 28h | 20h | ||||||
| Percolation | Raphael Cerf | 5 | 20h | |||||||
| Projet Machine Learning pour la prévision | Yannig Goude | 7,5 | 36h |
Second semestre (30 ECTs)
16 ECTS à valider parmi les cours suivants :
| Intitulé du cours | Enseignant | ECTS | Cours | TD | TP | Cours/TD | Cours/TP | TD/TP | Projet | Tutorat |
|---|---|---|---|---|---|---|---|---|---|---|
| Inférence sur de grandes graphes | Laurent Massoulié | 4 | 20h | |||||||
| Processus de branchement et populations structurées | Vincent Bansaye | 4 | 20h | |||||||
| Temps locaux et théorie des excursions | Jean-François Le Gall | 4 | 16h | |||||||
| Analyse topologique des données | Frédéric Chazal | 4 | 20h | |||||||
| Calcul de Malliavin | Laurent Decreusefond | 4 | 20h | |||||||
| Combinatoire Analytique | Elie De Panafieu | 4 | 20h | |||||||
| Kernel and Operator-theoretic Methods in Machine Learning | Gilles Blanchard | 4 | 20h | |||||||
| Matrices aléatoires | Bertrand Eynard | 4 | 20h | |||||||
| Permutations aléatoires et théorie des représentations des groupes symétriques | Pierre-Loïc Méliot | 4 | 20h | |||||||
| Apprentissage séquentiel, optimisation et jeux | Joon Kwon | 4 | 20h | |||||||
| Modèles solubles en probabilités | Nathanael Enriquez | 4 | 20h |
Il est également possible de valider des cours dans d’autres parcours (d'autres M2 de Paris-Saclay ou même dans d'autres université) avec accord préalable d'un responsable du M2.
Séminaire des élèves
Un séminaire des élèves obligatoire (2.5 ECTS) est également organisé pour présenter aux étudiants des sujets de recherche actuels. Ces exposés sont aussi l’occasion de mettre en contact les étudiants avec des chercheurs de tous niveaux, de doctorant à professeur. Si vous souhaitez proposer un sujet de mémoire/stage/thèse aux étudiants du M2, contactez les responsables du M2.
>> Tous les mercredis de 13h à 14h, bâtiment 307, salle 1A14 , et les jeudis de 13h15 à 14h30 en salle 0A1<<
Mémoire ou stage
Pendant le second semestre, chaque étudiant prépare, à partir d’articles de recherche, un projet personnel encadré représentant 14 crédits ECTS.
Ce projet peut être remplacé par un stage en entreprise ou dans un organisme public de recherche.
Il est évalué par l’encadrant et par le jury du M2 qui effectue une soutenance orale de tous les candidats au début du mois de septembre de l’année universitaire suivante.
- Comment trouver un stage/mémoire
1) En suivant le séminaire des élèves.
2) En discutant avec l'équipe pédagogique du M2.
3) En choisissant parmi les propositions externes reçues au long de l'année.
4) En contactant directement des encadrant(e)s potentiels.
Dans tous les cas, le choix du mémoire ou du stage doit être validé par un responsable du M2 et aucun engagement ne doit être pris sans entretien préalable avec un responsable du M2.
- Evaluation du stage/mémoire
- Chaque étudiant prépare un mémoire pdf en latex (entre 20 et 50 pages) détaillant le sujet du stage (contexte scientifique, etc) et ayant un contenu mathématique consistant. Les contributions originales (éventuelles) sont soulignées.
- L’encadrant(e) propose une note permettant d’objectiver son appréciation du travail. Elle est indicative.
- Des soutenances orales regroupant toute la promotion sont organisées mi-septembre et le jury donne la note finale du stage/mémoire. Une seconde session peut être organisée (selon circonstances) en cas de problèmes.
Bourses
La Fondation Mathématique Jacques Hadamard (FMJH) offre des bourses de Master.
En savoir plus
Je candidate