Objectifs et débouchés
Le parcours « Mathématiques de l’aléatoire » regroupe deux formations de haut niveau en probabilités, statistiques et Machine Learning. Il couvre un spectre large allant des aspects les plus fondamentaux de ce champ disciplinaire aux applications dans d’autres sciences et aux problèmes concrets posés par le monde socio-économique.
Le parcours mathématiques de l’aléatoire comprend deux finalités : « Probabilités, Statistiques » et « Statistique et Machine Learning ». La finalité "Probabilités Statistiques" est orientée vers les aspects théoriques et mathématiques du domaine et débouche majoritairement vers une thèse académique ou industrielle. La finalité "Statistiques et Machine Learning" couvre les aspects théoriques et opérationnels des Statistiques et Machine Learning et débouche aussi bien vers une thèse (académique ou indistrielle), que vers un poste en R&D.
Les objectifs de la formation sont :
1) d’apprendre à modéliser et étudier les phénomènes aléatoires, ainsi que d’explorer les applications de ces méthodes mathématiques dans d’autres sciences : physique statistique, physique théorique, biologie, écologie, théorie de l’information, théorie du signal...
2) de former à l’apprentissage statistique et aux méthodes et outils de la science des données.
Le parcours propose une vaste gamme de cours permettant d’étudier les aspects aussi bien théoriques qu’algorithmiques et logiciels de ces domaines.
Les débouchés principaux sont la poursuite en thèse, en mathématiques, en mathématiques appliquées, ou à l’interface des mathématiques avec le monde de l’entreprise. Les étudiants peuvent aussi s’insérer dans le monde économique dans les secteurs suivants : assurances, banques, laboratoires pharmaceutiques, grandes entreprises dans les secteurs du climat, de l’énergie et du transport, etc.
Qui contacter ?
- Responsable de la finalité "Probilités, Statistiques" : Nicolas Curien
- Responsable de la finalité "Statistiques et Machine Learning" : Matthieu Lerasle
- Secrétariat : Séverine Simon
