Page d'accueil Formation INGÉNIEUR GÉNÉRALISTE Les options de 2e et 3e années

Option Mathématiques et applications

Certains cours sont mutualisés avec le Master Mathématiques et Applications de Nantes Université.

Présentation

L'objectif de l'option est d'offrir une formation généraliste en mathématiques appliquées, allant de notions fondamentales en analyse, probabilités et statistique jusqu’à des enseignements plus appliqués et professionnalisants en apprentissage statistique et calcul scientifique.

Le caractère généraliste de cette formation est un atout dans de nombreux secteurs d’activité qui nécessitent une bonne maîtrise de concepts et d’outils mathématiques pour répondre aux nouveaux enjeux techniques et économiques.

La formation a pour objectif de donner des bases mathématiques solides mais aussi une bonne culture des problématiques actuelles en mathématiques appliquées. Les intervenants de l’option mènent des activités de recherche en lien avec différents secteurs professionnels, ce qui permet d’illustrer les concepts et outils mathématiques sur des applications concrètes et de guider les étudiants vers de possibles orientations professionnelles.

Deux parcours sont proposés : "Statistique et Science des Données" et "Analyse et probabilités numériques".

Contribution aux objectifs du développement durable

ODD 7 : énergie propre et d'un coût abordable

ODD9 : Industrie, innovation et infrastructure

En savoir plus sur la contribution de Centrale Nantes aux objectifs du développement durable

Contenu pédagogique

Maquette 2023/2024 de l'option Mathématiques et applications
Semestre 7 ou 9 (autumn semester)	Semestre 8 ou 10 (spring semester)
Analyse fonctionnelle	Apprentissage statistique avancé
Apprentissage statistique	Quantification d'incertitudes
Probabilités	Projet 2
Méthodes numériques probabilistes	Stage
Processus stochastiques	Parcours "Analyse et probabilités numériques"
Projet 1	Modélisation pour la biologie et la santé
Parcours "Analyse et probabilités numériques"	Modélisation stochastique
Analyse numérique	Parcours "Statistique et Science des données"
Équations aux dérivées partielles	Méthodes bayésiennes et modèles hiérarchiques
Analyse numérique avancée	Fondements de l'apprentissage statistique
Parcours "Statistique et Science des données"
Statistique 1
Sciences des données avec R
Statistique 2

Télécharger le syllabus de l'option Mathématiques et applications pour l'année 2022/2023

Exemples de projets et de stages

Exemples de projets

Portfolio optimization
Monte Carlo methods for rare event estimation
Patterns of Alan Turing
Portfolio risk measures
Population dynamics and breast cancer tumor growth modelling
Data mining for the analysis of petroglyphs
Numerical simulation of the transport of nuclear waste
Matrix completion for painting restoration
Multilevel Monte Carlo methods for option pricing
Metamodelling of chaotic dynamical systems
Study of the graph of Erdos Renyi
Numerical simulation of neural influx in neurons
Approximation power of deep neural networks
Introduction to quantum computing

Exemples de stages

Classification and Forecasting of load curves - GDF Suez strategy division
Integration of external variables to optimize hotel prices - Amadeus
Reporting of investment funds - Prévoir
Actuarial problems in reinsurance - Wills Re
Reliability assessment of hybrid dynamical systems - EDF, Division Management of Industrial Risks
Combination of statistical models for photovoltaic power forecasting - Reuniwatt
Optimization of a statistical tool for sale forecasting - PSA
Stochastic methods for the solution of high-dimensional PDEs - Ecole Centrale Nantes
Environmental characterization of the aircraft fleet - Safran
Optimisation numérique pour la viticulture de précision - INRA
Prédiction de coûts de revalorisation de rentes - Generali
Le machine Learning appliqué aux abus de marchés - HSBC
NLP pour le traitement automatique de documents juridiques - Stackadoc
Passenger traffic forecasting models for decision support - SNCF
Peptide Retention Time Prediction - Functional Genomics Center Zurich

Et après ?

Les formations en mathématiques appliquées sont de plus en plus prisées par de nombreux secteurs industriels, autant pour les compétences techniques acquises qui sont propres à ce type de formation que pour les capacités d'abstraction et de généralisation développées par l'apprentissage des mathématiques.