Choisir son Master de Mathématique - Université de Nice Sophia Antipolis

 
Choisir son Master de Mathématique - Université de Nice Sophia Antipolis
Université de Nice Sophia Antipolis

Choisir son Master
de Mathématique
Choisir son Master de Mathématique - Université de Nice Sophia Antipolis
Les métiers
30 mois après leurs diplômes 97% des étudiants de
master Maths ont un emploi (contre 89% toutes
disciplines confondues). 75% travaillent dans le
privé.
Définir son projet professionnel

•   Enseignant (primaire, secondaire, supérieur ? Capes,
    Agrégation ? )
•   Chercheur (Entreprise, CNRS, INRIA, INSEE, CEA,
    CNES, ONERA ...)
•   Enseignant-Chercheur
•   Ingénieur Mathématicien ( quel domaine ?)
Source : CareerCast.com
Enseignant
❖   Concours Agrégation : 350/450 postes ouverts mais
    seulement 300 postes pourvus !!!
❖   Concours Capes : 1440 postes ouverts mais seulement
    1066 pourvus !!!

            Salaire           Certifié      Agrégé
             Stage             1795          2076
         Titularisation        2067          2334
              +10              2306          2896
              +20              2765          3547
              +30              3777          4555
(Enseignant)-Chercheur
Recrutement sous forme de concours à chaque                        Caractéristiques du métier :
                  niveau :

‣   Doctorat                                                        charge d’enseignement 192h/année

‣   Maître de conférence / Chargé de recherche
‣   Professeur des Universités / Directeur de                         activité importante de recherche
    recherche
                                                      tâches administratives (responsable de formation, organisation de
Nombreuses offres d’emploi au niveau européen       conférences, membre d’un conseil universitaire, membre de comité de
                                                                   sélection, évaluation de manuscrits …)

                                                                    mobilité importante (p.ex. PostDocs)
             Salaire début de carrière
                 1750 (doctorant)
           2150 (brut, MCF 1er échelon)                     grande flexibilité dans la gestion du temps de travail

                Salaire fin de carrière
            4500 (brut, MCF Hors classe)
    6200 (brut, Professeur Classe Exceptionnelle)
Ingénieur Mathématicien
                                                        Ingénieur Calcul Scientifique

         Taux d’insertion excellents                          Ingénieur R&D

En 2017, 90% des M2IM ont décroché un CDI en             Analyste Risque de crédit
 moins de 3 mois ou poursuivent leurs études
                  (doctorat)                                   Data Scientist

                                                               Biostatisticien

                                                     Développeur de logiciels financiers
          Salaire début de carrière
              2500/3000 (brut)
                                                         Chargé d’études marketing

                                                        Ingénieur maîtrise d’ouvrage

            Salaire fin de carrière            Ingénieur modélisation et simulation numérique
              4500/7000 (brut)
                                                          Développeur scientifique
La Formation
Enseignant
                                       Chercheur
                 Ingénieur

 Enseignant
secondaire ou
   de classe                            Doctorat
    prépa                                ( bac +
                                            8)

                Master ( bac + 5 )

 Technicien              Licence ( bac + 3)
Master Métiers de l’enseignement, de l’éducation et de la formation (MEEF)
                                  ESPE
                             M1 MEEF / M2 MEEF

                      Master Mathématiques et Applications
                                 UFR Sciences
Mathématiques Pures et           Mathématiques         Ingénierie Mathématique
 Appliquées ( MPA )            Fondamentales ( MF )              ( IM )
             M1 Commun MPA-MF                                 M1 IM
      M2 MPA                         M2 MF                     M2 IM
      Recherche                    Prépa-Agrég               Ingénierie

                             Master Idex UCA Jedi

     Mod4NeuCog                 MSc in Data Science        MSc QCSBD
    (BCL, I3S,LJAD)                (I3S, LJAD)        (INPHYNI, LJAD,I3S, iBV)

                      Masters Informatique & Master MIAGE
MASTER MEEF

❖   Le Master est porté par l’ Ecole Supérieures du Professorat et
    de l'Education : ESPE
❖   Le M1 prépare à la fois au métier et au concours du CAPES
    (stage de 4 semaines en établissement). Lourd en terme
    d'horaire et de travail mais le concours est actuellement très
    abordable en mathématiques.
❖   Le M2 est très allégé en terme d'horaire et accompagne le
    fonctionnaire stagiaire. Le poids du stage est très important.
❖   ESPE : Enseignants / Enseignants- Chercheurs
❖   Rectorat : Inspecteurs / Enseignants en poste dans le
    secondaire.
❖   UFR sciences : Chercheurs / Enseignants-Chercheurs.
Concours du CAPES

❖   Deux épreuves écrites d'admissibilité coeff 1 (5 h
    chacune) aux alentours du mois d’avril 2019
    (programme : secondaire + programme complémentaire
    (niveau L2) )
❖   Deux épreuves orales d'admission coeff 2 (programme
    secondaire mais avec le recul d'un M1) fin juin 2019
❖   Fonctionnaire stagiaire à mi-temps en 2019- 2020 payé
    plein temps.
Master Maths et Applications

❖   Parcours Mathématiques Pures et Appliquées (MPA)

❖   Parcours Mathématiques Fondamentales (MF)

❖   Parcours Ingénierie Mathématique (IM)
Parcours MPA
                                                                M2 MPA
          M1 MPA (commun avec MF)
                                                    Spécialisation dans un domaine
    Etudes approfondies de tous les domaines
                mathématiques                  (Algèbre-Géométrie/Analyse-EDP/ Probabilité-
                                                               Statistique)

•   En M1 socle commun en Mathématiques Fondamentales (analyse, algèbre et
    géométrie).
•   En M1 choix entre deux options de Mathématiques Appliquées (analyse
    numérique ou probabilité-statistique), communes avec parcours IM.
•   En M2 MPA cours avancés dans un bloc : Algèbre et Géométrie, EDP et
    Analyse numérique, Probabilités et Statistiques
M1 MPA (commun MF)

UE Mathématiques
                       6 cours de 72h             6 * 6 ECTS
 fondamentales

UE Mathématiques   2 cours de 72h + 1 cours
                            de 36h            2 * 6 ECTS + 3 ECTS
   Appliquées

  Informatique              60h                     3 ECTS

     Anglais                60h                     2 ECTS

 Mémoire de M1                                      4 ECTS

                          M2 MPA

UE Mathématiques      5 cours de 30h              5 * 6 ECTS

 Mémoire de M2          temps plein                30 ECTS
Statistiques M2 Recherche

        nombre d'étudiants inscrits   nombre d’étudiants continuant en thèse

2014                9                                   6

2015                6                                   3

2016                8                                   5

2017                11                                  6

2018                13                                  3
Parcours MF
    ❖   Le Parcours MF vise à préparer l’ étudiant à passer l’Agrégation de Mathématiques. Le M1
        MF est commun avec le M1 MPA.

    ❖   Le M2 MF peut aussi servir en même temps à solidifier ses connaissances avant de suivre
        un parcours recherche (M2 MPA).

                                   Concours de l’Agrégation

❖   2 écrits de 6h (en général 1 en analyse, 1 en algèbre)

❖   3 oraux (algèbre, analyse, modélisation)

❖   Oral analyse/algèbre : 3h préparation + 45 min. présentation (45 leçons possibles en
    algèbre et idem en analyse) avec proposition de deux démonstrations —> ne pas se
    contenter d’un 10/20 en licence et travailler les démos du cours.

❖   Oral modélisation : présentation d’ un texte scientifique + simulations sur ordinateur.
Semestre 1 ( M2 MF)                      Semestre 2 (M2 MF )

  Analyse réelle et                     Pedagogie Inversée en
                        6 ECTS / 64h                               12 ECTS / 128 h
   Probabilités                          Analyse et Algèbre

                                       Restitution structurée de
                                       connaissances en algèbre
Groupes et Géométrie    6 ECTS / 64h                               12 ECTS / 148 h
                                              et analyse

                                            Modélisation et
                                              Simulation
 Topologie et Calcul
                        6 ECTS / 64h        Option Calcul           6 ECTS / 54 h
    differentiel
                                        Scientifique ou Option
                                              Proba-Stat

   Intégration et
                        6 ECTS / 64h
   Holomorphie

 Algèbre linéaire et
                        6 ECTS / 64h
     bilinéaire
Statistiques Prépa-Agrégation

       nombre d'étudiants inscrits   étudiants admissibles   étudiants admis (/ étudiants
                                                              s'étant déplacés aux oraux )
2012               10                         8                          8/8
2013               9                          9                          7/7
2014               4                          4                          3/3
2015               11                         9                          4/6
2016               16                         13                         5/8
2017               16                         14                        6/11
2018               12                         9                          5/7
Parcours IM
           Informatique et
                                 Modélisation Stochastique et
    Mathématiques Appliquées à                                  Ingénierie Numérique
                                         Statistiques
     la Finance et à l’Assurance
                                                                      INUM
                                            MSS
             IMAFA

•   En M1 socle commun en probabilités-statistiques, analyse numérique et
    informatique (plusieurs cours communs avec le M1 MPA & MF).
•   En M1 cours optionnels pour MSS et INUM. Pour poursuivre en IMAFA,
    l’étudiant peut suivre INUM ou MSS au choix.
•   En M2, les étudiants se spécialisent selon l’option choisie ( collaboration avec
    Polytech )

•   Possibilité de continuer en Master Risk de l’EDHEC avec frais d’ inscription (23 500
    euros) réduits (1000 euros) pour le meilleur étudiant.
Le Master IM est ouvert à l’apprentissage en
M2 depuis 2018 !!!

 Expérience pro d’un an ( si apprenti ) et de 6 mois sinon

 Apprenti = Salaire > 80% smic durant tout le M2 (soit env. 10 000 euros)

 Seule formation Master en Maths en apprentissage du Sud de la France

 C’est l’étudiant qui doit trouver son contrat ( lors du M1 )

 Frais d’inscription gratuits
UE
                        140 h         9 ECTS             Programme M2 IM
Mathématiques

                     entre 90h et
UE Numérique                          6 ECTS
                        118h

 UE Sciences
 Humaines et            60 h          3 ECTS
  Sociales*

UE Projet de fin
                        15 h          4 ECTS
   d’études

  UE Métiers            96 h          8 ECTS

   Total 1er        entre 401 h et
                                      30 ECTS
   Semestre             429 h

  Stage en
                   temps plein + 4h   30 ECTS
  entreprise

* : pourra être délocalisé dans le temps au second semestre.
Masters IDEX UCA JEDI

❖   Master Mod 4 Neu Cog

❖   Master Data Science

❖   Master QCSBD
Master Mod 4 Neu Cog
Objectives

Double competence: applied mathematics and cognitive sciences

Based on independent study and research

Application of acquired knowledge in neuronal and cognitive research

      - miniprojects

     - self designed projects                       Overarching objective: promote joint
                                                    research in social science, computer
     - internships
                                                    science, applied mathematics and
Formal courses replaced by interactive learning     neuroscience (both experimental and
                                                    computational)
Maker/hacker philosophy (learn by making)

Promote creativity, autonomy and collaboration
MOD4NEUCOG

Progressive knowledge acquisition (from interactions to autonomy)
1. Highly interactive intensive "bootcamp" (mainly maths and computer science)
2. Basic courses (including biology and cognitive sciences)
3. Prospective research and innovation: non-academic contacts (medicine, startups,
  companies, art), research-based (evaluation of) innovations (prosthetic material, etc.), and
  philosophical discussions (transhumanism, AI, etc.)
4. Miniprojects
5. Self designed project
6. Two long internships (international)
MOD4NEUCOG: POTENTIAL PARTNERS
Brasil - Sao Paulo
Research, Innovation and Dissemination
Center for Neuromathematics (RIDC NeuroMat)

USA - Austin, Texas
MathNeuro Lab at the University of Texas

Denmark - Copenhagen
The Dynamical Systems Interdisciplinary
Network at the University of Copenhagen

Spain - Bilbao (Basque Country)
Basque center for applied mathematics (BCAM)

UK - Nottingham
UK Mathematical Neuroscience Network
MOD4NEUCOG: REQUIREMENTS
MOD4NEUCOG: COURSES

                      *=choose 3 of 4
MOD4NEUCOG

OpenNeuroLab
• Maker style
• Mini-fablab (LJAD)
• Accessible H24
• Openspace
• Encounters between students, researchers, artists, entrepreneurs, etc.

   Website: http://app.univ-cotedazur.fr/mod4neucog
    Email: krupa@unice.fr
Master QCSBD
  Quantitative and Computational Sciences for Biomedical Data

                          OBJECTIVE
Train the next generation of scientists experts
in computational biology and biomedical data science.
• Manage mathematical and computational methods in computational biology
• Master a wide panel of modeling approaches of biochemical and biophysical
  processes in cells and tissues.
• Master concepts and methods in data sciences for the analysis and
  interpretation of big data sets produced in modern biology ( “omics” data,
  images, signals, measurements)
ADMISSION

Student with a Bachelor (180 ECTS) in Mathematics, Computer Science,
Physics, or Sciences and Technologies with a strong motivation to work at
the interface with Biology.
Program

M1:                                M2:
Fundamental courses in:            • Advanced cell and tissue biology
  •   cell and tissue biology      • Cancer systems biology
  •   bioinformatics               • Computational biology for
                                     biology of aging
  •   data science
                                   • Formal and computational
  •   systems biology
                                     approaches for single cell biology
  •   biophysics
                                   • 6 months internship
3 months internship and/or lab
immersion on modeling and data
analysis projects on biological
topics.
Master Data Science
Data Science & AI
⌅   The field of Data Science & AI is one of the most strategic domain for:
        ⇤   research
        ⇤   education
        ⇤   and innovation.

⌅   There is however a significant effort to produce to satisfy the expectations!

⌅   The French government provides a strong support at the national level on these efforts
    (Villani report, Macron conference, 3IA).

    2
Data Science & AI @ UCA
⌅   Data Science & AI are in fact at the core of the Idex program JEDI since 2015 (one of the 9
    core programs),

⌅   We are building a Data Sicence & AI ecosystem:
        ⇤   where research, education and innovation enrich each other
            (the Maasai team, the MSc Data Science)
        ⇤   which is transdisciplinary (links with Medicine, Biology, Humanities, ...),
        ⇤   which is open to companies (seminars, case studies, ...) and general public (the SophIA
            summit).

    3
for the extraction of knowledge from masses of data.

The MSc Data Science program
     Program
A 2-year training program:
     First year:                         Semestre 2:
 ⌅ which mixes Mathematics, Computer Science and Business,
     Semestre 0: M10 - Refresher courses M14 - Theory of Statistical learning
    Program
 ⌅ with   2 possible
     Semestre  1:       tracks:          M15 - Practice of Machine Learning
     M11 - Statistical inference                          M16 - Data Visualization and distributed
     First year:                                         Semestre   2:
                                                                  systems
     M12 - Data0:Mining
     Semestre             and Big Data
                  M10 - Refresher  courses               M14
     M13 - Workshops and ethical aspects                  M17- Theory   of Statistical learning
                                                               - Case studies
     Semestre 1:                                         M15
                                                          M18- Practice
                                                                - Options of(Track-depending)
                                                                             Machine Learning
     M11 - Statistical inference                         M16 - Data Visualization and distributed
                                                          Semestre
                                                               systems 3: M19 - Internships
     M12 - Data Mining and Big Data
     M13 - Workshops and ethical aspects                 M17 - Case studies
                                                         M18 - Options (Track-depending)
                                                         Semestre 3: M19 - Internships
      Second year                                         Second year
      (track «Data Science for Research and               (track «Data Science for Marketing,
      Development», 5 modules to choose):                 Finance, Business and Development»):
      Second year                                        Second year
       Semestre 1:                                         Semestre 1:
      (track «Data Science for Research and              (track «Data Science for Marketing,
       M21 - Learning in high-dimensions                   M31 - Data Mining for Finance
      Development», 5 modules to choose):                Finance, Business and Development»):
       M22 - Bayesian and advanced learning                M32 - Big Data Applications for Financial
       M23 - Data
      Semestre     1: analysis                           Semestre Markets
                                                                    1:
       M24- Learning
      M21    - Medicalinand    networked data
                           high-dimensions                 M33  - Marketing Modeling
                                                         M31 - Data Mining for Finance
       M25--Bayesian
      M22      Random and Fields  and system
                               advanced  learning          M34  - Management
                                                         M32 - Big Data Applications for Financial
               performance
      M23 - Data    analysis                               M35Markets
                                                                - Mathematical Finance
       M26   - Deep
      M24 - Medical    learning  and webdata
                         and networked    mining           M36
                                                         M33    - Case Studies
                                                              - Marketing Modeling
       M27--Random
      M25      Information    theory
                         Fields       and smart cities
                                 and system                M37- Management
                                                         M34    - Maths module (to choose in track A)
       M28 -performance
               Data streams and e-health                 M35 - Mathematical Finance
    4
      M26 - Deep learning and web mining                 M36 - Case Studies
       Semestre
      M27           2: M29 theory
           - Information     - Internship
                                     and smart cities    M37 - Maths module (to choose in track A)
      M28 - Data streams and e-health

     Future2:careers
     Semestre M29 - Internship
The MSc Data Science: the 2018 promotion

The first promotion:
 ⌅   started on September, 3rd, 2018,
 ⌅   8 nationalities (USA, Zimbawe, Ukraine, Cameroun, Iran, Albanie, Venezuela, ...),
 ⌅   backgrounds in Computer Science, Mathematics, Life Sciences but also Humanities!

     5
The MSc Data Science: a long-term vision
We build the program in a long-term vision:
 ⌅   local and national companies are involved in the program construction,
 ⌅   an Amadeus program in Data Science & AI will open in January 2019,
 ⌅   a certificate for employees of other companies will open in January 2020.

Information and news about the MSc Data Science:

             http://univ-cotedazur.fr/en/idex/formations-idex/data-science/
                           https://twitter.com/UCA_DataScience

     6
Master Informatique
Informatique

   L’informatique est une science
        L’informatique n’est pas plus la science des ordinateurs que
        l’astronomie n’est celle des téléscopes.

   D’innombrable domaines d’application
   I   Informatique                           I   Santé
   I   Réseau                                I   Biologie
   I   Sécurité                             I   Finance
   I   Génie industriel                      I   ...
   Une spécialisation croissante
   Dans 20 ans, l’informatique sera comme la médecine : très spécialisée.

                                                                                2/5
Pourquoi faire de l’Informatique ?

   N’importe qui peut coder ! Oui, mais salement.
   Tout le monde sait faire du vélo, mais qui monte le col de Vence ?
   Qui participe au tour de France ?
   Programme informatique
     I   Utilisable
     I   Maintenable
     I   Évolutif
     I   Et pas forcément par celui qui l’a écrit !

   Et il n’y a pas que le code . . .
   que ce soit en terme de savoirs ou de métiers.

                                                                         3/5
Organisation du Master Informatique

   Responsable Jean-Charles Régin – jcregin@gmail.com
      Master 1 trouver sa voie.
                 I S1 + S2 : cours.

      Master 2 se spécialiser.
                 I S3 : cours.
                 I S4 : stage en entreprise ou en laboratoire.

   Organisation des cours
   I   Choix de cours à la carte.             I   Apprentissage possible.
   I   Nombreux projets.                       I   Parcours recherche.
   Emploi du temps
    I   Les cours ont lieu dans le bâtiment des Lucioles à Sophia Antipolis.
    I   Le calendrier des jours de cours est fixé un an à l’avance.
    I   Les cours ont surtout lieu les lundis, mardis, et mercredis.

                                                                                 4/5
Insertion Professionnelle

   Enquêtes d’insertion professionnelle des diplômés
   Allez voir par vous même : http://butineur-ove.unice.fr/
   Et l’informatique ? Au top !
   325 diplômés de 2012 à 2015 dont 227 ont répondu aux enquêtes.

                    Indicateur                   À 18 mois   À 36 mois
    Taux d’insertion                                 94.6%       97.9%
    Poursuite d’étude                                           23.3%
    Emplois stables                                  90.6%       92.7%
    Emplois à temps plein                           98.8%       99.4%
    Emplois de niveau cadre ou intermédiaire        99.4%       99.4%
    Emplois situés en dehors de la région                      23.6%
    Salaire net mensuel médian à temps plein      2272§        2458§

   Les moins de 26 ans en PACA en 2014
   Salaire net mensuel moyen en 2014 : ⇠ 1700§.
                                                                           5/5
Questions ?

  Retrouvez-nous sur notre site web
 http://i3s.unice.fr/master-info/

Inscrivez-vous au concours UCAnCODE
       du 14 décembre prochain !
    Rejoignez-nous sur Facebook.

                                      5/5
Master MIAGE

https://www.miage-nice.fr
Après le master
Après un M2 MEEF
Après un M2 Maths & Applications
Après un M2 IM

❖   Postuler sur des offres d’emploi d’ ingénieur.
❖   Continuer en thèse académique ( rare ) ou en thèse
    CIFRE.
Après un M2 MPA
❖   Candidater pour une bourse de thèse académique au
    LJAD, ou dans un autre laboratoire ( en France ou à
    l’étranger ), ou sur une thèse CIFRE ( rare ).
❖   ~4/5 bourses maths au LJAD par an + bourses externes.
❖   Une fois la thèse soutenue, candidater sur un poste Mcf,
    cnrs, inria...
❖   Passer l’ « Agrégation spéciale docteurs » et devenir
    enseignant.
Concours Agrégation spéciale Docteurs (existe depuis 2017)

❖   1 écrit de 6h (en 2017: série d'exercices plus un problème
    au choix entre analyse et algèbre)
❖   3 oraux (un d'analyse/algèbre (pas au choix !), un de
    modélisation et un de "mise en perspective didactique
    d'un dossier de recherche")
❖   Session 2017 : 10 postes pourvus
Après un M2 MF

❖   Devenir enseignant au lycée ou en classe préparatoire.
❖   Faire le M2 MPA puis une thèse...
Après un Master Idex UCA Jedi
Après le M2 Mod 4 Neu Cog

❖   Candidater pour une bourse de thèse académique ou
    sur une thèse CIFRE.
❖   Postuler pour un poste d’Ingénieur en R&D dans le
    milieu médical, de la recherche biologique ou
    informatique.
Après le M2 QCSBD
❖   Ph. D programs in bioinforma1cs, biophysics, systems biology
❖   Research Engineer in private R&D sector of pharma companies,
    so
Après le M2 Data Science
❖   Thèse académique ou CIFRE
❖   Data scien1st
❖   chargé d’études sta1s1ques
❖   Data Miner
❖   Ges1onnaire bases de données …
Après un Master Informatique ou MIAGE
Contacts et Renseignements
Les métiers des mathématiques

Site web du département de Mathématiques de l’ Université de Nice ( avec sites web des masters IM,
MPA,MF, et liens vers Mod 4 Neu Cog, Data Science, QCSBD)

Site web du Master MEEF

Master Informatique & Master MIAGE

❖   Master 1 IM : Yves d’ Angelo                             ❖   Master Mod 4 Neu Cog : Martin Krupa

❖   Master 2 IM : Cédric Bernardin                           ❖   Master Data Science : Charles Bouveyron

❖   Master 1 MPA&MF : David Chiron                           ❖   Master QCSBD : Elisabeth Pecou

❖   Master 2 MPA : Andreas Höring

❖   Master 2 MF : Florent Berthelin                          ❖   Master Informatique : Jean-Charles Régin

❖   Master 1 MEEF : Denis Torralba                           ❖   Master MIAGE : Michel Winter

❖   Master 2 MEEF : Alain Patriti
Vous pouvez aussi lire
DIAPOSITIVES SUIVANTES ... Annuler