Établissement : Faculté Polydisciplinaire à Larache
MASTER : Modélisation, Mathématiques Appliquées et Apprentissage
Coordonnateur de la filière : AMAL BERGAM
I. OBJECTIFS DE LA FORMATION : IV. CONDITIONS D'ACCES A LA FILIERE :
Lors de ces dernières décennies, les mathématiques – Diplômes requis :
appliquées au développement de l'Intelligence – Licence
Artificielle (IA) ont connu un grand essor, sur le plan – Licence (parcours d'excellence)
théorique et appliqué. En effet, la mise en – Licence des études fondamentales
– Licence en éducation
œuvre algorithmique nécessite aujourd'hui de – Tout diplôme équivalent
conjuguer un socle robuste de connaissances – Prérequis pédagogiques spécifiques :
théoriques et des compétences spécifiques (mise en
Algèbre linéaire, analyse réelle, calcul différentiel,
forme des données, technologies d'apprentissage et
analyse numérique, probabilités, statistique,
programmation…). Les data scientistes formés aux
méthodes de l'IA devront de plus en plus être programmation informatique.
capables d'expliquer ce qui se passe dans leurs – Procédures de sélection :
modèles et d'adapter leurs algorithmes à un
Etude du dossier :
contexte donné. D'où la nécessité d'abord d'une
modélisation des phénomènes réels décrivant des - Donner une note sur le dossier et classification des
problèmes thématiques, ensuite, des connaissances candidats par ordre de mérite (note sur 125)
en mathématiques appliquées (cours fondamentaux
d'optimisation, d'analyse numérique, de probabilités - Convoquer tous les candidats sélectionnés à
et de statistiques) qui met l'accent sur l'analyse l’examen écrit (max 8N). Si un entretien est
mathématique pour la mise en œuvre enfin, des programmé (l’écrit est noté sur 62,5 et l’entretien sur
algorithmes d'apprentissage automatique les plus 62,5), il faut convoquer à cet entretien un effectif
performants, avec des technologies informatiques maximum de 5N.
adaptées aux problèmes modélisés.
Test écrit:
II. COMPETENCES A ACQUERIR :
Toute absence à l’écrit (ou à l’entretien)
Calcul scientifique de haute performance
entraine l’élimination directe de la
– Modélisation des problèmes candidature
environnementaux Entretien.
– Modélisation appliquée à la finance
– Apprentissage automatique
– Analyse des données
III. DEBOUCHES DE LA FORMATION :
– Le Master Modélisation, Mathématiques
Appliquées et Apprentissage, offre des
débouchés dans de nombreux secteurs basés
sur la modélisation, la simulation et l’analyse des
données (Entreprises, laboratoires universitaires
internationaux ou des grands instituts de
recherche), soit intégrer directement, une
formation doctorale.
Établissement : Faculté Polydisciplinaire à Larache
MASTER : Modélisation, Mathématiques Appliquées et Apprentissage
Coordonnateur de la filière : AMAL BERGAM
V. ORGANISATION MODULAIRE DE LA FILIERE
M1 : Analyse fonctionnelle
M2 : Calcul de variations et contrôle
optimal
M3 : Analyse numérique matricielle
Semestre 1
M4 : Probabilité et statistiques
différentielles
M5 : Théorie des opérateurs et équations
aux dérivées partielles
M6 : Soft Sils
M7 :Langues étrangères (Français / Anglais)
M1 : Analyse de données et Data Mining
M2 : Optimisation linéaire et non linéaire
M3 : Méthodes de résolution numérique
des équations aux dérivées partielles
M4 : Chaines de Markov et méthodes de
Semestre 2
Monte Carlo
M5: Modélisation stochastique et
mathématiques financières.
M6 : Culture digitale
M7 : Langues étrangères (Français /
Anglais)
M1 : Fondamentaux du traitement du
langage naturel et de la vision
par ordinateur
M2 : Modélisation déterministe, logiciels
numériques avancés et Deep learning
M3 : Problèmes inverses et algorithmes
Semestre 3
génétiques
M4 : Théorie de l’apprentissage
automatique
M5 : Modélisation des systèmes
dynamiques et applications.
M6 : Culture ans art skills
M7 : LANGUES ETRANGERES
(FRANÇAIS/ANGLAIS)
M1 : Employment skills
Semestre 4
Projet de fin d’études
(Equivalent à 6 modules disciplinaires)
