Niveau d'étude visé
Bac +5
ECTS
120 crédits
Durée
2 ans
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR Sciences de l'Homme et de la Société (SHS), Grenoble INP - Ensimag (Informatique, mathématiques appliquées et télécommunications), UGA
Langue(s) d'enseignement
Anglais, Français
Présentation
Voici un schéma de la structure du master Mathématiques et applications : à gauche les masters 1re année de tronc commun et de parcours, au centre et à droite les masters 2e années.
Cette formation est co-accréditée par l'Université Grenoble Alpes, Grenoble INP et l'Université Savoie Mont Blanc.
Plusieurs parcours sont proposés :
- 2e année de master Agrégation (préparation à l'agrégation)
- 2e année de master CyberSecurity (CySec)
- 2e année de master Mathématiques fondamentales (MF)
- MMAA (1re et 2e années Modélisation mathématique, analyse appliquée, porté par l'Université Savoie Mont Blanc)
- 2e année de master MSIAM (Science in industrial and applied mathematics)
- 2e année de master ORCO (Operations research, combinatorics and optimization)
- SSD (1re et 2e années de master Statistique et science des données, porté par l'UFR SHS de l'Université Grenoble Alpes)
Les deux troncs communs :
- 1re année de master Mathématiques générales, tronc commun en français
- 1re année de master Applied mathematics, tronc commun en anglais
Différenciation au niveau master 1re année : Les UE optionnelles proposées aux deux semestres du master 1re année peuvent aider à l'orientation vers les différents parcours de la mention. Le parcours SSD est indépendant des troncs communs. Le parcours MMAA est également indépendant des troncs communs mais peut être accessible au niveau master 2e année via ceux-ci.
Différenciation des parcours au niveau master 2e année (en dehors de SSD et MMAA) :
- Agrégation, basé sur le tronc commun Mathématiques générales
- CyberSecurity, accessible via les troncs communs Applied mathematics et Mathématiques générales ainsi que via le tronc commun Informatique de la mention Informatique
- MF basé sur le tronc commun Mathématiques générales
- MSIAM basé sur le tronc commun Applied mathematics, également accessible via le tronc commun Mathématiques générales
- ORCO accessible via les troncs communs Applied mathematics et Mathématiques générales ainsi que via le tronc commun Informatique de la mention Informatique
Le parcours Modélisation, mathématique et analyse appliquée est décrit sur le lien suivant
Les objectifs visés sont de former des spécialistes de mathématiques et d’informatique pour les métiers de l’ingénierie, de l’enseignement et de la recherche dans un large spectre de domaines des mathématiques pures et appliquées où la demande socio-économique est forte : sécurité et cryptologie, calcul scientifique, recherche opérationnelle, analyse des grandes masses de données, synthèse et traitement d’image, statistique, enseignement etc.
Référentiel ROME
Enseignement supérieur
Compétences
Les cours fondamentaux (entre 40 et 50 ECTS) sont proposés en français ou en anglais en première année de master. Les parcours orientés vers la recherche visent l'acquisition d'un corpus de compétences générales liées à la recherche, dont la capacité de formuler un problème, d'établir un état de l’art, d'estimer la faisabilité et l’impact d’une résolution de problème, d'établir puis de suivre une stratégie. Ces compétences sont acquises au cours du travail de TER, des projets et des stages de recherche en 1re et en 2e années de master (validés pour plus de 30 ECTS)
Une découverte du monde socio-économique est proposée à tous les étudiants à travers des modules d’initiation à l’entreprise, de projets et de stages industriels (au moins 36 ECTS pour les parcours d’orientation professionnelle), du forum des entreprises (présentation d'environ 40 entreprises, entretiens, tables rondes, etc) et de conférences thématiques données par des industriels.
Tous les étudiants ont également accès à des cours de langue (anglais ou français langue étrangère en fonction de leur niveau, pour 6 ECTS).
Formation internationale
- Doubles diplômes, diplômes conjoints, Erasmus Mundus
- Formation ayant des partenariats formalisés à l’international
- Formation tournée vers l’international
Dimension internationale
- Parcours Cybersecurity, ORCO et MSIAM dispensés entièrement en anglais, avec un recrutement international
- Parcours MF dispensé en anglais selon le public, avec un recrutement international
Organisation
Stage à l'étranger
En France ou à l'étranger
Programme
Sélectionnez un programme
Préparation à l'agrégation (Algèbre Analyse Modélisation)
Les métiers de l’enseignement sont un débouché important pour les étudiants en mathématiques. Ce parcours propose une préparation complète à tous les aspects du concours de l’agrégation externe de mathématiques (épreuves écrites et orales). Il permet aussi aux étudiants d’avoir une expérience d’enseignement sous la forme de tutorat étudiant, importante pour de futurs enseignants, ainsi que d’assurer leur niveau en anglais.
La formation a pour objectif la préparation au concours de l’agrégation externe de mathématiques. En couvrant un spectre étendu des mathématiques, elle permet également d’aborder une année de M2 Recherche en Mathématiques dans de bonnes conditions.
UE Algèbre 1
9 créditsUE Fonctions holomorphes
6 créditsUE Probabilités
9 créditsUE Analyse 1
9 crédits
UE Travail d'études et de recherche
6 créditsAu choix : 3 à 5 parmi 6
UE Actions de groupes et géométrie hyperbolique
6 créditsUE Algèbre effective et applications
6 créditsUE Géométrie différentielle
6 créditsUE Probabilités approfondies : chaînes de Markov et mécanique statistique
6 créditsUE Théorie spectrale, EDP et mécanique quantique
6 créditsUE Operations Research (MG et AM)
6 crédits
Au choix : 1 parmi 2
UE Stage
7 créditsUE Mathématiques générales
21 créditsUE Anglais agreg
3 crédits
UE Analyse et probabilités
12 créditsUE Algèbre et géométrie
12 créditsAu choix : 1 parmi 3
UE Modélisation calcul formel
6 créditsUE Modélisation probabilités statistiques
6 créditsUE Modélisation calcul scientifique
6 crédits
Parcours Mathématiques fondamentales
Le parcours Mathématiques fondamentales propose une formation de haut niveau à la recherche en mathématiques fondamentales. L'accès à ce parcours se fait en général à l'issue de la 1re année de master Mathématiques générales ou à l'issue du master 2e année Agrégation.
Les objectifs de la 2e année de master Mathématiques fondamentales sont l'initiation à la recherche en mathématiques fondamentales et la préparation à une éventuelle thèse de doctorat.
L'objectif de la 1re année de Mathématiques générales est de fournir une culture solide en mathématiques, afin de permettre une poursuite d'études en 2e année de master Mathématiques fondamentales ou Agrégation, ou dans d'autres 2e années de master de Mathématiques et de mathématiques appliquées.
UE Algèbre 1
9 créditsUE Fonctions holomorphes
6 créditsUE Probabilités
9 créditsUE Analyse 1
9 crédits
UE Travail d'études et de recherche
6 créditsAu choix : 3 à 5 parmi 6
UE Actions de groupes et géométrie hyperbolique
6 créditsUE Algèbre effective et applications
6 créditsUE Géométrie différentielle
6 créditsUE Probabilités approfondies : chaînes de Markov et mécanique statistique
6 créditsUE Théorie spectrale, EDP et mécanique quantique
6 créditsUE Operations Research (MG et AM)
6 crédits
Au choix : 1 parmi 2
Au choix : 2 parmi 3
UE Algebraic topology
12 créditsUE Pseudo-Riemannian geometry
12 créditsUE Complex differential geometry and invariant metrics
12 crédits
Au choix : 1 parmi 2
UE Stage de recherche
27 créditsUE Anglais
Parcours Operations research, combinatorics and optimization (ORCO)
Le semestre 9 correspond à la formation de spécialisation, le semestre 10 est constitué d'un stage en entreprise ou en laboratoire de 5 à 7 mois qui représente 30 ECTS.
Les objectifs scientifiques sont de :
- Former les étudiants aux fondements et méthodes de la recherche opérationnelle (programmation mathématique, théorie des graphes, complexité, programmation stochastique, heuristiques, algorithmes d’approximation etc)
- Préparer les étudiants à l’utilisation et au développement de ces méthodes pour résoudre des applications industrielles complexes (supply chain, ordonnancement, transport, revenue management etc) et implémenter les solutions logicielles correspondantes.
Le parcours est labellisé "Core AI" par MIAI.
UE Object-oriented and software design
3 créditsUE Partial differential equations and numerical methods
6 créditsUE Signal and image processing
6 créditsUE Geometric Modelling
6 créditsUE English
UE Applied probability and statistics
6 créditsUE Systèmes dynamiques
3 créditsUE Instabilities and Turbulences
3 créditsUE Turbulence
3 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Internship
3 créditsUE Numerical optimisation
6 créditsUE Operations Research (MG et AM)
6 créditsUE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Internship
3 créditsUE Numerical optimisation
6 créditsUE GS_MSTIC_Démarche Scientifique
6 créditsAu choix : 1 parmi 6
UE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE Operations Research (MG et AM)
6 créditsUE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Algèbre 1
9 créditsUE Fonctions holomorphes
6 créditsUE Probabilités
9 créditsUE Analyse 1
9 crédits
UE Travail d'études et de recherche
6 créditsAu choix : 3 à 5 parmi 6
UE Actions de groupes et géométrie hyperbolique
6 créditsUE Algèbre effective et applications
6 créditsUE Géométrie différentielle
6 créditsUE Probabilités approfondies : chaînes de Markov et mécanique statistique
6 créditsUE Théorie spectrale, EDP et mécanique quantique
6 créditsUE Operations Research (MG et AM)
6 crédits
Au choix : 1 parmi 2
UE Advanced models and methods in operations research
6 créditsUE Combinatorial optimization and graph theory
6 créditsUE Optimization under uncertainty
6 créditsUE Constraint Programming, applications in scheduling
3 créditsUE Graph and discrete structures
3 créditsUE Advanced heuristic and approximation algorithms
3 créditsUE Advanced mathematical programming methods
3 créditsUE Academic and industrial challenges
3 créditsUE Transport Logistics and Operations Research
6 créditsUE Advanced parallel system
6 créditsUE Multi-agent systems
3 créditsUE Fundamentals of Data Processing and Distributed Knowledge
6 créditsUE Scientific methodology regulatory and ethical data usage
6 créditsUE Large-scale data management and distributed systems
6 créditsUE Cryptographic engineering, protocols and security models, data privacy, coding and applications
6 créditsUE From Basic Machine Learning models to Advanced Kernel Learning
6 créditsUE Mathematical Foundations of Machine Learning
6 créditsUE Learning, Probabilities and Causality
6 créditsUE Statistical learning: from parametric to nonparametric models
6 créditsUE Mathematical optimization
6 créditsUE Safety Critical Systems: from design to verification
6 créditsUE Natural Language Processing & Information Retrieval
6 créditsUE Information Security
6 créditsUE Human Computer Interaction
6 créditsUE Next Generation Software Development
6 crédits
UE Stage
30 crédits
UE GS_MSTIC_Ethique de la recherche
6 créditsUE Advanced models and methods in operations research
6 créditsUE Combinatorial optimization and graph theory
6 créditsUE Optimization under uncertainty
6 créditsUE Constraint Programming, applications in scheduling
3 créditsUE Graph and discrete structures
3 créditsUE Advanced heuristic and approximation algorithms
3 créditsUE Advanced mathematical programming methods
3 créditsUE Academic and industrial challenges
3 créditsUE Transport Logistics and Operations Research
6 crédits
UE Stage
30 crédits
Parcours Cybersecurity
L'impact économique des pertes dues à la cybercriminalité s'élève dans le Monde à plusieurs centaines de milliards d'euros par an (445 milliards de dollars selon l'étude de McAfee/CSIS de 2014) avec une forte croissance des attaques, en particulier pour les vols d'identité et de données numériques, ainsi que les attaques malveillantes.
La protection face à ces vulnérabilités sont :
- Robustesse aux cyberattaques des infrastructures sensibles (e.g., stuxnet)
- Robustesse des composants de sécurité face aux vulnérabilités logicielles et fuites de données (e.g., heartbleed)
- Protection de la vie privée et sécurité des infrastructures cloud
- Conception robuste et évaluation des composants de sécurité
- Détection de failles dans les protocoles ou les composants logiciels et matériels
Les thèmes abordés dans la formation englobent les domaines complémentaires de la Cybersécurité, y inclus la cryptologie, le forensic et la protection de la vie privée en particulier pour les systèmes embarqués et les architectures distribuées.
L'objectif du parcours est de former des experts en cybersécurité (incluant les aspects «Data privacy») à bac + 5 capable d'évoluer immédiatement en milieu industriel et pouvant aussi poursuivre en thèse.
Le parcours est labellisé "Core AI" par MIAI
UE Object-oriented and software design
3 créditsUE Partial differential equations and numerical methods
6 créditsUE Signal and image processing
6 créditsUE Geometric Modelling
6 créditsUE English
UE Applied probability and statistics
6 créditsUE Systèmes dynamiques
3 créditsUE Instabilities and Turbulences
3 créditsUE Turbulence
3 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Internship
3 créditsUE Numerical optimisation
6 créditsUE Operations Research (MG et AM)
6 créditsUE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Numerical optimisation
6 créditsUE GS_MSTIC_Démarche Scientifique
6 créditsAu choix : 1 parmi 6
UE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE Operations Research (MG et AM)
6 créditsUE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Algèbre 1
9 créditsUE Fonctions holomorphes
6 créditsUE Probabilités
9 créditsUE Analyse 1
9 crédits
UE Travail d'études et de recherche
6 créditsAu choix : 3 à 5 parmi 6
UE Actions de groupes et géométrie hyperbolique
6 créditsUE Algèbre effective et applications
6 créditsUE Géométrie différentielle
6 créditsUE Probabilités approfondies : chaînes de Markov et mécanique statistique
6 créditsUE Théorie spectrale, EDP et mécanique quantique
6 créditsUE Operations Research (MG et AM)
6 crédits
Au choix : 1 parmi 2
UE Software security, secure programming and computer forensics
3 créditsUE Security architectures
6 créditsUE Cryptographic engineering, protocols and security models, data privacy, coding and applications
6 créditsUE Threat and risk analysis, IT security audit and norms
3 créditsUE Physical Security : Embedded, Smart Card, Quantum & Biometrics
6 créditsAu choix : 1 à 2 parmi 2
UE Advanced Security
6 créditsUE Advanced Cryptology
6 crédits
UE Stage Cybersecurité
30 crédits
UE Software security, secure programming and computer forensics
3 créditsUE GS_MSTIC_Ethique de la recherche
6 créditsUE Cryptographic engineering, protocols and security models, data privacy, coding and applications
6 créditsUE Threat and risk analysis, IT security audit and norms
3 créditsUE Physical Security : Embedded, Smart Card, Quantum & Biometrics
6 créditsAu choix : 1 parmi 2
UE Advanced Security
6 créditsUE Advanced Cryptology
6 crédits
UE Stage Cybersecurité
30 crédits
Master of Science in industrial and applied mathematics (MSIAM)
Currently, applied mathematics is an area that provides many job opportunities, in industry and in the academic world. There is a great demand for mathematical engineers on topics such as scientific computation, big data analysis, imaging and computer graphics, with applications in many fields such as physics, medicine, biology, engineering, finance, environmental sciences.
The master of Science in industrial and applied mathematics (MSIAM) offers a large spectrum of courses, covering areas where the research in applied math in Grenoble is at the best level. Our graduates are trained to become experts and leaders in scientific and technological projects where mathematical modeling and computing issues are central, in industry or research. A large and distinguished graduate Faculty participate in the program, bringing their expertise in a wide range of areas of mathematics including applied analysis, numerical analysis and scientific computing, probability theory and statistics, computational graphics, image analysis and processing, and applied geometry.
The academic program is a two-year master program (120 ECTS), fully taught in English. It combines three semesters of courses and laboratory work (90 ECTS) with a six-month individual research project (30 ECTS).
The first year is composed of a common core which provides theoretical and practical grounds in probability and statistics, PDE and modelling, images and geometry as well as computer sciences, optimisation and cryptology.
In the second year, the first semester is divided in 2 tracks :
- Modeling, Scientific Computing and Image analysis (MSCI)
- Data Science (DS)
The second semester is devoted to the master thesis project.
The course is labelled "Core AI" by MIAI.
UE Object-oriented and software design
3 créditsUE Partial differential equations and numerical methods
6 créditsUE Signal and image processing
6 créditsUE Geometric Modelling
6 créditsUE English
UE Applied probability and statistics
6 créditsUE Systèmes dynamiques
3 créditsUE Instabilities and Turbulences
3 créditsUE Turbulence
3 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Internship
3 créditsUE Numerical optimisation
6 créditsAu choix : 2 parmi 6
UE Operations Research (MG et AM)
6 créditsUE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Computing science for big data and HPC
6 créditsUE Project
3 créditsUE Numerical optimisation
6 créditsUE GS_MSTIC_Démarche Scientifique
6 créditsAu choix : 1 parmi 6
UE Introduction to cryptology (AM)
6 créditsUE Introduction to cryptology
3 créditsUE Algebraic Algorithms for Cryptology
3 crédits
UE Operations Research (MG et AM)
6 créditsUE 3D Graphics (AM)
6 créditsUE Turbulences
6 créditsUE Statistical learning and applications
6 créditsUE Variational methods applied to modelling
6 crédits
UE Software development tools and methods
3 créditsUE Modeling seminar and projects
6 créditsUE Geophysical imaging
3 créditsUE An introduction to shape and topology optimization
3 créditsUE Refresh courses
0 créditsUE GPU Computing
6 créditsUE Differential Calculus, Wavelets and Applications
6 créditsUE Fluid Mechanics and Granular Materials
6 créditsUE Handling uncertainties in (large-scale) numerical models
6 créditsUE Temporal, spatial and extreme event analysis
6 créditsUE Advanced Machine Learning: Applications to Vision, Audio and Text
6 créditsUE Natural Language Processing & Information Retrieval
6 créditsUE From Basic Machine Learning models to Advanced Kernel Learning
6 créditsUE Mathematical Foundations of Machine Learning
6 créditsUE Statistical learning: from parametric to nonparametric models
6 créditsUE Learning, Probabilities and Causality
6 créditsUE Mathematical optimization
6 créditsUE Data science seminars and Challenge
6 créditsUE Computational biology
6 créditsUE Quantum Information & Dynamics
6 créditsUE Numerical Mechanics
6 créditsUE Advanced numerical methods for PDEs and optimal transport problems
6 crédits
UE Research projects
30 crédits
UE GS_MSTIC_Ethique de la recherche
6 créditsUE Software development tools and methods
3 créditsUE Modeling seminar and projects
6 créditsUE Geophysical imaging
3 créditsUE An introduction to shape and topology optimization
3 créditsUE Refresh courses
0 créditsUE GPU Computing
6 créditsUE Differential Calculus, Wavelets and Applications
6 créditsUE Fluid Mechanics and Granular Materials
6 créditsUE Handling uncertainties in (large-scale) numerical models
6 créditsUE Temporal, spatial and extreme event analysis
6 créditsUE Advanced Machine Learning: Applications to Vision, Audio and Text
6 créditsUE Natural Language Processing & Information Retrieval
6 créditsUE From Basic Machine Learning models to Advanced Kernel Learning
6 créditsUE Mathematical Foundations of Machine Learning
6 créditsUE Statistical learning: from parametric to nonparametric models
6 créditsUE Learning, Probabilities and Causality
6 créditsUE Mathematical optimization
6 créditsUE Data science seminars and Challenge
6 créditsUE Computational biology
6 créditsUE Quantum Information & Dynamics
6 créditsUE Numerical Mechanics
6 créditsUE Advanced numerical methods for PDEs and optimal transport problems
6 crédits
UE Research projects
30 crédits
Parcours Statistique et sciences des données (SSD)
Ce parcours est proposé à la fois dans la mention Mathématique et applications de l'UFR IM2AG et dans la mention Mathématique informatique appliquées aux sciences humaines et sociales (MIASHS) de l’UFR SHS.
Le parcours Statistique et science de données (1re et 2e année) a pour objectif de former des professionnels de la statistique et de l’analyse décisionnelle pour l'industrie, l'administration publique et la recherche en statistique appliquée.
Ce parcours est labellisé "Core AI" par MIAI.
UE Probabilité
3 créditsUE Statistique inférentielle
3 créditsUE Logiciels spécialisés
6 créditsUE Outils de présentation et de recherche reproductible
3 créditsUE Analyse des données
3 créditsUE Compléments tests statistiques
3 créditsUE Base de données
3 créditsUE Modèles linéaires et GLM
3 créditsAu choix : 1 à 2 parmi 2
UE Anglais (si niveau B2 non atteint)
3 créditsUE FLE
3 crédits
UE Apprentissage statistique 1
3 créditsUE Projet tutoré et gestion de projet
6 créditsUE Visualisation de données
3 créditsUE Stage
9 créditsUE Données dépendantes 1 : séries temporelles
3 créditsUE Informatique décisionnelle
3 créditsAu choix : 1 parmi 2
UE Données d'entreprise
3 créditsUE Epidémiologie
3 crédits
UE Statistique computationnelle
3 créditsUE Statistique en grande dimension
3 créditsUE Estimation non paramétrique et fonctionnelle
3 créditsUE Apprentissage statistique 2
3 créditsUE Introduction à l'optimisation en Python et Julia
3 créditsAu choix : 4 à 6 parmi 5
UE Biostatistique avancée
3 créditsUE Fiabilité
3 créditsUE Fouille de textes
3 créditsUE Géostatistique, statistique spatiale
3 créditsUE Sondage
3 crédits
Au choix : 1 à 2 parmi 2
UE Anglais
3 créditsUE FLE
3 crédits
UE Projet / Gestion de projet
6 créditsUE Stage
24 crédits
Parcours Turbulences : Méthodes et Applications 2e année
Le parcours master M2 TMA (Turbulences : Méthodes et Applications) propose une nouvelle formation originale sur une thématique scientifique complexe et essentielle. L'approche pédagogique est innovante en recentrant d’abord l’enseignement sur la discipline scientifique, en l’occurrence la turbulence. A cheval sur 3 mentions (Physique, Mathématiques et applications, Mécanique) le parcours TMA s'intéresse à toutes les voies d’analyse de la turbulence avec une vision interdisciplinaire unique : mécanique des fluides, mathématiques, géophysique interne et externe, physique, astrophysique, chimie. La spécialisation se fera en fin de formation par le biais de modules applicatifs au choix et par un stage de M2 de 5 mois en laboratoire de recherche ou centre de recherche R&D. Les étudiants qui choisiront ce parcours souhaiteront devenir experts en mécanique des fluides et turbulence avant de s’orienter vers une application dans un domaine spécifique.
Les 2/3 des enseignements sont en français et 1/3 en anglais, ce qui nécessite un niveau de compréhension suffisant dans les deux langues.
Les étudiants choisiront pour leur expression la langue qu'ils maitrisent le plus.
Plus de renseignements sur le parcours Turbulences : Méthodes et Applications
Ce Parcours de Master vous donne la possibilité de candidater à la Graduate School de l’UGA et l’un de ses 15 programmes thématiques. La Graduate School UGA est un nouveau programme de formation par et pour la recherche qui a été lancé en 2021 au sein de l'Université Grenoble Alpes, et qui concerne l'ensemble des écoles et composantes de l'UGA.
L’objectif de ces programmes thématiques est d’offrir aux étudiants intéressés un programme de formation interdisciplinaire et d’excellence académique alliant cursus universitaire et stages en laboratoires. Chaque programme thématique développe un axe de recherche précis, permettant ensuite de poursuivre en thèse, ou d’avoir une insertion professionnelle directe.
Le programme regroupe des étudiants venant de mentions, parcours de Master ou filières d'ingénieurs différents et travaillant ensemble dans des enseignements spécifiques.
La participation à la Graduate School @UGA s’entend sur 2 ans (M1 et M2) et peut ouvrir la possibilité d’obtenir une bourse académique pour 2 ans pour les meilleurs étudiants internationaux (bacheliers non français).
Pour plus d’informations : https://www.univ-grenoble-alpes.fr/formation/graduate-school/
UE Physique theorique de la turbulence
3 créditsUE Ecoulements diphasiques turbulents
3 créditsUE Effet dynamo et rotation en turbulence
3 créditsUE Bilinguisme Anglais/Français compréhension
3 créditsUE Méthodes expérimentales avancées
3 créditsUE Méthodes numériques avancées
3 créditsAu choix : 4 parmi 11
UE Turbulence compressible
3 créditsUE Turbulence d’ondes
3 créditsUE Controle et turbulence de paroi
3 créditsUE Turbulence en couche limite atmosphérique
3 créditsUE Dynamique des plasmas astrophysiques
3 créditsUE GPU computing
6 créditsUE Dynamique des fluides géophysiques
6 créditsUE Data assimilation in geosciences
3 créditsUE Advanced Simulation Tools for Mechanics and the Environment
6 créditsUE Transfert de chaleur
6 créditsUE Advanced Machine Learning in Earth Sciences
3 crédits
UE Stage M2 5 mois
30 crédits
UE Algèbre 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
I. Compléments sur les anneaux
- Groupe des éléments inversibles. (ℤ/nℤ)∗, fonction d’Euler. Éléments irréductibles et éléments premiers. Pgcd et ppcm.
- Notion d’algèbre. Algèbre des polynômes en n indéterminées. Polynômes symétriques. Liens entre coefficients et racines d’un polynôme. En TD : séries formelles en une variable. Corps des fractions d’un anneau intègre.
- Anneaux noethériens, théorème de la base de Hilbert.
- Anneaux factoriels. Lemme de Gauss et lemme d'Euclide. Exemple : les anneaux principaux. Théorème de Gauss sur A[X], pour A factoriel. Polynômes irréductibles, critères d’irréductibilité sur A factoriel (Eisenstein, etc.).
II. Corps (les corps considérés sont commutatifs)
- Extensions de corps, degrés, multiplicité. Éléments algébriques, éléments transcendants, polynôme minimal, extension algébrique.
- Corps de rupture, corps de décomposition d’un polynôme.
- Clôture algébrique (définition), le corps ℂ des nombres complexes est algébriquement clos. Énoncé du théorème de Steinitz.
- Corps finis, existence et unicité, structure multiplicative. Racines de l’unité, polynômes cyclotomiques, irréductibilité sur ℤ.
III. Représentations des groupes finis sur ℂ
- Représentations d’un groupe fini. Représentations par permutations, représentations régulières.
- Représentations irréductibles, Théorème de Maschke.
- Morphismes de représentations. Lemme de Schur.
- Caractères. Caractère de Hom(V;W). Orthogonalité et décomposition des représentations. Formule de Burnside. Théorème fondamental de Frobenius et corollaires. Table des caractères. Orthogonalité des colonnes.
- Exemple : table de 𝔖4. Noyau d’un caractère. Application : critère de simplicité.
- Le cas des groupes abéliens. Groupe dual d’un groupe abélien fini. Transformée de Fourier discrète, cas de ℤ/nℤ et (ℤ/nℤ)2. Structure des groupes abéliens finis.
UE Fonctions holomorphes
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Fonctions holomorphes et analytiques, en particulier l’équivalence entre les deux notions, fonction exponentielle et logarithme, principe du prolongement analytique, principe des zéros isolés, formule de Cauchy pour le disque
- Propriétés élémentaires des fonctions holomorphes (inégalités de Cauchy, suites et séries de fonctions holomorphes, propriété de la moyenne et principe du maximum)
- Théorie de Cauchy (existence de primitives, théorèmes de Cauchy)
- Fonctions méromorphes (classification des singularités isolées, fonctions méromorphes, théorème des résidus, séries de Laurent)
- Théorème de la représentation conforme de Riemann
UE Probabilités
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Rappels élémentaires de théorie des probabilités
- Éléments de statistique
- Espérance conditionnelle
- Processus à temps discret
- Martingales
- Chaînes de Markov
UE Analyse 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Espaces de Lebesgue L^p(Omega)
Densité des fonctions C-infini à support compact dans Lp(Ω)
Théorème de Riesz-Fréchet-Kolmogorov (compacité dans Lp(Ω)).
Eventuellement : convolution L^p-L^q (dans R^n) inégalités de Young. ; dual de L^p (montré pour \ell^p)
Analyse de Fourier
Rappels sur la transformation de Fourier sur L^1(R^n)
Transformation de Fourier sur L^2(R^d)
Espace de Schwartz sur R^d, transformation de Fourier et convolution.
Eventuellement : brève présentation des distributions tempérées.
Séries de Fourier sur L^1(T), L^2(T), voire sur T^n
Application à la résolution des équations de la chaleur, des ondes, de Schrödinger, avec donnée initiale dans S(R^d), L^2(R^d) L^2(T). (et L^p(R^d), pour l’équation de la chaleur, par convolution avec le noyau de la chaleur)
Résolution de −∆u + u = f dans S(R^d). Terminologie EDP elliptiques, hyperboliques, paraboliques.
Solutions faibles
- pour les équations de transport (∂tu + c · ∂xu = f, c ∈ Rd), avec condition initiale, après résolution du cas classique (C^1) ;
- pour des EDP elliptiques, avec conditions au bord (Dirichlet homogène) : espace de Sobolev H^1 sur I ou Ω, et Rd : caractérisation par Fourier; espace H_0^1 ; lemme de Lax- Milgram.
UE Travail d'études et de recherche
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Cette UE propose une découverte de la recherche en mathématiques à travers l'étude d'un sujet décrivant un résultat ou une théorie mathématique, avec lesquels l'étudiant.e devra se familiariser afin de se les approprier et de pouvoir en rendre compte par un rapport écrit et un exposé oral.
En pratique, une liste de sujets est proposée au cours du premier semestre. Chaque étudiant.e sélectionne dans cette liste quatre sujets, classés de 1 à 4, puis le responsable de la formation attribue à chaque étudiant.e un sujet figurant dans la mesure du possible parmi ces quatre-là. Dès les attributions connues, chaque étudiant.e contacte l'auteur.e de son sujet, qui va l'encadrer pour ce travail tout au long du second semestre. Une fois que l'encadrant.e a présenté à l'étudiant.e le sujet et les détails du travail attendu, le binôme se rencontre régulièrement afin que l'étudiant.e puisse rendre compte de l'avancement de son travail et progresser dans celui-ci.
Le TER donne lieu à la rédaction d'un rapport écrit, rédigé en utilisant le logiciel LaTeX, comportant obligatoirement un résumé et une bibliographie, et à une soutenance orale d'une durée de 20 à 30 minutes, souvent suivie de questions, devant un jury qui comprend l'encadrant.e. Le rapport et la soutenance contribuent conjointement à l'évaluation du travail réalisé.
UE Actions de groupes et géométrie hyperbolique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Nous étudierons certains exemples de groupes Fuchsiens, et les pavages du disque qui leurs sont associés. Si le temps le permet, nous aborderons la géométrie hyperbolique de dimension trois sous l'angle des déformations de groupes Fuchsiens.
Descriptif
- Partie I. Géométrie des transformations de Möbius et géométrie hyperbolique
- Transformation de Möbius, inversions par rapports aux sphères, dans Rn, pour n surtout égal à 1, 2, 3.
- Plan et espace hyperbolique de dimension 3 : demi-plan et demi espace supérieurs
- Leurs isométries : interprétation matricielle et holomorphe, interprétation dynamique du spectre des matrices
- Partie II. Groupes Fuchsiens
- Actions discontinues et groupes discrets sur le plan hyperbolique
- Théorème de combinaison de Klein. Ping-pong, et sous-groupes libres de PSL(2,R)
- Cas de PSL(2, Z)
- Partie III. Ensembles limites et fractales
- Ensemble limite d'un sous-groupe discret de PSL(2,R), et de PSL(2,C)
- Déformations fractales d'ensembles limites
- Rencontre et familiarisation avec des outils logiciels d'illustration rigoureuse d'ensembles limites fractales
UE Algèbre effective et applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L'algèbre effective est le domaine des mathématiques où on s'intéresse au calcul exact des objets intervenant en algèbre au sens large (arithmétique des entiers, arithmétique des polynômes et algèbre linéaire sur un corps fini et sur les rationnels), avec l'objectif de les rendre efficaces par rapport à la taille des données, en estimant leur complexité. Les applications sont nombreuses : calcul formel, cryptographie, codes correcteurs (par exemple QR codes)... On montrera plusieurs exemples où des calculs modulo un nombre premier permet d'accélérer les calculs sur les rationnels.
Une partie des exercices nécessite l'utilisation d'un logiciel de calcul formel tel que Xcas sur PC, mobile ou calculatrice CAS.
Descriptif
- Arithmétique des polynômes à 1 variable (dont interpolation et FFT), arithmétique des entiers et liens entre eux. Puissance modulaire rapide, application: test de primalité, RSA.
- PGCD dans Z/pZ[X]. Application à la simplification dans Q[X]. Irréductibilité dans Z/pZ[X], application à la représentation des corps finis, application à la factorisation dans Q[X]. Calcul efficace dans GF(2,n).
- Théorème fondemental de l'algèbre : localisation de racines de polynômes dans C[X] (Newton, Aberth ; Sturm, Descartes). Résultant, algorithmes de calcul, application au calcul de primitives de fractions rationnelles, à la résolution de certains systèmes polynomiaux. Générateurs effectifs d'extensions de Q.
- Matrice à coefficients dans un corps fini et sur les rationnels: réduction de Gauss, déterminant, polynôme caractéristique. Applications : codes correcteurs.
UE Géométrie différentielle
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
- Rappels sur le calcul différentiel dans l’espace euclidien n n m
- Courbes et repères
- Calcul différentiel sur les surfaces de ℝ3 3
- Variétés abstraites
- Courbure
- Géométrie des surfaces de ℝ3 theorema egregium
- Théorème de Gauss-Bonnet
UE Probabilités approfondies : chaînes de Markov et mécanique statistique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
La première partie de l'UE sera consacrée à la théorie des chaînes de Markov en temps discret et à espace d'états discret ; il s'agira donc de couvrir un chapitre initialement prévu au programme de l'UE Probabilités du premier semestre que le manque de temps et les lacunes des étudiant·es concernant le programme de L3 empêchent régulièrement de traiter.
La deuxième partie constituera une introduction à la mécanique statistique, plus particulièrement à l'étude mathématique des transitions de phase dans des modèles sur réseau. On étudiera en détail le cas de référence du modèle d'Ising, l'un des modèles les plus célèbres et les plus étudiés dans ce domaine.
Si le temps le permet, une troisième partie présentera une introduction à des modèles de chaînes de Markov indexées par les arbres (percolation et modèle d'Ising sur des arbres).
Insertion dans le cursus de master Une partie du contenu de cette UE est au programme de l'agrégation : traitement complet des chaînes de Markov dans ce cadre, espérances conditionnelles, éventuelle\-ment un peu de martingales (convergence de martingales rétrogrades pour l'existence de mesures en volume infini à travers les équations DLR), topologies faibles, etc.
Il peut également servir à renouveler les exemples mobilisables dans ce contexte pour l'option A : conditionnements spatiaux, situations de TCL/non-TCL pour des variables aléatoires non indépendantes (convergence ou non de la magnétisation moyenne à haute température ou à basse température), dynamique de Glauber et algorithme de Metropolis-Hastings, etc.
Enfin, il vise à aborder, spécialement dans la troisième partie, des situations de recherche actuelles.
Simulations du modèle d'Ising sur le réseau carré à basse température (à gauche, phase ferromagnétique) et à haute température (à droite, phase paramagnétique)
Programme prévisionnel
- Partie I. Chaînes de Markov
- Classification des états
- Propriété de Markov forte
- Mesure invariante (conditions d'existence, unicité)
- Théorème ergodique
- Partie II. Modèle d'Ising
- Le modèle de Curie-Weiss -- Un modèle sans géométrie
- Mesures de Gibbs en volume fini
- Limite thermodynamique -- Pression et magnétisation
- Le modèle d'Ising sur Z -- Matrices de transfert
- Mesures en volume infini
- Fonctions locales et inégalités de corrélation
- Diagramme de phase du modèle d'Ising sur Z^d, d>1
- Critères d'unicité
- Brisure de symétrie à basse température -- Argument de Peierls
- Unicité à haute température
- Unicité en champ magnétique non nul -- Théorème de Lee-Yang
- Partie III. Chaînes de Markov indexées par les arbres
- Mesures de Gibbs sur les arbres
- Lois de bord
- Percolation, Ising
- Extrémalité et critères de reconstruction
UE Théorie spectrale, EDP et mécanique quantique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le but de ce cours est d'introduire les étudiants aux bases de la théorie spectrale des opérateurs elliptiques sur des domaines, et de voir quelques applications, notamment dans le cadre de la mécanique quantique.
Un des résultats clés du cours sera le fait que le Laplacien avec condition de Dirichlet dans un domaine Ω borné et lisse de Rd admet une base hilbertienne de fonctions propres régulières en vérifiant -Δ en = λ nen, où λ n → +∞ avec n∈ N.
Ce résultat sera un prétexte à l'étude de différents concepts : opérateurs compacts, ou à résolvante compacte, dans les espaces de Hilbert et leur "diagonalisation", espaces de Sobolev Hk( Ω) et leurs propriétés (injections de Sobolev par exemple), régularité des solutions d'EDP elliptiques.
Dans un second temps, nous souhaitons aussi présenter des applications à la théorie spectrale des opérateurs emblématiques de la mécanique quantique.
Le formalisme mathématique de la mécanique quantique sere présenté, puis nous discuterons le spectre de certains opérateurs de Schrödinger -Δ +V tels l'oscillateur harmonique ou le Laplacien sur le tore. Nous aborderons également l'existence et les propriétés de fonctions propres associées à la plus basse valeur propre d'un opérateur de Schrödinger en fonction du potentiel V via l'approche variationnelle.
Plus généralement, nous présenterons la caractérisation du spectre d'opérateurs par le min-max des quotients de Rayleigh, ainsi que le théorème de Courant sur le nombre de domaines nodaux des fonctions propres du Laplacien, et l'asymptotique de Weyl pour les valeurs propres sur un domaine. Des exemples simples de problèmes d'optimisation spectrale pourront aussi être présentés en TD, en fonction du temps disponible.
programme préliminaire
- Préliminaires sur les espaces de Hilbert : bases hilbertiennes, Lax-Milgram (en fonction de ce qui sera fait dans le cours du S1).
- Opérateurs compacts. Définition et propriétés du spectre. Théorème spectral pour les opérateurs compacts.
- Espaces de Sobolev Hk( Ω) sur des ouverts bornés réguliers de Rd, et leurs propriétés.
- Existence d'une base hilbertienne de fonctions propres pour le Laplacien sur un domaine borné régulier.
- Régularité elliptique et régularité des fonctions propres.
- Principes variationnels, min-max pour les valeurs propres.
- Le formalisme de la mécanique quantique : vecteur d'état/fonction d'ondes, opérateur Hamiltonien, évolution/équation de Schrödinger, observable, processus de mesure en mécanique quantique.
- Le spectre de certains opérateurs de Schrödinger -Δ +V dans Rd et les propriétés de son état fondamental. Exemple de l'oscillateur harmonique, du Laplacien sur le tore, de la particule dans un champ magnétique.
- Un peu de géométrie spectrale : théorème de Courant sur les domaines nodaux, asymptotique de Weyl. Optimisation spectrale dans des cas simples.
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Anglais scientifique (si niveau B2 non atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Il s'agit de viser le niveau de qualification B2 du Conseil de l'Europe, défini par ALTE, dans trois champs de compétences :
- Être capable de faire un exposé clair sur un sujet connu et répondre à des questions factuelles prévisibles
- Être capable de parcourir un texte pour retrouver l'information pertinente et en saisir l'essentiel
- Être capable de prendre des notes simples et en faire un usage raisonnable pour écrire une dissertation ou faire une révision
UE d'ouverture (uniquement si niveau C1 en Anglais atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Stage
Niveau d'étude
Bac +5
ECTS
7 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Mathématiques générales
Niveau d'étude
Bac +5
ECTS
21 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Anglais agreg
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Analyse et probabilités
Niveau d'étude
Bac +5
ECTS
12 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Algèbre et géométrie
Niveau d'étude
Bac +5
ECTS
12 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Modélisation calcul formel
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Modélisation probabilités statistiques
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Modélisation calcul scientifique
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Algèbre 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
I. Compléments sur les anneaux
- Groupe des éléments inversibles. (ℤ/nℤ)∗, fonction d’Euler. Éléments irréductibles et éléments premiers. Pgcd et ppcm.
- Notion d’algèbre. Algèbre des polynômes en n indéterminées. Polynômes symétriques. Liens entre coefficients et racines d’un polynôme. En TD : séries formelles en une variable. Corps des fractions d’un anneau intègre.
- Anneaux noethériens, théorème de la base de Hilbert.
- Anneaux factoriels. Lemme de Gauss et lemme d'Euclide. Exemple : les anneaux principaux. Théorème de Gauss sur A[X], pour A factoriel. Polynômes irréductibles, critères d’irréductibilité sur A factoriel (Eisenstein, etc.).
II. Corps (les corps considérés sont commutatifs)
- Extensions de corps, degrés, multiplicité. Éléments algébriques, éléments transcendants, polynôme minimal, extension algébrique.
- Corps de rupture, corps de décomposition d’un polynôme.
- Clôture algébrique (définition), le corps ℂ des nombres complexes est algébriquement clos. Énoncé du théorème de Steinitz.
- Corps finis, existence et unicité, structure multiplicative. Racines de l’unité, polynômes cyclotomiques, irréductibilité sur ℤ.
III. Représentations des groupes finis sur ℂ
- Représentations d’un groupe fini. Représentations par permutations, représentations régulières.
- Représentations irréductibles, Théorème de Maschke.
- Morphismes de représentations. Lemme de Schur.
- Caractères. Caractère de Hom(V;W). Orthogonalité et décomposition des représentations. Formule de Burnside. Théorème fondamental de Frobenius et corollaires. Table des caractères. Orthogonalité des colonnes.
- Exemple : table de 𝔖4. Noyau d’un caractère. Application : critère de simplicité.
- Le cas des groupes abéliens. Groupe dual d’un groupe abélien fini. Transformée de Fourier discrète, cas de ℤ/nℤ et (ℤ/nℤ)2. Structure des groupes abéliens finis.
UE Fonctions holomorphes
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Fonctions holomorphes et analytiques, en particulier l’équivalence entre les deux notions, fonction exponentielle et logarithme, principe du prolongement analytique, principe des zéros isolés, formule de Cauchy pour le disque
- Propriétés élémentaires des fonctions holomorphes (inégalités de Cauchy, suites et séries de fonctions holomorphes, propriété de la moyenne et principe du maximum)
- Théorie de Cauchy (existence de primitives, théorèmes de Cauchy)
- Fonctions méromorphes (classification des singularités isolées, fonctions méromorphes, théorème des résidus, séries de Laurent)
- Théorème de la représentation conforme de Riemann
UE Probabilités
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Rappels élémentaires de théorie des probabilités
- Éléments de statistique
- Espérance conditionnelle
- Processus à temps discret
- Martingales
- Chaînes de Markov
UE Analyse 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Espaces de Lebesgue L^p(Omega)
Densité des fonctions C-infini à support compact dans Lp(Ω)
Théorème de Riesz-Fréchet-Kolmogorov (compacité dans Lp(Ω)).
Eventuellement : convolution L^p-L^q (dans R^n) inégalités de Young. ; dual de L^p (montré pour \ell^p)
Analyse de Fourier
Rappels sur la transformation de Fourier sur L^1(R^n)
Transformation de Fourier sur L^2(R^d)
Espace de Schwartz sur R^d, transformation de Fourier et convolution.
Eventuellement : brève présentation des distributions tempérées.
Séries de Fourier sur L^1(T), L^2(T), voire sur T^n
Application à la résolution des équations de la chaleur, des ondes, de Schrödinger, avec donnée initiale dans S(R^d), L^2(R^d) L^2(T). (et L^p(R^d), pour l’équation de la chaleur, par convolution avec le noyau de la chaleur)
Résolution de −∆u + u = f dans S(R^d). Terminologie EDP elliptiques, hyperboliques, paraboliques.
Solutions faibles
- pour les équations de transport (∂tu + c · ∂xu = f, c ∈ Rd), avec condition initiale, après résolution du cas classique (C^1) ;
- pour des EDP elliptiques, avec conditions au bord (Dirichlet homogène) : espace de Sobolev H^1 sur I ou Ω, et Rd : caractérisation par Fourier; espace H_0^1 ; lemme de Lax- Milgram.
UE Travail d'études et de recherche
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Cette UE propose une découverte de la recherche en mathématiques à travers l'étude d'un sujet décrivant un résultat ou une théorie mathématique, avec lesquels l'étudiant.e devra se familiariser afin de se les approprier et de pouvoir en rendre compte par un rapport écrit et un exposé oral.
En pratique, une liste de sujets est proposée au cours du premier semestre. Chaque étudiant.e sélectionne dans cette liste quatre sujets, classés de 1 à 4, puis le responsable de la formation attribue à chaque étudiant.e un sujet figurant dans la mesure du possible parmi ces quatre-là. Dès les attributions connues, chaque étudiant.e contacte l'auteur.e de son sujet, qui va l'encadrer pour ce travail tout au long du second semestre. Une fois que l'encadrant.e a présenté à l'étudiant.e le sujet et les détails du travail attendu, le binôme se rencontre régulièrement afin que l'étudiant.e puisse rendre compte de l'avancement de son travail et progresser dans celui-ci.
Le TER donne lieu à la rédaction d'un rapport écrit, rédigé en utilisant le logiciel LaTeX, comportant obligatoirement un résumé et une bibliographie, et à une soutenance orale d'une durée de 20 à 30 minutes, souvent suivie de questions, devant un jury qui comprend l'encadrant.e. Le rapport et la soutenance contribuent conjointement à l'évaluation du travail réalisé.
UE Actions de groupes et géométrie hyperbolique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Nous étudierons certains exemples de groupes Fuchsiens, et les pavages du disque qui leurs sont associés. Si le temps le permet, nous aborderons la géométrie hyperbolique de dimension trois sous l'angle des déformations de groupes Fuchsiens.
Descriptif
- Partie I. Géométrie des transformations de Möbius et géométrie hyperbolique
- Transformation de Möbius, inversions par rapports aux sphères, dans Rn, pour n surtout égal à 1, 2, 3.
- Plan et espace hyperbolique de dimension 3 : demi-plan et demi espace supérieurs
- Leurs isométries : interprétation matricielle et holomorphe, interprétation dynamique du spectre des matrices
- Partie II. Groupes Fuchsiens
- Actions discontinues et groupes discrets sur le plan hyperbolique
- Théorème de combinaison de Klein. Ping-pong, et sous-groupes libres de PSL(2,R)
- Cas de PSL(2, Z)
- Partie III. Ensembles limites et fractales
- Ensemble limite d'un sous-groupe discret de PSL(2,R), et de PSL(2,C)
- Déformations fractales d'ensembles limites
- Rencontre et familiarisation avec des outils logiciels d'illustration rigoureuse d'ensembles limites fractales
UE Algèbre effective et applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L'algèbre effective est le domaine des mathématiques où on s'intéresse au calcul exact des objets intervenant en algèbre au sens large (arithmétique des entiers, arithmétique des polynômes et algèbre linéaire sur un corps fini et sur les rationnels), avec l'objectif de les rendre efficaces par rapport à la taille des données, en estimant leur complexité. Les applications sont nombreuses : calcul formel, cryptographie, codes correcteurs (par exemple QR codes)... On montrera plusieurs exemples où des calculs modulo un nombre premier permet d'accélérer les calculs sur les rationnels.
Une partie des exercices nécessite l'utilisation d'un logiciel de calcul formel tel que Xcas sur PC, mobile ou calculatrice CAS.
Descriptif
- Arithmétique des polynômes à 1 variable (dont interpolation et FFT), arithmétique des entiers et liens entre eux. Puissance modulaire rapide, application: test de primalité, RSA.
- PGCD dans Z/pZ[X]. Application à la simplification dans Q[X]. Irréductibilité dans Z/pZ[X], application à la représentation des corps finis, application à la factorisation dans Q[X]. Calcul efficace dans GF(2,n).
- Théorème fondemental de l'algèbre : localisation de racines de polynômes dans C[X] (Newton, Aberth ; Sturm, Descartes). Résultant, algorithmes de calcul, application au calcul de primitives de fractions rationnelles, à la résolution de certains systèmes polynomiaux. Générateurs effectifs d'extensions de Q.
- Matrice à coefficients dans un corps fini et sur les rationnels: réduction de Gauss, déterminant, polynôme caractéristique. Applications : codes correcteurs.
UE Géométrie différentielle
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
- Rappels sur le calcul différentiel dans l’espace euclidien n n m
- Courbes et repères
- Calcul différentiel sur les surfaces de ℝ3 3
- Variétés abstraites
- Courbure
- Géométrie des surfaces de ℝ3 theorema egregium
- Théorème de Gauss-Bonnet
UE Probabilités approfondies : chaînes de Markov et mécanique statistique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
La première partie de l'UE sera consacrée à la théorie des chaînes de Markov en temps discret et à espace d'états discret ; il s'agira donc de couvrir un chapitre initialement prévu au programme de l'UE Probabilités du premier semestre que le manque de temps et les lacunes des étudiant·es concernant le programme de L3 empêchent régulièrement de traiter.
La deuxième partie constituera une introduction à la mécanique statistique, plus particulièrement à l'étude mathématique des transitions de phase dans des modèles sur réseau. On étudiera en détail le cas de référence du modèle d'Ising, l'un des modèles les plus célèbres et les plus étudiés dans ce domaine.
Si le temps le permet, une troisième partie présentera une introduction à des modèles de chaînes de Markov indexées par les arbres (percolation et modèle d'Ising sur des arbres).
Insertion dans le cursus de master Une partie du contenu de cette UE est au programme de l'agrégation : traitement complet des chaînes de Markov dans ce cadre, espérances conditionnelles, éventuelle\-ment un peu de martingales (convergence de martingales rétrogrades pour l'existence de mesures en volume infini à travers les équations DLR), topologies faibles, etc.
Il peut également servir à renouveler les exemples mobilisables dans ce contexte pour l'option A : conditionnements spatiaux, situations de TCL/non-TCL pour des variables aléatoires non indépendantes (convergence ou non de la magnétisation moyenne à haute température ou à basse température), dynamique de Glauber et algorithme de Metropolis-Hastings, etc.
Enfin, il vise à aborder, spécialement dans la troisième partie, des situations de recherche actuelles.
Simulations du modèle d'Ising sur le réseau carré à basse température (à gauche, phase ferromagnétique) et à haute température (à droite, phase paramagnétique)
Programme prévisionnel
- Partie I. Chaînes de Markov
- Classification des états
- Propriété de Markov forte
- Mesure invariante (conditions d'existence, unicité)
- Théorème ergodique
- Partie II. Modèle d'Ising
- Le modèle de Curie-Weiss -- Un modèle sans géométrie
- Mesures de Gibbs en volume fini
- Limite thermodynamique -- Pression et magnétisation
- Le modèle d'Ising sur Z -- Matrices de transfert
- Mesures en volume infini
- Fonctions locales et inégalités de corrélation
- Diagramme de phase du modèle d'Ising sur Z^d, d>1
- Critères d'unicité
- Brisure de symétrie à basse température -- Argument de Peierls
- Unicité à haute température
- Unicité en champ magnétique non nul -- Théorème de Lee-Yang
- Partie III. Chaînes de Markov indexées par les arbres
- Mesures de Gibbs sur les arbres
- Lois de bord
- Percolation, Ising
- Extrémalité et critères de reconstruction
UE Théorie spectrale, EDP et mécanique quantique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le but de ce cours est d'introduire les étudiants aux bases de la théorie spectrale des opérateurs elliptiques sur des domaines, et de voir quelques applications, notamment dans le cadre de la mécanique quantique.
Un des résultats clés du cours sera le fait que le Laplacien avec condition de Dirichlet dans un domaine Ω borné et lisse de Rd admet une base hilbertienne de fonctions propres régulières en vérifiant -Δ en = λ nen, où λ n → +∞ avec n∈ N.
Ce résultat sera un prétexte à l'étude de différents concepts : opérateurs compacts, ou à résolvante compacte, dans les espaces de Hilbert et leur "diagonalisation", espaces de Sobolev Hk( Ω) et leurs propriétés (injections de Sobolev par exemple), régularité des solutions d'EDP elliptiques.
Dans un second temps, nous souhaitons aussi présenter des applications à la théorie spectrale des opérateurs emblématiques de la mécanique quantique.
Le formalisme mathématique de la mécanique quantique sere présenté, puis nous discuterons le spectre de certains opérateurs de Schrödinger -Δ +V tels l'oscillateur harmonique ou le Laplacien sur le tore. Nous aborderons également l'existence et les propriétés de fonctions propres associées à la plus basse valeur propre d'un opérateur de Schrödinger en fonction du potentiel V via l'approche variationnelle.
Plus généralement, nous présenterons la caractérisation du spectre d'opérateurs par le min-max des quotients de Rayleigh, ainsi que le théorème de Courant sur le nombre de domaines nodaux des fonctions propres du Laplacien, et l'asymptotique de Weyl pour les valeurs propres sur un domaine. Des exemples simples de problèmes d'optimisation spectrale pourront aussi être présentés en TD, en fonction du temps disponible.
programme préliminaire
- Préliminaires sur les espaces de Hilbert : bases hilbertiennes, Lax-Milgram (en fonction de ce qui sera fait dans le cours du S1).
- Opérateurs compacts. Définition et propriétés du spectre. Théorème spectral pour les opérateurs compacts.
- Espaces de Sobolev Hk( Ω) sur des ouverts bornés réguliers de Rd, et leurs propriétés.
- Existence d'une base hilbertienne de fonctions propres pour le Laplacien sur un domaine borné régulier.
- Régularité elliptique et régularité des fonctions propres.
- Principes variationnels, min-max pour les valeurs propres.
- Le formalisme de la mécanique quantique : vecteur d'état/fonction d'ondes, opérateur Hamiltonien, évolution/équation de Schrödinger, observable, processus de mesure en mécanique quantique.
- Le spectre de certains opérateurs de Schrödinger -Δ +V dans Rd et les propriétés de son état fondamental. Exemple de l'oscillateur harmonique, du Laplacien sur le tore, de la particule dans un champ magnétique.
- Un peu de géométrie spectrale : théorème de Courant sur les domaines nodaux, asymptotique de Weyl. Optimisation spectrale dans des cas simples.
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Anglais scientifique (si niveau B2 non atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Il s'agit de viser le niveau de qualification B2 du Conseil de l'Europe, défini par ALTE, dans trois champs de compétences :
- Être capable de faire un exposé clair sur un sujet connu et répondre à des questions factuelles prévisibles
- Être capable de parcourir un texte pour retrouver l'information pertinente et en saisir l'essentiel
- Être capable de prendre des notes simples et en faire un usage raisonnable pour écrire une dissertation ou faire une révision
UE d'ouverture (uniquement si niveau C1 en Anglais atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Algebraic topology
Niveau d'étude
Bac +5
ECTS
12 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Pseudo-Riemannian geometry
ECTS
12 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Complex differential geometry and invariant metrics
ECTS
12 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE 3d flows and their sections
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Knot theory and low-dimensional topology
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Stage de recherche
Niveau d'étude
Bac +5
ECTS
27 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Projet de recherche de fin d'études.
UE Anglais
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE Systèmes dynamiques
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours présente des manières géométriques de traiter et résoudre des problèmes décrits par des équations différentielles.
- chapitre I : Introduction : généralités sur les systèmes dynamiques
- chapitre II : Systèmes unidimensionnels : Les points fixes, linéarisation et stabilité, Exemple : le modèle logistique, Existence et unicité des solutions d'équations différentielles ordinaires
- chapitre III : Bifurcations : Bifurcation selle-nœud, Bifurcation transcritique, Bifurcation transcritique imparfaite, Bifurcation fourche, Bifurcation fourche supercritique, Bifurcation fourche sous-critique, Bifurcation fourche supercritique imparfaite
- chapitre IV : Champ de vecteur sur un cercle : Oscillateur uniforme, Oscillateur non-uniforme
- chapitre V : Flots bidimensionnels et applications : Existence et unicité des solutions et conséquences topologiques, Systèmes linéaires, Systèmes non-linéaires : linéarisation proche des points fixes, Cycles limites, Le théorème de Poincaré-Bendixson, Systèmes Liénard, Systèmes gradients, Fonctions de Liapunov
- chapitre VI : Bifurcations bidimensionnelles : Bifurcations selle-nœud, transcritique et fourche, Bifurcation de Hopf, Bifurcations globales de cycles
UE Instabilities and Turbulences
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
This course presents basic notions on instabilities and turbulence. We try to be as progressive as possible and to base our presentation on analyses of real experiments and real flows. We review few mathematical methods to analyze nonlinear systems in terms of instabilities. The students have to use their new knowledge to run and analyze numerical simulations of very simple systems. We then study some of the most important physical mechanisms for fluid instabilities and the corresponding criteria. We quickly present a zoology of common fluid instabilities and discuss the mechanisms and the possible technical implications. We give a broad introduction on turbulence and describe few fundamental methods and results, in particular the Richardson cascade, the Reynolds decomposition and the Kolmogorov spectra.
Teaching program:
1. General introduction
- Instabilities and turbulence, interest?
- Reynolds experiment and Reynolds number
- Incompressible Navier-Stokes equations: diffusion and advection
- An example: the wake of a cylinder
2. Instabilities and transition to turbulence
- Systems with few degrees of freedom
- Fluid instability mechanisms and conditions
- Other flows examples
3. Effects of variable density
- Boussinesq approximation
- Unstable stratification, Rayleigh-Taylor instability
- Rayleigh-Benard instability (Ra, Nu)
- Stable stratification, Kelvin-Helmoltz instability and Richardson number
4. Turbulence
- Introduction, Richardson cascade
- Average and Reynolds decomposition
- Experimental and numerical methods to study turbulence
- Statistical descriptions
For this course, the students have to write in LaTeX a report on their practical work. Thus, we spent some time for a first gentle introduction of this tool widely used in scientific academia.
UE Turbulence
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce module est une introduction à la turbulence phénoménologique et statistique. On s’intéresse aux définitions et propriétés de la turbulence en terme de processus physiques et leur description dans des familles types d’écoulements cisaillés que l’on peut retrouver dans la nature et en ingénierie.
jet turbulent
jet turbulent
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Internship
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Industrial and/or research internship.
The students have to do an internship (of at least 8 weeks from mid May to end of August, see the planning) in a company or in a laboratory. No report is required (except for Ensimag students that follow the double diploma, who have to give a report to ensimag).
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Internship
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Industrial and/or research internship.
The students have to do an internship (of at least 8 weeks from mid May to end of August, see the planning) in a company or in a laboratory. No report is required (except for Ensimag students that follow the double diploma, who have to give a report to ensimag).
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE GS_MSTIC_Démarche Scientifique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Algèbre 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
I. Compléments sur les anneaux
- Groupe des éléments inversibles. (ℤ/nℤ)∗, fonction d’Euler. Éléments irréductibles et éléments premiers. Pgcd et ppcm.
- Notion d’algèbre. Algèbre des polynômes en n indéterminées. Polynômes symétriques. Liens entre coefficients et racines d’un polynôme. En TD : séries formelles en une variable. Corps des fractions d’un anneau intègre.
- Anneaux noethériens, théorème de la base de Hilbert.
- Anneaux factoriels. Lemme de Gauss et lemme d'Euclide. Exemple : les anneaux principaux. Théorème de Gauss sur A[X], pour A factoriel. Polynômes irréductibles, critères d’irréductibilité sur A factoriel (Eisenstein, etc.).
II. Corps (les corps considérés sont commutatifs)
- Extensions de corps, degrés, multiplicité. Éléments algébriques, éléments transcendants, polynôme minimal, extension algébrique.
- Corps de rupture, corps de décomposition d’un polynôme.
- Clôture algébrique (définition), le corps ℂ des nombres complexes est algébriquement clos. Énoncé du théorème de Steinitz.
- Corps finis, existence et unicité, structure multiplicative. Racines de l’unité, polynômes cyclotomiques, irréductibilité sur ℤ.
III. Représentations des groupes finis sur ℂ
- Représentations d’un groupe fini. Représentations par permutations, représentations régulières.
- Représentations irréductibles, Théorème de Maschke.
- Morphismes de représentations. Lemme de Schur.
- Caractères. Caractère de Hom(V;W). Orthogonalité et décomposition des représentations. Formule de Burnside. Théorème fondamental de Frobenius et corollaires. Table des caractères. Orthogonalité des colonnes.
- Exemple : table de 𝔖4. Noyau d’un caractère. Application : critère de simplicité.
- Le cas des groupes abéliens. Groupe dual d’un groupe abélien fini. Transformée de Fourier discrète, cas de ℤ/nℤ et (ℤ/nℤ)2. Structure des groupes abéliens finis.
UE Fonctions holomorphes
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Fonctions holomorphes et analytiques, en particulier l’équivalence entre les deux notions, fonction exponentielle et logarithme, principe du prolongement analytique, principe des zéros isolés, formule de Cauchy pour le disque
- Propriétés élémentaires des fonctions holomorphes (inégalités de Cauchy, suites et séries de fonctions holomorphes, propriété de la moyenne et principe du maximum)
- Théorie de Cauchy (existence de primitives, théorèmes de Cauchy)
- Fonctions méromorphes (classification des singularités isolées, fonctions méromorphes, théorème des résidus, séries de Laurent)
- Théorème de la représentation conforme de Riemann
UE Probabilités
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Rappels élémentaires de théorie des probabilités
- Éléments de statistique
- Espérance conditionnelle
- Processus à temps discret
- Martingales
- Chaînes de Markov
UE Analyse 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Espaces de Lebesgue L^p(Omega)
Densité des fonctions C-infini à support compact dans Lp(Ω)
Théorème de Riesz-Fréchet-Kolmogorov (compacité dans Lp(Ω)).
Eventuellement : convolution L^p-L^q (dans R^n) inégalités de Young. ; dual de L^p (montré pour \ell^p)
Analyse de Fourier
Rappels sur la transformation de Fourier sur L^1(R^n)
Transformation de Fourier sur L^2(R^d)
Espace de Schwartz sur R^d, transformation de Fourier et convolution.
Eventuellement : brève présentation des distributions tempérées.
Séries de Fourier sur L^1(T), L^2(T), voire sur T^n
Application à la résolution des équations de la chaleur, des ondes, de Schrödinger, avec donnée initiale dans S(R^d), L^2(R^d) L^2(T). (et L^p(R^d), pour l’équation de la chaleur, par convolution avec le noyau de la chaleur)
Résolution de −∆u + u = f dans S(R^d). Terminologie EDP elliptiques, hyperboliques, paraboliques.
Solutions faibles
- pour les équations de transport (∂tu + c · ∂xu = f, c ∈ Rd), avec condition initiale, après résolution du cas classique (C^1) ;
- pour des EDP elliptiques, avec conditions au bord (Dirichlet homogène) : espace de Sobolev H^1 sur I ou Ω, et Rd : caractérisation par Fourier; espace H_0^1 ; lemme de Lax- Milgram.
UE Travail d'études et de recherche
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Cette UE propose une découverte de la recherche en mathématiques à travers l'étude d'un sujet décrivant un résultat ou une théorie mathématique, avec lesquels l'étudiant.e devra se familiariser afin de se les approprier et de pouvoir en rendre compte par un rapport écrit et un exposé oral.
En pratique, une liste de sujets est proposée au cours du premier semestre. Chaque étudiant.e sélectionne dans cette liste quatre sujets, classés de 1 à 4, puis le responsable de la formation attribue à chaque étudiant.e un sujet figurant dans la mesure du possible parmi ces quatre-là. Dès les attributions connues, chaque étudiant.e contacte l'auteur.e de son sujet, qui va l'encadrer pour ce travail tout au long du second semestre. Une fois que l'encadrant.e a présenté à l'étudiant.e le sujet et les détails du travail attendu, le binôme se rencontre régulièrement afin que l'étudiant.e puisse rendre compte de l'avancement de son travail et progresser dans celui-ci.
Le TER donne lieu à la rédaction d'un rapport écrit, rédigé en utilisant le logiciel LaTeX, comportant obligatoirement un résumé et une bibliographie, et à une soutenance orale d'une durée de 20 à 30 minutes, souvent suivie de questions, devant un jury qui comprend l'encadrant.e. Le rapport et la soutenance contribuent conjointement à l'évaluation du travail réalisé.
UE Actions de groupes et géométrie hyperbolique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Nous étudierons certains exemples de groupes Fuchsiens, et les pavages du disque qui leurs sont associés. Si le temps le permet, nous aborderons la géométrie hyperbolique de dimension trois sous l'angle des déformations de groupes Fuchsiens.
Descriptif
- Partie I. Géométrie des transformations de Möbius et géométrie hyperbolique
- Transformation de Möbius, inversions par rapports aux sphères, dans Rn, pour n surtout égal à 1, 2, 3.
- Plan et espace hyperbolique de dimension 3 : demi-plan et demi espace supérieurs
- Leurs isométries : interprétation matricielle et holomorphe, interprétation dynamique du spectre des matrices
- Partie II. Groupes Fuchsiens
- Actions discontinues et groupes discrets sur le plan hyperbolique
- Théorème de combinaison de Klein. Ping-pong, et sous-groupes libres de PSL(2,R)
- Cas de PSL(2, Z)
- Partie III. Ensembles limites et fractales
- Ensemble limite d'un sous-groupe discret de PSL(2,R), et de PSL(2,C)
- Déformations fractales d'ensembles limites
- Rencontre et familiarisation avec des outils logiciels d'illustration rigoureuse d'ensembles limites fractales
UE Algèbre effective et applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L'algèbre effective est le domaine des mathématiques où on s'intéresse au calcul exact des objets intervenant en algèbre au sens large (arithmétique des entiers, arithmétique des polynômes et algèbre linéaire sur un corps fini et sur les rationnels), avec l'objectif de les rendre efficaces par rapport à la taille des données, en estimant leur complexité. Les applications sont nombreuses : calcul formel, cryptographie, codes correcteurs (par exemple QR codes)... On montrera plusieurs exemples où des calculs modulo un nombre premier permet d'accélérer les calculs sur les rationnels.
Une partie des exercices nécessite l'utilisation d'un logiciel de calcul formel tel que Xcas sur PC, mobile ou calculatrice CAS.
Descriptif
- Arithmétique des polynômes à 1 variable (dont interpolation et FFT), arithmétique des entiers et liens entre eux. Puissance modulaire rapide, application: test de primalité, RSA.
- PGCD dans Z/pZ[X]. Application à la simplification dans Q[X]. Irréductibilité dans Z/pZ[X], application à la représentation des corps finis, application à la factorisation dans Q[X]. Calcul efficace dans GF(2,n).
- Théorème fondemental de l'algèbre : localisation de racines de polynômes dans C[X] (Newton, Aberth ; Sturm, Descartes). Résultant, algorithmes de calcul, application au calcul de primitives de fractions rationnelles, à la résolution de certains systèmes polynomiaux. Générateurs effectifs d'extensions de Q.
- Matrice à coefficients dans un corps fini et sur les rationnels: réduction de Gauss, déterminant, polynôme caractéristique. Applications : codes correcteurs.
UE Géométrie différentielle
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
- Rappels sur le calcul différentiel dans l’espace euclidien n n m
- Courbes et repères
- Calcul différentiel sur les surfaces de ℝ3 3
- Variétés abstraites
- Courbure
- Géométrie des surfaces de ℝ3 theorema egregium
- Théorème de Gauss-Bonnet
UE Probabilités approfondies : chaînes de Markov et mécanique statistique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
La première partie de l'UE sera consacrée à la théorie des chaînes de Markov en temps discret et à espace d'états discret ; il s'agira donc de couvrir un chapitre initialement prévu au programme de l'UE Probabilités du premier semestre que le manque de temps et les lacunes des étudiant·es concernant le programme de L3 empêchent régulièrement de traiter.
La deuxième partie constituera une introduction à la mécanique statistique, plus particulièrement à l'étude mathématique des transitions de phase dans des modèles sur réseau. On étudiera en détail le cas de référence du modèle d'Ising, l'un des modèles les plus célèbres et les plus étudiés dans ce domaine.
Si le temps le permet, une troisième partie présentera une introduction à des modèles de chaînes de Markov indexées par les arbres (percolation et modèle d'Ising sur des arbres).
Insertion dans le cursus de master Une partie du contenu de cette UE est au programme de l'agrégation : traitement complet des chaînes de Markov dans ce cadre, espérances conditionnelles, éventuelle\-ment un peu de martingales (convergence de martingales rétrogrades pour l'existence de mesures en volume infini à travers les équations DLR), topologies faibles, etc.
Il peut également servir à renouveler les exemples mobilisables dans ce contexte pour l'option A : conditionnements spatiaux, situations de TCL/non-TCL pour des variables aléatoires non indépendantes (convergence ou non de la magnétisation moyenne à haute température ou à basse température), dynamique de Glauber et algorithme de Metropolis-Hastings, etc.
Enfin, il vise à aborder, spécialement dans la troisième partie, des situations de recherche actuelles.
Simulations du modèle d'Ising sur le réseau carré à basse température (à gauche, phase ferromagnétique) et à haute température (à droite, phase paramagnétique)
Programme prévisionnel
- Partie I. Chaînes de Markov
- Classification des états
- Propriété de Markov forte
- Mesure invariante (conditions d'existence, unicité)
- Théorème ergodique
- Partie II. Modèle d'Ising
- Le modèle de Curie-Weiss -- Un modèle sans géométrie
- Mesures de Gibbs en volume fini
- Limite thermodynamique -- Pression et magnétisation
- Le modèle d'Ising sur Z -- Matrices de transfert
- Mesures en volume infini
- Fonctions locales et inégalités de corrélation
- Diagramme de phase du modèle d'Ising sur Z^d, d>1
- Critères d'unicité
- Brisure de symétrie à basse température -- Argument de Peierls
- Unicité à haute température
- Unicité en champ magnétique non nul -- Théorème de Lee-Yang
- Partie III. Chaînes de Markov indexées par les arbres
- Mesures de Gibbs sur les arbres
- Lois de bord
- Percolation, Ising
- Extrémalité et critères de reconstruction
UE Théorie spectrale, EDP et mécanique quantique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le but de ce cours est d'introduire les étudiants aux bases de la théorie spectrale des opérateurs elliptiques sur des domaines, et de voir quelques applications, notamment dans le cadre de la mécanique quantique.
Un des résultats clés du cours sera le fait que le Laplacien avec condition de Dirichlet dans un domaine Ω borné et lisse de Rd admet une base hilbertienne de fonctions propres régulières en vérifiant -Δ en = λ nen, où λ n → +∞ avec n∈ N.
Ce résultat sera un prétexte à l'étude de différents concepts : opérateurs compacts, ou à résolvante compacte, dans les espaces de Hilbert et leur "diagonalisation", espaces de Sobolev Hk( Ω) et leurs propriétés (injections de Sobolev par exemple), régularité des solutions d'EDP elliptiques.
Dans un second temps, nous souhaitons aussi présenter des applications à la théorie spectrale des opérateurs emblématiques de la mécanique quantique.
Le formalisme mathématique de la mécanique quantique sere présenté, puis nous discuterons le spectre de certains opérateurs de Schrödinger -Δ +V tels l'oscillateur harmonique ou le Laplacien sur le tore. Nous aborderons également l'existence et les propriétés de fonctions propres associées à la plus basse valeur propre d'un opérateur de Schrödinger en fonction du potentiel V via l'approche variationnelle.
Plus généralement, nous présenterons la caractérisation du spectre d'opérateurs par le min-max des quotients de Rayleigh, ainsi que le théorème de Courant sur le nombre de domaines nodaux des fonctions propres du Laplacien, et l'asymptotique de Weyl pour les valeurs propres sur un domaine. Des exemples simples de problèmes d'optimisation spectrale pourront aussi être présentés en TD, en fonction du temps disponible.
programme préliminaire
- Préliminaires sur les espaces de Hilbert : bases hilbertiennes, Lax-Milgram (en fonction de ce qui sera fait dans le cours du S1).
- Opérateurs compacts. Définition et propriétés du spectre. Théorème spectral pour les opérateurs compacts.
- Espaces de Sobolev Hk( Ω) sur des ouverts bornés réguliers de Rd, et leurs propriétés.
- Existence d'une base hilbertienne de fonctions propres pour le Laplacien sur un domaine borné régulier.
- Régularité elliptique et régularité des fonctions propres.
- Principes variationnels, min-max pour les valeurs propres.
- Le formalisme de la mécanique quantique : vecteur d'état/fonction d'ondes, opérateur Hamiltonien, évolution/équation de Schrödinger, observable, processus de mesure en mécanique quantique.
- Le spectre de certains opérateurs de Schrödinger -Δ +V dans Rd et les propriétés de son état fondamental. Exemple de l'oscillateur harmonique, du Laplacien sur le tore, de la particule dans un champ magnétique.
- Un peu de géométrie spectrale : théorème de Courant sur les domaines nodaux, asymptotique de Weyl. Optimisation spectrale dans des cas simples.
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Anglais scientifique (si niveau B2 non atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Il s'agit de viser le niveau de qualification B2 du Conseil de l'Europe, défini par ALTE, dans trois champs de compétences :
- Être capable de faire un exposé clair sur un sujet connu et répondre à des questions factuelles prévisibles
- Être capable de parcourir un texte pour retrouver l'information pertinente et en saisir l'essentiel
- Être capable de prendre des notes simples et en faire un usage raisonnable pour écrire une dissertation ou faire une révision
UE d'ouverture (uniquement si niveau C1 en Anglais atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Advanced models and methods in operations research
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course presents advanced methods and technics for Operations Research.
Reminder :
Linear Programming, Dynamic Programming, MIP modelling and BB
Complexity (P, NP, Co-NP)
Advanced MIP :
formulation, cuts, bounds
applications
lagragian relaxation
column generation
Benders decomposition
Solvers
Constraint Programming
Heuristics
local search
approximation algorithms
UE Combinatorial optimization and graph theory
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide a broad knowledge of fundamental problems in Combinatorial Optimization to show their algorithmic solutions and to derive min-max results on them. In order to achieve this goal a new object called a polyhedron is introduced. This polyhedral approach helps to shed new light on some classic results of Combinatorial Optimization.
Syllabus: Study of polyhedra associated to problems of Combinatorial Optimization ; Theory of blocking polyhedra ; Connectivity: shortest paths, spanning trees and spanning arborescences of minimum weight ; Flows: Edmonds-Karp Algorithm, Goldberg-Tarjan Algorithm, minimum cost flows ; Matchings: Hungarian method, Edmonds' Algorithm, Chinese postman problem; Matroids: greedy algorithm, intersection of two matroids ; Graph coloring ; Applications coming from various areas of Operations Research.
UE Optimization under uncertainty
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The objective of this course is to present different techniques to handle uncertainty in decision problems. These techniques will be illustrated on several applications e.g. inventory control, scheduling, energy, machine learning.
Syllabus : Introduction to uncertainty in optimization problems; Reminders (probability, dynamic programming, ...); Markov chains; Markov decision processes; Stochastic programming; Robust optimization
UE Constraint Programming, applications in scheduling
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Graph and discrete structures
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to learn how to use the structure of graphs and other discrete objects to obtain general results on them, and in particular efficient algorithms solving important problems.
We will cover the following topics:
- Structural Graph Theory: we will study the structure of important graph classes with nice algorithmic properties (planar graphs, interval graphs, comparability graphs, ...) and show several concrete problems that can be solved thanks to their structural properties.
- Graph Drawing: with the rise of Big Data, representing huge data sets is a fundamental challenge. Efficient ways to represent large graphs will be presented.
- Codes: we will see various codes (dominating, locating, identifying, ...) in graphs and their applications.
- Extremal combinatorics: the typical question in this field is "what global condition do we need to impose in some graph in order to make sure that some nice structure appears locally?" We will introduce a powerful tool called "the probabilistic method", an show how it can be applied to solve problems in this important area of research.
UE Advanced heuristic and approximation algorithms
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced mathematical programming methods
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Academic and industrial challenges
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course offers the possibility for the students to gain some experience by facing open/difficult combinatorial problems.
The goal is to model and solve a combinatorial problem with direct industrial applications. We expect the students to take a variety of approaches (local search, compact/extended linear programming formulations, constraint programming, ...) and establish useful results (lower bounds, cuts, complexity,...).
The experimental results will be compared to the litterature (a known academic open benchmark will be available in this case) or will be validated by the industrial partner.
UE Transport Logistics and Operations Research
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Presenting models and tools for solving problems of company location and transport management in a supply chain.
Description:
This course presents two aspects: strategic design of a distribution network in a supply chain and tactical-operational aspects of network management.
For each aspect the course develops two key points:
- in network design, the choice of location and the establishment of services (production site, warehouse, logistics platform) and the synthesis of the transport network (connections / roads between production sites, warehouses, logistics centres)
- in network management, planning and modes of distribution transport (planning delivery rounds, number and types of vehicles).
For each of the three problem areas: location, delivery rounds and network design, students will study both modelling and techniques for accurate resolution (Branch-and-Bound) plus techniques for approximate resolutions (Lagrangian relaxation , metaheuristics) and how they are set up in commercial software (OPL-CPLEX Studio, Excel solver), or free software (COIN, lp-solve) or ad-hoc.
Evaluation :
Individual written exam (1/2 of the final mark) and group project (1/2 of the final mark).
UE Advanced parallel system
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Today, parallel computing is omnipresent across a large spectrum of computing platforms, from processor cores or GPUs up to Supercomputers and Cloud platforms. The largest Supercomputers gather millions of processing units and are heading towards Exascale (a quintillion or 10^18 flops - http://top500.org). If parallel processing was initially targeting scientific computing, it is now part of many domains like Big Data analytics and Deep Learning. But making an efficient use of these parallel resources requires a deep understanding of architectures, systems, parallel programming models, and parallel algorithms.
Overview:
The class is organized around weekly lectures, discussions and help time. The presented materials that will be available each week on the class web page. To get practical experience and good understanding of the main concepts the students are expected to develop short programs and experiments. Students will also have to prepare a presentation or a written report on research articles. Students will have access to Grid'5000 parallel machines and the SimGrid simulator for experiments.
This class is organized around 2 main blocks:
Overview of parallel systems:
-
- Introduction to parallelism from GPU to supercomputers.
- Hardware and system considerations for parallel processing (multi-core architectures, process and thread handling, cache efficiency, remote data access, atomic instructions)
- Parallel programming: message passing, one-sided communications, task-based programming, work stealing based runtimes (MPI, Cilk, TBB, OpenMP).
- Modeling of parallel programs and platforms. Locality, granularity, memory space, communications.
- Parallel algorithms, collective communications, topology aware algorithms.
- Scheduling: list algorithms; partitioning techniques. Application to resource management (PBS, LSF, SGE, OAR).
- Large scale scientific computing: parallelization of Lagrangian and Eulerian solvers, parallel data analytics and scientific visualization.
- AI and HPC: how parallelism is used at different levels to accelerate machine learning and deep learning using supercomputers.
Functional parallel programming:
We propose to study a clean and modern approach to the design of parallel algorithms: functional programming. Functional languages are known to provide a different and cleaner programming experience by allowing a shift of focus from "how to do" on "what to do".
If you take for example a simple dot product between two vectors. In c language you might end up with:
unsigned int n = length(v1); double s = 0.0; for (unsigned int i = 0 ; i < n ; i++) { s += v1[i] * v2[i]; }
In python however you could write:
return sum(e1*e2 for e1, e2 in zip(v1, v2))
You can easily notice that the c language code displayed here is highly sequential with a data-flow dependence on the i variable. It intrinsically contains an ordering of operations because it tells you how to do things to obtain the final sum. On the other end the python code exhibits no dependencies at all. It does not tell you how to compute the sum but just what to compute: the sum of all products.
In this course we will study how to express parallel operations in a safe and performant way. The main point is to study parallel iterators and their uses but we will also consider classical parallel programming schemes like divide and conquer. We will both study the theoretical complexity of different parallel algorithms and practice programming and performance analysis on real machines.
All applications will be developed in the RUST programming language around the Rayon parallel programming library.
No previous knowledge of the rust language is required as we will introduce it gradually during the course. You need however to be proficient in at least one low level language (typically C or C++)
UE Multi-agent systems
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course introduces the field of MAS, various theoretical aspects (agent architectures, reasoning, interactions, game theory, social choice, etc), as well as practical applications from recent research. The focus is mostly on agent-based social simulation, and how to integrate psychological aspects in agents (so-called “human factors”: emotions, biases…) to make them more human-like and realistic. Applications discussed include epidemics modelling, computational economy, crisis management, urban planning, serious games, etc. The practical part of the course comprises several tutorials with various agent-based modelling platforms (in particular GAMA and Netlogo), scientific papers discussions, and analysis and/or extension of existing models.
UE Fundamentals of Data Processing and Distributed Knowledge
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Modern computing increasingly takes advantage of large amounts of distributed data and knowledge. This is grounded on theoretical principles borrowing to several fields of computer science such as programming languages, data bases, structured documentation, logic and artificial intelligence. The goal of this course is to present some of them, the problems that they solve and those that they uncover. The course considers two perspectives on data and knowledge: interpretation (what they mean), analysis (what they reveal) and processing (how can they be traversed efficiently and transformed safely).
The course offers a semantic perspective on distributed knowledge. Distributed knowledge may come from data sources using different ontologies on the semantic web, autonomous software agents learning knowledge or social robots interacting with different interlocutors. The course adopts a synthetic view on these. It first presents principles of the semantics of knowledge representation (RDF, OWL). Ontology alignments are then introduced to reduce the heterogeneity between distributed knowledge and their exploitation for answering federated queries is presented. A practical way for cooperating agents to evolve their knowledge is cultural knowledge evolution that is then illustrated. Finally, the course defines dynamic epistemic logics as a way to model the communication of knowledge and beliefs.
The course also introduces a perspective on programming language foundations, algorithms and tools for processing structured information, and in particular tree-shaped data. It consists in an introduction to relevant theoretical tools with an application to NoSQL (not only SQL) and XML technologies in particular. Theories and algorithmic toolboxes such as fundamentals of tree automata and tree logics are introduced, with applications to practical problems found for extracting information. Applications include efficient query evaluation, memory-efficient validation of document streams, robust type-safe processing of documents, static analysis of expressive queries, and static type-checking of programs manipulating structured information. The course also aims at presenting challenges, important results, and open issues in the area.
UE Scientific methodology regulatory and ethical data usage
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course aims to provide the fundamental basis for a sound scientific methodology of experimental evaluation in computer science. This lecture emphasizes on methodological aspects of measurement and on the statistics needed to analyze computer systems, human-computer interaction systems, and machine learning systems. We first sensibilize the audience to reproducibility issues related to empirical research in computer science as well as to ethical and scientific integrity aspects. Then we present tools that help address the aforementioned issues and we give the audience the basis of probabilities and statistics required to develop sound experiment designs. The content of the lecture is therefore both theoretical and practical, illustrated by a lot of case studies and practical sessions. The goal is not to provide analysis recipes or techniques that researchers can blindly apply but to make students develop critical thinking and understand some simple (and possibly not-so-simple) tools so that they can both readily use and explore later on.
UE Large-scale data management and distributed systems
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course is divided in two complementary parts: distributed systems and data management.
Part 1: Distributed systems
Summary
Distributed systems are omnipresent. They are formed by a set of computing devices, interconnected by a network, that collaborate to perform a task. Distributed systems execute on a wide range of infrastructures: from Cloud datacenters to wireless sensor networks.
The goal of this course is to study the main algorithms used at the core of Distributed systems. These algorithms must be efficient and robust. An algorithm is efficient when it sustains a high level of performance. Performance can be measured using various metrics such as throughput, latency, response time. An algorithm is robust when it is able to operate despite the occurrence of various types of (network and/or machine) and attacks.
Content
During the course, we will cover several topics that are listed below:
- Event-driven formalisms for distributed algorithms
- Basic abstractions: processes, links
- Failure detector algorithms
- Leader election algorithms
- Broadcasting algorithms
- Distributed shared memory algorithms
- Consensus algorithms
- Epidemic algorithms
- Performance models for distributed systems
Part 2: Data management
Summary
The ability to process large amounts of data is key to both industry and research today. As computing systems are getting larger, they generate more data that need to be analyzed to extract knowledge.
Data management infrastructures are growing fast, leading to the creation of large data centers and federations of data centers. Suitable software infrastructures should be used to store and process data in this context. Big Data software systems are built to take advantage of a large set of distributed resources to efficiently process massive amounts of data while being able to cope with failures that are frequent at such a scale.
In addition to the amount of data to be processed, the other main challenge that such Big Data systems need to deal with is time. For some use cases, the earlier the results of a data analysis is obtained, the more valuable the result is. Some Big Data systems especially target stream processing where data are processed in real time.
Through lectures and practical sessions, this course provides an overview of the software systems that are used to store and process data at large scale. The following topics will be covered:
- Map-Reduce programming model
- In-memory data processing
- Stream processing (data movement and processing)
- Large scale distributed data storage (distributed file systems, NoSQL databases)
Throughout the lectures, the challenges associated with performance and fault tolerance will also be discussed.
UE Cryptographic engineering, protocols and security models, data privacy, coding and applications
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course present the main cryptographic primitives and security protocols, focusing on security parameters and properties.
Pedagogical goals:
- generic cryptographic primitives: one-way, trap-door and hash functions; random generators; symmetric and assymertic cipher; interactive protocols;
- security properties : complexity and reduction proofs; undistinguidhability; non-malleability; soundness, completeness and zero-knowledge; confidentiality; authentication; privacy; non-repudiation
- use, deployment and integration of protocols in standard crypro lib (eg open-ssl)
- security proofs : fundations and verification based on tools (eg avispa)
UE From Basic Machine Learning models to Advanced Kernel Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Statistical learning is about the construction and study of systems that can automatically learn from data. With the emergence of massive datasets commonly encountered today, the need for powerful machine learning is of acute importance. Examples of successful applications include effective web search, anti-spam software, computer vision, robotics, practical speech recognition, and a deeper understanding of the human genome. This course gives an introduction to this exciting field. In the first part, we will introduce basic techniques such as logistic regression, multilayer perceptrons, nearest neighbor approaches, both from a theoretical and methodological point of views. In the second part, we will focus on more advanced techniques such as kernel methods, which is a versatile tool to represent data, in combination with (un)supervised learning techniques that are agnostic to the type of data that is learned from. The learning techniques that will be covered include regression, classification, clustering and dimension reduction. We will cover both the theoretical underpinnings of kernels, as well as a series of kernels that are important in practical applications. Finally we will touch upon topics of active research, such as large-scale kernel methods and the use of kernel methods to develop theoretical foundations of deep learning models.
UE Mathematical Foundations of Machine Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Machine Learning is one of the key areas of Artificial Intelligence and it concerns the study and the development of quantitative models that enables a computer to perform tasks without being explicitly programmed to do them. Learning in this context is hence to recognize complex forms and to make intelligent decisions. Given all existing entries, the difficulty of this task lies in the fact that all possible decisions is usually very complex to enumerate. To get around that, machine learning algorithms are designed in order to gain knowledge on the problem to be addressed based on a limited set of observed data extracted from this problem. To illustrate this principle, consider the supervised learning task, where the prediction function, which infers a predicted output for a given input, is learned over a finite set of labeled training examples, where each instance of this set is a pair constituted of a vector characterizing an observation in a given vector space, and an associated desired response for that instance (also called desired output). After the training step, the function returned by the algorithm is sought to give predictions on new examples, which have not been used in the learning process, with the lowest probability of error. The underlying assumption in this case is that the examples are, in general, representative of the prediction problem on which the function will be applied. We expect that the learning algorithm produces a function that will have a good generalization performance and not the one that is able to perfectly reproduce the outputs associated to the training examples. Guarantees of learnability of this process were studied in the theory of machine learning largely initiated by Vladimir Vapnik. These guarantees are dependent on the size of the training set and the complexity of the class of functions where the algorithm searches for the prediction function. Emerging technologies, particularly those related to the development of Internet, reshaped the domain of machine learning with new learning frameworks that have been studied to better tackle the related problems. One of these frameworks concerns the problem of learning with partially labeled data, or semi-supervised learning, which development is motivated by the effort that has to be made to construct labeled training sets for some problems, while large amount of unlabeled data can be gathered easily for these problems. The inherent assumption, in this case, is that unlabeled data contain relevant information about the task that has to be solved, and that it is a natural idea to try to extract this information so as to provide the learning algorithm more evidence. From these facts were born a number of works that intended to use a small amount of labeled data simultaneously with a large amount of unlabeled data to learn a prediction function.
The intent of this course is to propose a broad introduction to the field of Machine Learning, including discussions of each of the major frameworks, supervised, unsupervised, semi-supervised and reinforcement learning.
UE Learning, Probabilities and Causality
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Causality is at the core of our vision of the world and of the way we reason. It has long been recognized as an important concept and was already mentioned in the ancient Hindu scriptures: “Cause is the effect concealed, effect is the cause revealed”. Even Democritus famously proclaimed that he would rather discover a causal relation than be the king of presumably the wealthiest empire of his time. Nowadays, causality is seen as an ideal way to explain observed phenomena and to provide tools to reason on possible outcomes of interventions and what-if experiments, which are central to counterfactual reasoning, as ‘‘what if this patient had been given this particular treatment?’’
UE Statistical learning: from parametric to nonparametric models
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is related to mathematical and statistical methods which are very used in supervised learning.
It contains two parts.
In the first part, we will focus on parametric modeling. Starting with the classical linear regression, we will describe several families of estimators that work when considering high-dimensional data, where the classical least square estimator does not work. Model selection and model assessment will particularly be described.
In the second part, we shall focus on nonparametric methods. We will present several tools and ingredients to predict the future value of a variable. We shall focus on methods for non parametric regression from independent to correlated training dataset. We shall also study some methods to avoid the overfitting in supervised learning.
This course will be followed by practical sessions with the R software.
UE Mathematical optimization
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Safety Critical Systems: from design to verification
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Natural Language Processing & Information Retrieval
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The automatic processing of languages, whether written or spoken, has always been an essential part of artificial intelligence. This domain has encouraged the emergence of new uses thanks to the arrival in the industrial field of many technologies from research (spell-checkers, speech synthesis, speech recognition, machine translation, …). In this course, we present the most recent advances and challenges for research. We will discuss discourse analysis whether written or spoken, text clarification, automatic speech transcription and automatic translation, in particular recent advances with neural models.
Information access and retrieval is now ubiquitous in everyday life through search engines, recommendation systems, or technological and commercial surveillance, in many application domains either general or specific like health for instance. In this course, we will cover Information retrieval basics, information retrieval evaluation, models for information retrieval, medical information retrieval, and deep learning for multimedia indexing and retrieval
UE Information Security
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Course content
Part 1: Access Control, or how to prevent unauthorized people from entering or accessing a system?
This part deals with:
- Cryptology for authentication and trust;
- security needs : confidentiality, availability, integrity, non-repudiation (CAI/DICP);
- cryptology primitives : private and public key ; trusted infrastructure (PKI and ledgers).
- zero-knowledge protocols; secret sharing and multiparty computation / or Practical work with Open SSL
- Access control mechanisms (MAC, DAC, RBAC, ABAC) and their implementations
- The detection and remediation of security breaches such as intrusions and insider attacks
- The deployment of control filters in applications and proxies.
The presented approach is built on the model-driven security paradigm (MDS). It refers to the process of modeling security requirements at a high level of abstraction, and generating technical security implementations. Security models are transformed into enforceable security rules including the run-time security management (e.g. entitlements/authorisations). Three labs are planned:
- B4MSecure: we will apply a formal language with animation and model-checking facilities to identify security breaches in Access Control policies.
- Snort: in this practical session you will set a local environment to simulate two machines, the target machine and the attacker. You will learn how to create firewall rules, monitor your network and how to react when an attack is detected.
- Metasploit: you will discover technology intelligence for vulnerabilities through a practical session where you will reproduce an exploit to hack and take control over a web-based server.
Part 2: Overview of modern attacks on systems, protocols, and networks and countermeasures
This part is devoted to modern attacks carried out on the Internet scale, in particular attacks on the DNS system (Domain Name System), such as cache or zone poisoning attacks, reflection and amplification of DDoS attacks (Distributed Denial of Service), IP spoofing - the root cause of DDoS attacks, botnets (e.g., Mirai), domain generation algorithms used for command-and-control communications, modern malware (e.g., Emotet trojan, Avalanche), spam, phishing, and business email compromise (BEC) scams.
The module will discuss preventative measures and security protocols to fight modern attacks, such as DDoS protection services, IP source address validation (SAV) known as BCP 38, Sender Policy Framework, and DMARC protocols as the first line of defense against email spoofing and BEC fraud, and DNSSEC to prevent DNS manipulation attacks. It will also discuss large-scale vulnerability measurements (a case study of the zone poisoning attack) and the challenges of deploying current security technologies by the system and network operators.
This part will be concluded with a practical team assignment in which students will be divided into groups and will have to configure a secure system in a real-world environment. The goal is to secure their system against the various types of discussed attacks and exploit other groups' systems.
UE Human Computer Interaction
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Next Generation Software Development
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Stage
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE GS_MSTIC_Ethique de la recherche
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cette UE est obligatoire pour les étudiant.e.s inscrit.e.s dans le PT MSTIC.
Elle est constituée d'une projet tutoré et d'un MOOC consacré à l'éthique de la Science.
UE Advanced models and methods in operations research
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course presents advanced methods and technics for Operations Research.
Reminder :
Linear Programming, Dynamic Programming, MIP modelling and BB
Complexity (P, NP, Co-NP)
Advanced MIP :
formulation, cuts, bounds
applications
lagragian relaxation
column generation
Benders decomposition
Solvers
Constraint Programming
Heuristics
local search
approximation algorithms
UE Combinatorial optimization and graph theory
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide a broad knowledge of fundamental problems in Combinatorial Optimization to show their algorithmic solutions and to derive min-max results on them. In order to achieve this goal a new object called a polyhedron is introduced. This polyhedral approach helps to shed new light on some classic results of Combinatorial Optimization.
Syllabus: Study of polyhedra associated to problems of Combinatorial Optimization ; Theory of blocking polyhedra ; Connectivity: shortest paths, spanning trees and spanning arborescences of minimum weight ; Flows: Edmonds-Karp Algorithm, Goldberg-Tarjan Algorithm, minimum cost flows ; Matchings: Hungarian method, Edmonds' Algorithm, Chinese postman problem; Matroids: greedy algorithm, intersection of two matroids ; Graph coloring ; Applications coming from various areas of Operations Research.
UE Optimization under uncertainty
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The objective of this course is to present different techniques to handle uncertainty in decision problems. These techniques will be illustrated on several applications e.g. inventory control, scheduling, energy, machine learning.
Syllabus : Introduction to uncertainty in optimization problems; Reminders (probability, dynamic programming, ...); Markov chains; Markov decision processes; Stochastic programming; Robust optimization
UE Constraint Programming, applications in scheduling
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Graph and discrete structures
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to learn how to use the structure of graphs and other discrete objects to obtain general results on them, and in particular efficient algorithms solving important problems.
We will cover the following topics:
- Structural Graph Theory: we will study the structure of important graph classes with nice algorithmic properties (planar graphs, interval graphs, comparability graphs, ...) and show several concrete problems that can be solved thanks to their structural properties.
- Graph Drawing: with the rise of Big Data, representing huge data sets is a fundamental challenge. Efficient ways to represent large graphs will be presented.
- Codes: we will see various codes (dominating, locating, identifying, ...) in graphs and their applications.
- Extremal combinatorics: the typical question in this field is "what global condition do we need to impose in some graph in order to make sure that some nice structure appears locally?" We will introduce a powerful tool called "the probabilistic method", an show how it can be applied to solve problems in this important area of research.
UE Advanced heuristic and approximation algorithms
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced mathematical programming methods
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Academic and industrial challenges
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course offers the possibility for the students to gain some experience by facing open/difficult combinatorial problems.
The goal is to model and solve a combinatorial problem with direct industrial applications. We expect the students to take a variety of approaches (local search, compact/extended linear programming formulations, constraint programming, ...) and establish useful results (lower bounds, cuts, complexity,...).
The experimental results will be compared to the litterature (a known academic open benchmark will be available in this case) or will be validated by the industrial partner.
UE Transport Logistics and Operations Research
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Presenting models and tools for solving problems of company location and transport management in a supply chain.
Description:
This course presents two aspects: strategic design of a distribution network in a supply chain and tactical-operational aspects of network management.
For each aspect the course develops two key points:
- in network design, the choice of location and the establishment of services (production site, warehouse, logistics platform) and the synthesis of the transport network (connections / roads between production sites, warehouses, logistics centres)
- in network management, planning and modes of distribution transport (planning delivery rounds, number and types of vehicles).
For each of the three problem areas: location, delivery rounds and network design, students will study both modelling and techniques for accurate resolution (Branch-and-Bound) plus techniques for approximate resolutions (Lagrangian relaxation , metaheuristics) and how they are set up in commercial software (OPL-CPLEX Studio, Excel solver), or free software (COIN, lp-solve) or ad-hoc.
Evaluation :
Individual written exam (1/2 of the final mark) and group project (1/2 of the final mark).
UE Stage
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE Systèmes dynamiques
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours présente des manières géométriques de traiter et résoudre des problèmes décrits par des équations différentielles.
- chapitre I : Introduction : généralités sur les systèmes dynamiques
- chapitre II : Systèmes unidimensionnels : Les points fixes, linéarisation et stabilité, Exemple : le modèle logistique, Existence et unicité des solutions d'équations différentielles ordinaires
- chapitre III : Bifurcations : Bifurcation selle-nœud, Bifurcation transcritique, Bifurcation transcritique imparfaite, Bifurcation fourche, Bifurcation fourche supercritique, Bifurcation fourche sous-critique, Bifurcation fourche supercritique imparfaite
- chapitre IV : Champ de vecteur sur un cercle : Oscillateur uniforme, Oscillateur non-uniforme
- chapitre V : Flots bidimensionnels et applications : Existence et unicité des solutions et conséquences topologiques, Systèmes linéaires, Systèmes non-linéaires : linéarisation proche des points fixes, Cycles limites, Le théorème de Poincaré-Bendixson, Systèmes Liénard, Systèmes gradients, Fonctions de Liapunov
- chapitre VI : Bifurcations bidimensionnelles : Bifurcations selle-nœud, transcritique et fourche, Bifurcation de Hopf, Bifurcations globales de cycles
UE Instabilities and Turbulences
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
This course presents basic notions on instabilities and turbulence. We try to be as progressive as possible and to base our presentation on analyses of real experiments and real flows. We review few mathematical methods to analyze nonlinear systems in terms of instabilities. The students have to use their new knowledge to run and analyze numerical simulations of very simple systems. We then study some of the most important physical mechanisms for fluid instabilities and the corresponding criteria. We quickly present a zoology of common fluid instabilities and discuss the mechanisms and the possible technical implications. We give a broad introduction on turbulence and describe few fundamental methods and results, in particular the Richardson cascade, the Reynolds decomposition and the Kolmogorov spectra.
Teaching program:
1. General introduction
- Instabilities and turbulence, interest?
- Reynolds experiment and Reynolds number
- Incompressible Navier-Stokes equations: diffusion and advection
- An example: the wake of a cylinder
2. Instabilities and transition to turbulence
- Systems with few degrees of freedom
- Fluid instability mechanisms and conditions
- Other flows examples
3. Effects of variable density
- Boussinesq approximation
- Unstable stratification, Rayleigh-Taylor instability
- Rayleigh-Benard instability (Ra, Nu)
- Stable stratification, Kelvin-Helmoltz instability and Richardson number
4. Turbulence
- Introduction, Richardson cascade
- Average and Reynolds decomposition
- Experimental and numerical methods to study turbulence
- Statistical descriptions
For this course, the students have to write in LaTeX a report on their practical work. Thus, we spent some time for a first gentle introduction of this tool widely used in scientific academia.
UE Turbulence
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce module est une introduction à la turbulence phénoménologique et statistique. On s’intéresse aux définitions et propriétés de la turbulence en terme de processus physiques et leur description dans des familles types d’écoulements cisaillés que l’on peut retrouver dans la nature et en ingénierie.
jet turbulent
jet turbulent
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Internship
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Industrial and/or research internship.
The students have to do an internship (of at least 8 weeks from mid May to end of August, see the planning) in a company or in a laboratory. No report is required (except for Ensimag students that follow the double diploma, who have to give a report to ensimag).
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE GS_MSTIC_Démarche Scientifique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Algèbre 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
I. Compléments sur les anneaux
- Groupe des éléments inversibles. (ℤ/nℤ)∗, fonction d’Euler. Éléments irréductibles et éléments premiers. Pgcd et ppcm.
- Notion d’algèbre. Algèbre des polynômes en n indéterminées. Polynômes symétriques. Liens entre coefficients et racines d’un polynôme. En TD : séries formelles en une variable. Corps des fractions d’un anneau intègre.
- Anneaux noethériens, théorème de la base de Hilbert.
- Anneaux factoriels. Lemme de Gauss et lemme d'Euclide. Exemple : les anneaux principaux. Théorème de Gauss sur A[X], pour A factoriel. Polynômes irréductibles, critères d’irréductibilité sur A factoriel (Eisenstein, etc.).
II. Corps (les corps considérés sont commutatifs)
- Extensions de corps, degrés, multiplicité. Éléments algébriques, éléments transcendants, polynôme minimal, extension algébrique.
- Corps de rupture, corps de décomposition d’un polynôme.
- Clôture algébrique (définition), le corps ℂ des nombres complexes est algébriquement clos. Énoncé du théorème de Steinitz.
- Corps finis, existence et unicité, structure multiplicative. Racines de l’unité, polynômes cyclotomiques, irréductibilité sur ℤ.
III. Représentations des groupes finis sur ℂ
- Représentations d’un groupe fini. Représentations par permutations, représentations régulières.
- Représentations irréductibles, Théorème de Maschke.
- Morphismes de représentations. Lemme de Schur.
- Caractères. Caractère de Hom(V;W). Orthogonalité et décomposition des représentations. Formule de Burnside. Théorème fondamental de Frobenius et corollaires. Table des caractères. Orthogonalité des colonnes.
- Exemple : table de 𝔖4. Noyau d’un caractère. Application : critère de simplicité.
- Le cas des groupes abéliens. Groupe dual d’un groupe abélien fini. Transformée de Fourier discrète, cas de ℤ/nℤ et (ℤ/nℤ)2. Structure des groupes abéliens finis.
UE Fonctions holomorphes
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Fonctions holomorphes et analytiques, en particulier l’équivalence entre les deux notions, fonction exponentielle et logarithme, principe du prolongement analytique, principe des zéros isolés, formule de Cauchy pour le disque
- Propriétés élémentaires des fonctions holomorphes (inégalités de Cauchy, suites et séries de fonctions holomorphes, propriété de la moyenne et principe du maximum)
- Théorie de Cauchy (existence de primitives, théorèmes de Cauchy)
- Fonctions méromorphes (classification des singularités isolées, fonctions méromorphes, théorème des résidus, séries de Laurent)
- Théorème de la représentation conforme de Riemann
UE Probabilités
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Rappels élémentaires de théorie des probabilités
- Éléments de statistique
- Espérance conditionnelle
- Processus à temps discret
- Martingales
- Chaînes de Markov
UE Analyse 1
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Espaces de Lebesgue L^p(Omega)
Densité des fonctions C-infini à support compact dans Lp(Ω)
Théorème de Riesz-Fréchet-Kolmogorov (compacité dans Lp(Ω)).
Eventuellement : convolution L^p-L^q (dans R^n) inégalités de Young. ; dual de L^p (montré pour \ell^p)
Analyse de Fourier
Rappels sur la transformation de Fourier sur L^1(R^n)
Transformation de Fourier sur L^2(R^d)
Espace de Schwartz sur R^d, transformation de Fourier et convolution.
Eventuellement : brève présentation des distributions tempérées.
Séries de Fourier sur L^1(T), L^2(T), voire sur T^n
Application à la résolution des équations de la chaleur, des ondes, de Schrödinger, avec donnée initiale dans S(R^d), L^2(R^d) L^2(T). (et L^p(R^d), pour l’équation de la chaleur, par convolution avec le noyau de la chaleur)
Résolution de −∆u + u = f dans S(R^d). Terminologie EDP elliptiques, hyperboliques, paraboliques.
Solutions faibles
- pour les équations de transport (∂tu + c · ∂xu = f, c ∈ Rd), avec condition initiale, après résolution du cas classique (C^1) ;
- pour des EDP elliptiques, avec conditions au bord (Dirichlet homogène) : espace de Sobolev H^1 sur I ou Ω, et Rd : caractérisation par Fourier; espace H_0^1 ; lemme de Lax- Milgram.
UE Travail d'études et de recherche
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Cette UE propose une découverte de la recherche en mathématiques à travers l'étude d'un sujet décrivant un résultat ou une théorie mathématique, avec lesquels l'étudiant.e devra se familiariser afin de se les approprier et de pouvoir en rendre compte par un rapport écrit et un exposé oral.
En pratique, une liste de sujets est proposée au cours du premier semestre. Chaque étudiant.e sélectionne dans cette liste quatre sujets, classés de 1 à 4, puis le responsable de la formation attribue à chaque étudiant.e un sujet figurant dans la mesure du possible parmi ces quatre-là. Dès les attributions connues, chaque étudiant.e contacte l'auteur.e de son sujet, qui va l'encadrer pour ce travail tout au long du second semestre. Une fois que l'encadrant.e a présenté à l'étudiant.e le sujet et les détails du travail attendu, le binôme se rencontre régulièrement afin que l'étudiant.e puisse rendre compte de l'avancement de son travail et progresser dans celui-ci.
Le TER donne lieu à la rédaction d'un rapport écrit, rédigé en utilisant le logiciel LaTeX, comportant obligatoirement un résumé et une bibliographie, et à une soutenance orale d'une durée de 20 à 30 minutes, souvent suivie de questions, devant un jury qui comprend l'encadrant.e. Le rapport et la soutenance contribuent conjointement à l'évaluation du travail réalisé.
UE Actions de groupes et géométrie hyperbolique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Nous étudierons certains exemples de groupes Fuchsiens, et les pavages du disque qui leurs sont associés. Si le temps le permet, nous aborderons la géométrie hyperbolique de dimension trois sous l'angle des déformations de groupes Fuchsiens.
Descriptif
- Partie I. Géométrie des transformations de Möbius et géométrie hyperbolique
- Transformation de Möbius, inversions par rapports aux sphères, dans Rn, pour n surtout égal à 1, 2, 3.
- Plan et espace hyperbolique de dimension 3 : demi-plan et demi espace supérieurs
- Leurs isométries : interprétation matricielle et holomorphe, interprétation dynamique du spectre des matrices
- Partie II. Groupes Fuchsiens
- Actions discontinues et groupes discrets sur le plan hyperbolique
- Théorème de combinaison de Klein. Ping-pong, et sous-groupes libres de PSL(2,R)
- Cas de PSL(2, Z)
- Partie III. Ensembles limites et fractales
- Ensemble limite d'un sous-groupe discret de PSL(2,R), et de PSL(2,C)
- Déformations fractales d'ensembles limites
- Rencontre et familiarisation avec des outils logiciels d'illustration rigoureuse d'ensembles limites fractales
UE Algèbre effective et applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L'algèbre effective est le domaine des mathématiques où on s'intéresse au calcul exact des objets intervenant en algèbre au sens large (arithmétique des entiers, arithmétique des polynômes et algèbre linéaire sur un corps fini et sur les rationnels), avec l'objectif de les rendre efficaces par rapport à la taille des données, en estimant leur complexité. Les applications sont nombreuses : calcul formel, cryptographie, codes correcteurs (par exemple QR codes)... On montrera plusieurs exemples où des calculs modulo un nombre premier permet d'accélérer les calculs sur les rationnels.
Une partie des exercices nécessite l'utilisation d'un logiciel de calcul formel tel que Xcas sur PC, mobile ou calculatrice CAS.
Descriptif
- Arithmétique des polynômes à 1 variable (dont interpolation et FFT), arithmétique des entiers et liens entre eux. Puissance modulaire rapide, application: test de primalité, RSA.
- PGCD dans Z/pZ[X]. Application à la simplification dans Q[X]. Irréductibilité dans Z/pZ[X], application à la représentation des corps finis, application à la factorisation dans Q[X]. Calcul efficace dans GF(2,n).
- Théorème fondemental de l'algèbre : localisation de racines de polynômes dans C[X] (Newton, Aberth ; Sturm, Descartes). Résultant, algorithmes de calcul, application au calcul de primitives de fractions rationnelles, à la résolution de certains systèmes polynomiaux. Générateurs effectifs d'extensions de Q.
- Matrice à coefficients dans un corps fini et sur les rationnels: réduction de Gauss, déterminant, polynôme caractéristique. Applications : codes correcteurs.
UE Géométrie différentielle
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
- Rappels sur le calcul différentiel dans l’espace euclidien n n m
- Courbes et repères
- Calcul différentiel sur les surfaces de ℝ3 3
- Variétés abstraites
- Courbure
- Géométrie des surfaces de ℝ3 theorema egregium
- Théorème de Gauss-Bonnet
UE Probabilités approfondies : chaînes de Markov et mécanique statistique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
La première partie de l'UE sera consacrée à la théorie des chaînes de Markov en temps discret et à espace d'états discret ; il s'agira donc de couvrir un chapitre initialement prévu au programme de l'UE Probabilités du premier semestre que le manque de temps et les lacunes des étudiant·es concernant le programme de L3 empêchent régulièrement de traiter.
La deuxième partie constituera une introduction à la mécanique statistique, plus particulièrement à l'étude mathématique des transitions de phase dans des modèles sur réseau. On étudiera en détail le cas de référence du modèle d'Ising, l'un des modèles les plus célèbres et les plus étudiés dans ce domaine.
Si le temps le permet, une troisième partie présentera une introduction à des modèles de chaînes de Markov indexées par les arbres (percolation et modèle d'Ising sur des arbres).
Insertion dans le cursus de master Une partie du contenu de cette UE est au programme de l'agrégation : traitement complet des chaînes de Markov dans ce cadre, espérances conditionnelles, éventuelle\-ment un peu de martingales (convergence de martingales rétrogrades pour l'existence de mesures en volume infini à travers les équations DLR), topologies faibles, etc.
Il peut également servir à renouveler les exemples mobilisables dans ce contexte pour l'option A : conditionnements spatiaux, situations de TCL/non-TCL pour des variables aléatoires non indépendantes (convergence ou non de la magnétisation moyenne à haute température ou à basse température), dynamique de Glauber et algorithme de Metropolis-Hastings, etc.
Enfin, il vise à aborder, spécialement dans la troisième partie, des situations de recherche actuelles.
Simulations du modèle d'Ising sur le réseau carré à basse température (à gauche, phase ferromagnétique) et à haute température (à droite, phase paramagnétique)
Programme prévisionnel
- Partie I. Chaînes de Markov
- Classification des états
- Propriété de Markov forte
- Mesure invariante (conditions d'existence, unicité)
- Théorème ergodique
- Partie II. Modèle d'Ising
- Le modèle de Curie-Weiss -- Un modèle sans géométrie
- Mesures de Gibbs en volume fini
- Limite thermodynamique -- Pression et magnétisation
- Le modèle d'Ising sur Z -- Matrices de transfert
- Mesures en volume infini
- Fonctions locales et inégalités de corrélation
- Diagramme de phase du modèle d'Ising sur Z^d, d>1
- Critères d'unicité
- Brisure de symétrie à basse température -- Argument de Peierls
- Unicité à haute température
- Unicité en champ magnétique non nul -- Théorème de Lee-Yang
- Partie III. Chaînes de Markov indexées par les arbres
- Mesures de Gibbs sur les arbres
- Lois de bord
- Percolation, Ising
- Extrémalité et critères de reconstruction
UE Théorie spectrale, EDP et mécanique quantique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le but de ce cours est d'introduire les étudiants aux bases de la théorie spectrale des opérateurs elliptiques sur des domaines, et de voir quelques applications, notamment dans le cadre de la mécanique quantique.
Un des résultats clés du cours sera le fait que le Laplacien avec condition de Dirichlet dans un domaine Ω borné et lisse de Rd admet une base hilbertienne de fonctions propres régulières en vérifiant -Δ en = λ nen, où λ n → +∞ avec n∈ N.
Ce résultat sera un prétexte à l'étude de différents concepts : opérateurs compacts, ou à résolvante compacte, dans les espaces de Hilbert et leur "diagonalisation", espaces de Sobolev Hk( Ω) et leurs propriétés (injections de Sobolev par exemple), régularité des solutions d'EDP elliptiques.
Dans un second temps, nous souhaitons aussi présenter des applications à la théorie spectrale des opérateurs emblématiques de la mécanique quantique.
Le formalisme mathématique de la mécanique quantique sere présenté, puis nous discuterons le spectre de certains opérateurs de Schrödinger -Δ +V tels l'oscillateur harmonique ou le Laplacien sur le tore. Nous aborderons également l'existence et les propriétés de fonctions propres associées à la plus basse valeur propre d'un opérateur de Schrödinger en fonction du potentiel V via l'approche variationnelle.
Plus généralement, nous présenterons la caractérisation du spectre d'opérateurs par le min-max des quotients de Rayleigh, ainsi que le théorème de Courant sur le nombre de domaines nodaux des fonctions propres du Laplacien, et l'asymptotique de Weyl pour les valeurs propres sur un domaine. Des exemples simples de problèmes d'optimisation spectrale pourront aussi être présentés en TD, en fonction du temps disponible.
programme préliminaire
- Préliminaires sur les espaces de Hilbert : bases hilbertiennes, Lax-Milgram (en fonction de ce qui sera fait dans le cours du S1).
- Opérateurs compacts. Définition et propriétés du spectre. Théorème spectral pour les opérateurs compacts.
- Espaces de Sobolev Hk( Ω) sur des ouverts bornés réguliers de Rd, et leurs propriétés.
- Existence d'une base hilbertienne de fonctions propres pour le Laplacien sur un domaine borné régulier.
- Régularité elliptique et régularité des fonctions propres.
- Principes variationnels, min-max pour les valeurs propres.
- Le formalisme de la mécanique quantique : vecteur d'état/fonction d'ondes, opérateur Hamiltonien, évolution/équation de Schrödinger, observable, processus de mesure en mécanique quantique.
- Le spectre de certains opérateurs de Schrödinger -Δ +V dans Rd et les propriétés de son état fondamental. Exemple de l'oscillateur harmonique, du Laplacien sur le tore, de la particule dans un champ magnétique.
- Un peu de géométrie spectrale : théorème de Courant sur les domaines nodaux, asymptotique de Weyl. Optimisation spectrale dans des cas simples.
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Anglais scientifique (si niveau B2 non atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Il s'agit de viser le niveau de qualification B2 du Conseil de l'Europe, défini par ALTE, dans trois champs de compétences :
- Être capable de faire un exposé clair sur un sujet connu et répondre à des questions factuelles prévisibles
- Être capable de parcourir un texte pour retrouver l'information pertinente et en saisir l'essentiel
- Être capable de prendre des notes simples et en faire un usage raisonnable pour écrire une dissertation ou faire une révision
UE d'ouverture (uniquement si niveau C1 en Anglais atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Software security, secure programming and computer forensics
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L'objectif de ce cours est de permettre aux étudiants d'acquérir les notions suivantes :
- savoir identifier les forces/faiblesses d'un langage de programmation du point de vue de la sécurité ;
- connaitre les principales causes et conséquences des vulnérabilités logicielles usuelles
- connaitre les mécanismes de protection fournis par les compilateurs, par les OS - comprendre les principales techniques d'analyse de code pour la sécurité (leurs intérêts, leurs limites)
UE Security architectures
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Introduction
- Motivation/Diffie-Hellman ; MitM ; Kerberos ;
- Electronic Signatures ; DSS ; RSA-PSS ;
- References : RFC/PKCS/FIPS
- Key Management.
- PKI elements, functions ; Certificates, ASN.1, X509, CRL ;
- Trust models
- PKIX : Administration ; migration ; OCSP, SCVP, Novomodo;
- Cross-certification ; Bridge ;
- Embedded Model : Certificates Browsers/OS; pinning, EV certs, notaries, bulletin board ;
- PGP + GnuPG ; Spooky/Sudsy ; IBE; CBE ;
- Authentification by PKI
- fips-196 and variants
- Key transport
- Authenticated Diffie-Hellman (SIGMA)
- TLS (handshake)
- Cybersecurity of industrial IT
- Electronic Signature and industrial PKI
- Certification and Security Policies
- PKI deployement in industry
- Attacks against certification authorities and similar services
- Evaluation Criteria and regulations (common criteria ; RGS ; e-IDAS)
- Application Security
- Transactions: EMV ; SET ; 3D-Secure ; bitcoin
- Messaging: E-mail, S/MIME ; OTR
- Web: https
- Threats
- Introduction / Concepts / Threat Landscape
- Network Architecture - Theats / Protection Layer 1 to 7
- Communication Security
- VPN: TLS, IPsec
- Firewall / proxying
- Wireless Security
- IPv6
- Routing: DNS / DNSSec ; TOR
- Canal: TLS ; IPsec
- OS Security
- hardening
- SeLinux, AppArmor, GRSec
- HIDS
UE Cryptographic engineering, protocols and security models, data privacy, coding and applications
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course present the main cryptographic primitives and security protocols, focusing on security parameters and properties.
Pedagogical goals:
- generic cryptographic primitives: one-way, trap-door and hash functions; random generators; symmetric and assymertic cipher; interactive protocols;
- security properties : complexity and reduction proofs; undistinguidhability; non-malleability; soundness, completeness and zero-knowledge; confidentiality; authentication; privacy; non-repudiation
- use, deployment and integration of protocols in standard crypro lib (eg open-ssl)
- security proofs : fundations and verification based on tools (eg avispa)
UE Threat and risk analysis, IT security audit and norms
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Concepts : Menaces, Risques, Vulnérabilités. Introduction aux méthodes et outils d’évaluation et d’audit de sécurité (ISO 27005, EBIOS, OSTMM)
UE Physical Security : Embedded, Smart Card, Quantum & Biometrics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Systèmes embarqués : Principes de conception des systèmes embarqués ; cartes-à-puce, structure et attaques physiques ; Design for Test et attaques aux structures de test ; attaques par canaux auxiliaires ; attaques par fautes ; contre-mesures aux attaques citées.
Biométrie : objectifs, principe fondamental, vérification/authentification, les diverses modalités biométriques, examen des modalités les plus usitées (empreinte digitale, reconnaissance faciale, iris) tant du coté capteur que du coté algorithme, le marché de la biométrie, les déjà nombreuses applications existantes (commerciales, gouvernementales), évaluation des performances biométriques (FAR & FRR), normalisation, le sécurité des systèmes biométriques (cryptographie / détection de vitalité), introduction à la biométrie intriquée avec la cryptographie (le Grâal de la biométrie), protection de la vie privée, mythes et réalités.
Quantique : les postulats de la mécanique quantique ; comment utiliser l'information quantique pour faire des calculs, circuits et algorithmes quantiques ; description de l'information quantique, matrices de densités, mesures POVM, Fidélité , entropie ; codes correcteurs d'erreur quantiques ; un peu de complexité de communication quantique ; utiliser l'information quantique pour faire de la cryptographie théoriquement "secure", protocole d’échange de clé BB84
UE Advanced Security
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced Cryptology
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to present some advanced topics in cryptography. The exact content may vary from one year to another; as an indication past topics have included:
- Linear secret sharing schemes (code-based schemes, access structures...)
- Provable constructions in symmetric cryptography (building block cipher from ideal permutations)
- Symmetric cryptanalysis (statistical and algebraic)
- Algorithms and constructions in code-based cryptography (information-set decoding, LPN)
- Zero-knowledge proofs
- Advanced signatures (group signatures...)
- Advanced constructions (oblivious transfer, group encryption...)
- Post-quantum cryptography
- Elliptic-curve and isogeny-based cryptography
UE Stage Cybersecurité
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
(en entreprise ou laboratoire)
UE Software security, secure programming and computer forensics
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L'objectif de ce cours est de permettre aux étudiants d'acquérir les notions suivantes :
- savoir identifier les forces/faiblesses d'un langage de programmation du point de vue de la sécurité ;
- connaitre les principales causes et conséquences des vulnérabilités logicielles usuelles
- connaitre les mécanismes de protection fournis par les compilateurs, par les OS - comprendre les principales techniques d'analyse de code pour la sécurité (leurs intérêts, leurs limites)
UE GS_MSTIC_Ethique de la recherche
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cette UE est obligatoire pour les étudiant.e.s inscrit.e.s dans le PT MSTIC.
Elle est constituée d'une projet tutoré et d'un MOOC consacré à l'éthique de la Science.
UE Cryptographic engineering, protocols and security models, data privacy, coding and applications
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course present the main cryptographic primitives and security protocols, focusing on security parameters and properties.
Pedagogical goals:
- generic cryptographic primitives: one-way, trap-door and hash functions; random generators; symmetric and assymertic cipher; interactive protocols;
- security properties : complexity and reduction proofs; undistinguidhability; non-malleability; soundness, completeness and zero-knowledge; confidentiality; authentication; privacy; non-repudiation
- use, deployment and integration of protocols in standard crypro lib (eg open-ssl)
- security proofs : fundations and verification based on tools (eg avispa)
UE Threat and risk analysis, IT security audit and norms
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Concepts : Menaces, Risques, Vulnérabilités. Introduction aux méthodes et outils d’évaluation et d’audit de sécurité (ISO 27005, EBIOS, OSTMM)
UE Physical Security : Embedded, Smart Card, Quantum & Biometrics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Systèmes embarqués : Principes de conception des systèmes embarqués ; cartes-à-puce, structure et attaques physiques ; Design for Test et attaques aux structures de test ; attaques par canaux auxiliaires ; attaques par fautes ; contre-mesures aux attaques citées.
Biométrie : objectifs, principe fondamental, vérification/authentification, les diverses modalités biométriques, examen des modalités les plus usitées (empreinte digitale, reconnaissance faciale, iris) tant du coté capteur que du coté algorithme, le marché de la biométrie, les déjà nombreuses applications existantes (commerciales, gouvernementales), évaluation des performances biométriques (FAR & FRR), normalisation, le sécurité des systèmes biométriques (cryptographie / détection de vitalité), introduction à la biométrie intriquée avec la cryptographie (le Grâal de la biométrie), protection de la vie privée, mythes et réalités.
Quantique : les postulats de la mécanique quantique ; comment utiliser l'information quantique pour faire des calculs, circuits et algorithmes quantiques ; description de l'information quantique, matrices de densités, mesures POVM, Fidélité , entropie ; codes correcteurs d'erreur quantiques ; un peu de complexité de communication quantique ; utiliser l'information quantique pour faire de la cryptographie théoriquement "secure", protocole d’échange de clé BB84
UE Advanced Security
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced Cryptology
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to present some advanced topics in cryptography. The exact content may vary from one year to another; as an indication past topics have included:
- Linear secret sharing schemes (code-based schemes, access structures...)
- Provable constructions in symmetric cryptography (building block cipher from ideal permutations)
- Symmetric cryptanalysis (statistical and algebraic)
- Algorithms and constructions in code-based cryptography (information-set decoding, LPN)
- Zero-knowledge proofs
- Advanced signatures (group signatures...)
- Advanced constructions (oblivious transfer, group encryption...)
- Post-quantum cryptography
- Elliptic-curve and isogeny-based cryptography
UE Stage Cybersecurité
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
(en entreprise ou laboratoire)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE Systèmes dynamiques
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours présente des manières géométriques de traiter et résoudre des problèmes décrits par des équations différentielles.
- chapitre I : Introduction : généralités sur les systèmes dynamiques
- chapitre II : Systèmes unidimensionnels : Les points fixes, linéarisation et stabilité, Exemple : le modèle logistique, Existence et unicité des solutions d'équations différentielles ordinaires
- chapitre III : Bifurcations : Bifurcation selle-nœud, Bifurcation transcritique, Bifurcation transcritique imparfaite, Bifurcation fourche, Bifurcation fourche supercritique, Bifurcation fourche sous-critique, Bifurcation fourche supercritique imparfaite
- chapitre IV : Champ de vecteur sur un cercle : Oscillateur uniforme, Oscillateur non-uniforme
- chapitre V : Flots bidimensionnels et applications : Existence et unicité des solutions et conséquences topologiques, Systèmes linéaires, Systèmes non-linéaires : linéarisation proche des points fixes, Cycles limites, Le théorème de Poincaré-Bendixson, Systèmes Liénard, Systèmes gradients, Fonctions de Liapunov
- chapitre VI : Bifurcations bidimensionnelles : Bifurcations selle-nœud, transcritique et fourche, Bifurcation de Hopf, Bifurcations globales de cycles
UE Instabilities and Turbulences
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
This course presents basic notions on instabilities and turbulence. We try to be as progressive as possible and to base our presentation on analyses of real experiments and real flows. We review few mathematical methods to analyze nonlinear systems in terms of instabilities. The students have to use their new knowledge to run and analyze numerical simulations of very simple systems. We then study some of the most important physical mechanisms for fluid instabilities and the corresponding criteria. We quickly present a zoology of common fluid instabilities and discuss the mechanisms and the possible technical implications. We give a broad introduction on turbulence and describe few fundamental methods and results, in particular the Richardson cascade, the Reynolds decomposition and the Kolmogorov spectra.
Teaching program:
1. General introduction
- Instabilities and turbulence, interest?
- Reynolds experiment and Reynolds number
- Incompressible Navier-Stokes equations: diffusion and advection
- An example: the wake of a cylinder
2. Instabilities and transition to turbulence
- Systems with few degrees of freedom
- Fluid instability mechanisms and conditions
- Other flows examples
3. Effects of variable density
- Boussinesq approximation
- Unstable stratification, Rayleigh-Taylor instability
- Rayleigh-Benard instability (Ra, Nu)
- Stable stratification, Kelvin-Helmoltz instability and Richardson number
4. Turbulence
- Introduction, Richardson cascade
- Average and Reynolds decomposition
- Experimental and numerical methods to study turbulence
- Statistical descriptions
For this course, the students have to write in LaTeX a report on their practical work. Thus, we spent some time for a first gentle introduction of this tool widely used in scientific academia.
UE Turbulence
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce module est une introduction à la turbulence phénoménologique et statistique. On s’intéresse aux définitions et propriétés de la turbulence en terme de processus physiques et leur description dans des familles types d’écoulements cisaillés que l’on peut retrouver dans la nature et en ingénierie.
jet turbulent
jet turbulent
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Internship
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Industrial and/or research internship.
The students have to do an internship (of at least 8 weeks from mid May to end of August, see the planning) in a company or in a laboratory. No report is required (except for Ensimag students that follow the double diploma, who have to give a report to ensimag).
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Object-oriented and software design
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the main concepts of object-oriented programming, elaborated on C++. It mainly considers: Basics on classes, instances, constructors and destructors, aggregation. Memory management, pointers, references. Operator overloading. Genericity, template classes. STL (Standard Template Library) objects. Inheritance, polymorphism. The objective of this course is to present the computer sciences basics useful for applied mathematics.
UE Partial differential equations and numerical methods
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Give an overview of modelling using partial differential equations.
Types of equations, conservation laws
Finite differences methods
Laplace equation
Parabolic equations (diffusion)
Hyperbolic equations (propagation)
Non linear hyperbolic equations
This course include practical sessions.
Partial differential equations and numerical methods
Niveau d'étude
Bac +5
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Partial differential equations and numerical methods Complementary
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Signal and image processing
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide the basics mathematical tools and methods of image processing and applications.
Image definition Fourier transform, FFT, applications Image digitalisation, sampling Image processing: convolution, filtering. Applications Image decomposition, multiresolution. Application to compression This course includes practical sessions.
UE Geometric Modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is an introduction to the differential geometry of curves and surfaces with a particular focus on spline curves and surfaces that are routinely used in geometrical design softwares.
Differential geometry of curves
Approximation of curves with splines, Bézier and spline curves, algorithms,…
Differential geometry of surfaces, metric and curvature properties,…
This course includes practical sessions.
UE Applied probability and statistics
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to provide basic knowledge of applied probability and an introduction to mathematical statistics.
Applied probability
Estimation (parameter)
Sample comparison
Statistical tests
This course includes practical sessions.
UE English
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Computing science for big data and HPC
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give an introduction to numerical and computing problematics of large dimension problems.
Contents:
- Introduction to database
- Introduction to big data
- Introduction to high performance computing (HPC)
- Numerical solvers for HPC
HPC
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Introduction to database
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Project
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
January science and/or industrial project.
UE Numerical optimisation
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This program combines case studies coming from real life problems or models and lectures providing the mathematical and numerical backgrounds.
Contents:
- Introduction, classification, examples.
- Theoretical results: convexity and compacity, optimality conditions, KT theorem
- Algorithmic for unconstrained optimisation (descent, line search, (quasi) Newton)
- Algorithms for non differentiable problems
- Algorithms for constrained optimisation: penalisatio, SQP methods
- Applications
UE GS_MSTIC_Démarche Scientifique
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Introduction to cryptology (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds of security, integrity, authentication and cryptology.
Course
- Binary encoding of information
- Zn* group, field theory
- Symmetric cryptography
- Asymmetric cryptography, RSA
- Hash, DSA
- Lossless compression
- Error correcting codes
- Linear codes
- Cyclic codes
This course include practical sessions.
UE Introduction to cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
To acquire the main theoretical and practical notions of modern cryptography: from notions in algorithmic complexity and information theory, to a general overview on the main algorithms and protocols in symmetric and asymmetric cryptography.
UE Algebraic Algorithms for Cryptology
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Operations Research (MG et AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The main objective of this course is to provide basics tools in operations research
- Contents
What is OR?
Linear Programming
Duality
Mixed Integer Programming
Dynamic programming
Constraint Programming
Complexity theory and Scheduling
UE Operations Research
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Skills
- Recognize a situation where Operations Research is relevant.
- Know the main tools of Operations Research.
- Have the methodological elements to choose the solution methods and the tools the most adapted for a given practical problem.
- Know how to manipulate the software tools to solve a discrete optimization problem.
The course covers various topics:
- Linear Programming (modelling, solving, duality)
- Mixed Integer Linear Programming (modelling techniques, solving with Branch and Bound)
- Dynamic Programming
- Bonus (riddles, elsewhere on the web, OR News)
More details : https://moodle.caseine.org/course/view.php?id=42
Operations Research Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
In this part, we will investigate in more details some mathematical notions related to operations research. We will focus on three aspects: Spectral graph theory, Game theory, and Numerical Optimal transport. For each of these themes, we will see how these theoretical results relate to practical operations research problem and finally illustrate them numerically in Python.
UE 3D Graphics (AM)
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to give mathematical grounds and algorithms for the modelling, animation, and synthesis of images.
Content
- Projective rendering methods
- Animation, cinematic methods
- Geometrical modelling, 3D, deformation
- Case study
- This course include practical sessions. Implementation using OpenGL.
UE 3D Graphics
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Computer Graphics covers the set of techniques enabling the synthesis of animated virtual worlds. The applications range from entertainment (special effects, 3D feature films, video games), to industrial design (modelling and visualizing prototypes) and virtual reality (flight simulator, interactive walk-trough). This course introduces the domain by presenting the bases for the creation of 3D models, their animation, and the rendering of the corresponding 3D scene. Student will be invited to practice through programming exercises in OpenGL.
3D Graphics Complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Turbulences
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Plasmas Astrophysiques et Fusion
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Ce cours a deux objectifs principaux:
1- Fournir un panorama assez vaste des applications de la dynamique des fluides neutres (hydrodynamique ou HD) en astrophysique. Seront ainsi abordés:
- l’équilibre des systèmes auto-gravitants, l’effondrement gravitationnel et la formation des disques circumstellaires
- les écoulements supersoniques et points critiques associés, la formation des chocs et ondes de détonation (supernovae)
- la théorie des disques d’accrétion turbulents autour des trous noirs et des étoiles en formation
2- Fournir les hypothèses et les équations maitresses de la magnéto-hydrodynamique (ou MHD), qui est une description monofluide des plasmas. Quelques applications astrophysiques seront ensuite abordées:
- ondes magnétiques d'Alfven et magnétosoniques
- bouclier magnétique s’opposant à l’effondrement des nuages
Nous aborderons également, en fin de cours, ce qui est la certainement l’expérience de physique la plus longue de l’humanité, aux conséquences potentiellement majeures sur le devenir de nos sociétés, à savoir la production d’énergie électrique par fusion thermonucléaire contrôlée (ITER et autres machines à confinement magnétique).
Au-delà de la compréhension nouvelle de certains phénomènes en astrophysique, ce cours illustre la puissance descriptive des plasmas (ici HD ou MHD). A l'issue de ce cours, des concepts avancés tels que les caractéristiques dans des écoulements hyperboliques, les méthodes perturbatives dans des régimes complexes, la turbulence ou encore les ondes dans des milieux inhomogènes auront été abordés.
Experimental techniques in fluid mechanics
Niveau d'étude
Bac +4
Composante
Faculté des sciences
Période de l'année
Printemps (janv. à avril/mai)
UE Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Statistical learning and applications complementary
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Variational methods applied to modelling
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Content
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
Variational methods applied to modelling
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
The aim of this course is to get deep knowledge of PDE modelling and their numerical resolution, in particular using variational methods such as the Finite Elements method.
Course contents:
- Introduction to modelling with examples.
- Boundary problem in 1D, variational formulation, Sobolev spaces.
- Stationary problem, elliptic equations.
- Finite element method: algorithm, errors…
- Evolution models, parabolic equations, splitting methods
- Extensions and applications, FreeFEM++
This course include practical sessions.
This is a two parts course:
- Course mutualized with Ensimag 2A 4MMMVAM (head: Emmanuel Maitre)
- MSIAM specific course (in-depth and practical session) (head: Clément Jourdana)
A description of the course is available here
Variational methods applied to modelling complementary
Niveau d'étude
Bac +4
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Software development tools and methods
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to study various useful applications, libraries and methods for software engineering related to applied mathematics. For example :
• C++ project management (git and/or svn)
• Development and profiling
• Boost library
• Linear algebra (Eigen)
• Prototyping and interfacing using Python
• Post processing and visualization tools (VTK, Paraview, GMSH)
This course deals with :
Topic 1: Software Engineering
Topic 2: Programming
Evaluation :
Practial sessions reports and oral presentation at the end of the course
UE Modeling seminar and projects
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This lecture proposes various industrial modeling problems and their solutions. Students are faced to an industrial problem. They are in charge of this industrial project. They have to understand the user needs, to analyze and model the problem, to derive specifications, to implement a solution and to develop the communication and the presentation of the proposed solution.
This lecture introduces basic communication methodes in industry.
Rules: the students have to choose TWO subjects (either academic or industrial). They work in small groups on both projects with tutor (analysis of the problem, bibliography, construction of a solution, numerical simulations, etc.). At the end, they defend their results in front of a jury and provide a short report.
UE Geophysical imaging
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In the current context of energy transition and fight against global warming, a precise knowledge of the crust, down to several km depth, has become a critical issue. The crust is the place where are to be found ore resources needed to build electric batteries (rare earth elements) as well as concrete resources for offshore and onshore wind turbines foundations. The crust is also the only place presenting sufficient volumes to store CO2 and H2 in a flexible way. CO2 storage will be a crucial component among industrial solutions to fight against global warming and reach neutral carbon emissions in the next decades.
To these ends, high resolution quantitative estimates of the mechanical parameters of the crust is essential. To perform such estimation, one has to rely on the interpretation of the mechanical waves which travel in the crust. The inference of the mechanical properties of the subsurface from local recording of the mechanical waves at the surface is a mathematical inverse problem. The aim of this course is to provide the mathematical background and the required theoretical tools to introduce high resolution seismic imaging methods to the students, complemented with practical numerical work on schematic examples.
The first main part of the course will be devoted to the theoretical and practical aspects of wave propagation in heterogeneous media. Beginning by some general consideration on hyperbolic partial differential equations, we will see how the elastodynamics equations, representing the propagation of mechanical waves in the subsurface, belong to this category of equations. We will show in particular an energy conservation result based on the symmetry of the underlying hyperbolic system. We will then discuss how to design absorbing boundary conditions for wave propagation problems, to mimic media of infinite extension. This will lead us to the question of numerical approximation to the solution of wave equations in heterogeneous media. We will discuss in details finite-difference schemes, and practical work will be dedicated to the implementation of a finite-difference scheme for the 1D and 2D acoustic equations, and potentially 2D elastic equations.
The second main part of the course will be devoted to the theoretical and practical aspects of seismic imaging using full waveform inversion. We will show how this method is formulated as a nonlinear inverse problem, controlled by partial differential equations representing wave propagation in heterogeneous media. We will discuss how this problem can be solved by local optimization strategies, and review such strategies, from 1st order gradient method to more evolved 2nd order Newton or quasi-Newton methods. The computation of the gradient of the misfit function through the adjoint state method, following optimal control theory, will be extensively presented, as well as its physical interpretation. This theoretical work will be supported by numerical experiments based on the finite-difference wave propagation code developed in the first part of the course. We will then discuss how full waveform inversion is applied in practice, supported by various field data applications examples. This will lead us to discuss current limitations of the method related to its ill-posedness and the lack of regularity of the solution, and give an overview of methodological work currently performed to mitigate these limitations.
Course outline
2 introductory session
- main introduction on seismic imaging (to do what?)
- main concepts related to general inverse problems
5 modeling sessions
- theoretical considerations on hyperbolic systems
- how to derive the elastodynamics equations from Newton and Hooke’s law
- elastodynamics equations = symmetrizable hyperbolic system, energy conservation
- absorbing boundary conditions - numerical approximation to the solution of wave propagation in heterogeneous media (finite-difference, finite element) - practical work : implement 1D and 2D acoustic, + 2D elastic if time allows
5 inverse problem sessions
- imaging the crust= nonlinear inverse problem controlled by an hyperbolic PDE
- local optimization method
- gradient computation through the adjoint state strategy
- physical interpretation of the gradient and Hessian operators - implementation of the gradient computation based on the modeling code designed in the first part
- full waveform inversion in practice: hierarchical schemes
- review of applications - review of current methodological developments
UE An introduction to shape and topology optimization
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In a very broad acceptation, shape and topology optimization is about finding the best domain (which may represent, depending on applications, a mechanical structure, a fluid channel,…) with respect to a given performance criterion (e.g. robustness, weight, etc.), under some constraints (e.g. of a geometric nature). Fostered by its impressive technological and industrial achievements, this discipline has aroused a growing enthusiasm among mathematicians, physicists and engineers since the seventies. Nowadays, problems pertaining to fields so diverse as mechanical engineering, fluid mechanics or biology, to name a few, are currently tackled with optimal design techniques, and constantly raise new, challenging issues.
The purpose of this course is to discuss the main aspects related to the numerical resolution and the practical implementation of shape and topology optimization problems, and to present state-of-the-art elements of response. It focuses as well on the needed theoretical ingredients as on the related numerical considerations. More specifically, the following issues will be addressed:
- How to define a `good' notion of derivative for a ``cost'' function depending on the domain;
- How to calculate the shape derivative of a function which depends on the domain
via the solution of a Partial Differential Equation posed on it;
- How to devise efficient first-order algorithms (e.g. steepest-descent algorithms) based on the notion of shape derivative;
- How to numerically represent shapes so that it is at the same time convenient to perform Finite Element computations on them,
and to deal with their evolution in the course of the optimization process.
UE Refresh courses
Niveau d'étude
Bac +5
ECTS
0 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cours de remise à niveau.
UE GPU Computing
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In this course, we will introduce parallel programming paradigms to the students in the context of applied mathematics. The students will learn to identify the parallel pattern in numerical algorithm. The key components that the course will focus on are : efficiency, scalability, parallel pattern, comparison of parallel algorithms, operational intensity and emerging programming paradigm. Trough different lab assignments, the students will apply the concepts of efficient parallel programming using Graphic Processing Unit. In the final project, the students will have the possibility to parallelize one of their own numerical application developed in a previous course.
- Introduction to parallelism
- Introduction to general context of parallelism
- Models of parallel programming
- Description of various model of parallelism
- Paradigm of parallelism
- Templates of parallelism
- Parallel architectures
- Programming tools: Cuda
UE Differential Calculus, Wavelets and Applications
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course is structured in two parts, treated respectively and independently by Sylvain Meignen and Kevin Polisano. The first part is devoted to differential calculus and its applications in image restoration and edge detection. The second part is dedicated to the construction and practical use of the wavelet transform. Wavelets are basis functions widely used in a large variety of fields: signal and image processing, data compression, smoothing/denoising data, numerical schemes for partial differential equations, scientific visualization, etc. Connections between the two parts will be made on the aspects of denoising, edge detection and graph analysis.
Course outline
Part I: Differential Calculus
- Differentiability on normed vector spaces
- Image restoration
- Edge detection
Part II: Wavelets and Applications
- From Fourier to the 1D Continuous Wavelet Transform
- Wavelet zoom, a local characterization of functions
- The 2D Continuous Wavelet Transform
- The 1D and 2D Discrete Wavelet Transform
- Linear and nonlinear approximations in wavelet bases
- The graph Fourier and wavelets transforms
UE Fluid Mechanics and Granular Materials
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The first part of the lecture introduce to mathematical modeling of fluid mechanics and the numerical resolution of the associated equations. Equations are classified by three main families of models:
-
environmental problems: yield stress fluids (Bingham type) for granular matter, e.g. snow avalanches, mud or ice flows, erosion, landslides and volcanic lavas.
-
industrial problems: viscoelastic fluids (Oldroyd type) for plastic material processes, and metallic alloy.
-
biological problems: elastoviscoplastic fluids, for blood flows, liquid foam flows, and for food processing (mayonnaise, ketchup, etc).
Equations and models are presented in a continuum setting, and then approximated in time and space. Then, the efficient numerical resolution is addressed with some examples of practical applications.
The second part of the lecture propose a deeper analysis of granular models. The mathematical study of these complex matter is an important numerical and physical challenge. We will show how it requires a general view related to nonlinear PDEs. The objective of this course will be two-fold:
- Show how the compressibility and the viscoplasticity of the phenomenon can play an important role
- Discuss congestion phenomena in granular media (maximum packing) that can be compared mathematically to floating structure phenomena in the presence of a free boundary.
Students who complete the course will have demonstrated the ability to do the following:
- formulate and solve a large number of nonlinear physical and mechanical problems.
- demonstrate a familiarity with fluid mechanics and complex materials
- synthesize and implement efficient algorithms for various applications of industrial type.
The main idea of this lecture is to motivate by examples interdisciplinary collaborations needed to deal with complex situations.
UE Handling uncertainties in (large-scale) numerical models
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Numerical simulation is ubiquitous in today’s world. Initially confined to well-mastered physical problems, it has spread to all fields (oceanography, biology, ecology, etc.), the aim being to make forecasts of the systems under study. This has been possible thanks to the combination of numerical models and access to a considerable amount of data. However, there are many sources of uncertainty in these modelling systems. They can come from poorly known processes, approximations in the model equations and/or in their discretization, partial and uncertain data, … The objective of this course is to explore in depth the mathematical methods that have allowed these two worlds to meet. Firstly, we will focus on sensitivity analysis approaches that allow us to study the behavior of the system and its response to perturbations. In particular, this permits to study the way in which uncertainties are propagated. Next, we will look at data assimilation methods that aim at reducing said uncertainties by combining numerical models and observation data. Finally, the notions of model reduction will be discussed, which allow the implementation of the previous methods on high dimensional problems.
This course is intended for DS and MSCI students and will start with a differentiated refresher course on the necessary basic mathematical notions.
Course outline
-
General introduction and reminder of the basic concepts
-
Sensitivity analysis
-
Local sensitivity analysis
-
Global sensitivity analysis
-
-
Data assimilation
-
Variational methods
-
Stochastic methods
-
-
Model reduction
-
Gaussian processes
-
Polynomial Chaos
-
UE Temporal, spatial and extreme event analysis
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Modelling extreme temperatures, extreme river flows, earthquakes intensities, neuronal activity, map diseases, lightning strikes, forest fires, for example is a risk modelling and assessment task, which is tackled in statistics using point processes and extreme value theory.
On the one hand, point processes are a class of stochastic processes modelling random events in interaction. By event we can think of the time a neuron activates, an earthquake occurs, the time a tweet has been retweeted, etc or the location of a tree in a forest, the impact of a lightning strike, etc. The first two parts provide an introduction to stochastic models and statistical inference which could cover such applications. Main characteristics of such processes, standard models (properties, simulation) and statistical procedures to infer them will be presented.
On the other hand, taking into account extreme events such as heavy rainfalls, floods, extreme temperatures is often crucial in the statistical approach to risk modeling. In this context, the behavior of the distribution tail is then more important than the shape of the central part of the distribution. Extreme-value theory offers a wide range of tools for modeling and estimating the probability of extreme events.
UE Advanced Machine Learning: Applications to Vision, Audio and Text
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course is split into two parts. During the first part, a wide range of machine learning algorithms will be discussed. The second part will focus on deep learning, and presentations more applied to the three data modalities and their combinations. The following is a non-exhaustive list of topics discussed:
- Computing dot products in high dimension & Page Rank
- Matrix completion/factorization (Stochastic Gradient Descent, SVD)
- Monte-carlo, MCMC methods: Metropolis-Hastings and Gibbs Sampling
- Unsupervised classification: Partitionning, Hierarchical, Kernel and Spectral clustering
- Alignment and matching algorithms (local/global, pairwise/multiple), dynamic programming, Hungarian algorithm,…
- Introduction to Deep Learning concepts, including CNN, RNN, Metric learning
- Attention models: Self-attention, Transformers
- Auditory data: Representation, sound source localisation and separation.
- Natural language data: Representation, Seq2Seq, Word2Vec, Machine Translation, Pre-training strategies, Benchmarks and evaluation
- Visual data: image and video representation, recap of traditional features, state-of-the-art neural architectures for feature extraction
- Object detection and recognition, action recognition.
- Multimodal learning: audio-visual data representation, multimedia retrieval.
- Generative Adversarial Networks: Image-image translation, conditional generation
UE Natural Language Processing & Information Retrieval
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The automatic processing of languages, whether written or spoken, has always been an essential part of artificial intelligence. This domain has encouraged the emergence of new uses thanks to the arrival in the industrial field of many technologies from research (spell-checkers, speech synthesis, speech recognition, machine translation, …). In this course, we present the most recent advances and challenges for research. We will discuss discourse analysis whether written or spoken, text clarification, automatic speech transcription and automatic translation, in particular recent advances with neural models.
Information access and retrieval is now ubiquitous in everyday life through search engines, recommendation systems, or technological and commercial surveillance, in many application domains either general or specific like health for instance. In this course, we will cover Information retrieval basics, information retrieval evaluation, models for information retrieval, medical information retrieval, and deep learning for multimedia indexing and retrieval
UE From Basic Machine Learning models to Advanced Kernel Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Statistical learning is about the construction and study of systems that can automatically learn from data. With the emergence of massive datasets commonly encountered today, the need for powerful machine learning is of acute importance. Examples of successful applications include effective web search, anti-spam software, computer vision, robotics, practical speech recognition, and a deeper understanding of the human genome. This course gives an introduction to this exciting field. In the first part, we will introduce basic techniques such as logistic regression, multilayer perceptrons, nearest neighbor approaches, both from a theoretical and methodological point of views. In the second part, we will focus on more advanced techniques such as kernel methods, which is a versatile tool to represent data, in combination with (un)supervised learning techniques that are agnostic to the type of data that is learned from. The learning techniques that will be covered include regression, classification, clustering and dimension reduction. We will cover both the theoretical underpinnings of kernels, as well as a series of kernels that are important in practical applications. Finally we will touch upon topics of active research, such as large-scale kernel methods and the use of kernel methods to develop theoretical foundations of deep learning models.
UE Mathematical Foundations of Machine Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Machine Learning is one of the key areas of Artificial Intelligence and it concerns the study and the development of quantitative models that enables a computer to perform tasks without being explicitly programmed to do them. Learning in this context is hence to recognize complex forms and to make intelligent decisions. Given all existing entries, the difficulty of this task lies in the fact that all possible decisions is usually very complex to enumerate. To get around that, machine learning algorithms are designed in order to gain knowledge on the problem to be addressed based on a limited set of observed data extracted from this problem. To illustrate this principle, consider the supervised learning task, where the prediction function, which infers a predicted output for a given input, is learned over a finite set of labeled training examples, where each instance of this set is a pair constituted of a vector characterizing an observation in a given vector space, and an associated desired response for that instance (also called desired output). After the training step, the function returned by the algorithm is sought to give predictions on new examples, which have not been used in the learning process, with the lowest probability of error. The underlying assumption in this case is that the examples are, in general, representative of the prediction problem on which the function will be applied. We expect that the learning algorithm produces a function that will have a good generalization performance and not the one that is able to perfectly reproduce the outputs associated to the training examples. Guarantees of learnability of this process were studied in the theory of machine learning largely initiated by Vladimir Vapnik. These guarantees are dependent on the size of the training set and the complexity of the class of functions where the algorithm searches for the prediction function. Emerging technologies, particularly those related to the development of Internet, reshaped the domain of machine learning with new learning frameworks that have been studied to better tackle the related problems. One of these frameworks concerns the problem of learning with partially labeled data, or semi-supervised learning, which development is motivated by the effort that has to be made to construct labeled training sets for some problems, while large amount of unlabeled data can be gathered easily for these problems. The inherent assumption, in this case, is that unlabeled data contain relevant information about the task that has to be solved, and that it is a natural idea to try to extract this information so as to provide the learning algorithm more evidence. From these facts were born a number of works that intended to use a small amount of labeled data simultaneously with a large amount of unlabeled data to learn a prediction function.
The intent of this course is to propose a broad introduction to the field of Machine Learning, including discussions of each of the major frameworks, supervised, unsupervised, semi-supervised and reinforcement learning.
UE Statistical learning: from parametric to nonparametric models
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is related to mathematical and statistical methods which are very used in supervised learning.
It contains two parts.
In the first part, we will focus on parametric modeling. Starting with the classical linear regression, we will describe several families of estimators that work when considering high-dimensional data, where the classical least square estimator does not work. Model selection and model assessment will particularly be described.
In the second part, we shall focus on nonparametric methods. We will present several tools and ingredients to predict the future value of a variable. We shall focus on methods for non parametric regression from independent to correlated training dataset. We shall also study some methods to avoid the overfitting in supervised learning.
This course will be followed by practical sessions with the R software.
UE Learning, Probabilities and Causality
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Causality is at the core of our vision of the world and of the way we reason. It has long been recognized as an important concept and was already mentioned in the ancient Hindu scriptures: “Cause is the effect concealed, effect is the cause revealed”. Even Democritus famously proclaimed that he would rather discover a causal relation than be the king of presumably the wealthiest empire of his time. Nowadays, causality is seen as an ideal way to explain observed phenomena and to provide tools to reason on possible outcomes of interventions and what-if experiments, which are central to counterfactual reasoning, as ‘‘what if this patient had been given this particular treatment?’’
UE Mathematical optimization
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Data science seminars and Challenge
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course contains two parts.
Part I concerns Data challenge.
This part consists in a real problem that is given to the students for which data are readily available. The goal is to have teams of five to six students compete in solving (at least partially) the problem.
The work is spread over the Autumn semester and consists of: building a prediction model or a methodology to solve the problem based on a set of training data, blind evaluation of the model or methodology on a test bench (unseen data, withheld from the students), using an appropriate performance measure.
At the end, the teams will present their solution path in a formal presentation and a short report.
Part II concerns Data Science seminars.
This is a cycle of seminars or presentations with a common factor that is the project of the data challenge. A first seminar will settle the context and the problem for that year’s data challenge.
The other seminars will propose different industrial or academic approaches and problems that are (loosely) related to the objective of the data challenge. Presentations have a time slot of one hour and students will have to read up front some ressources to orient their questions about the subject after the seminar.
UE Computational biology
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This interdisciplinary MSc course is designed for applicants with a biomedical, computational or mathematical background. It provides students with the necessary skills to produce effective research in bioinformatics and computational biology.
UE Quantum Information & Dynamics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The quantum formalism developed a century ago provides a very precise description of nature at small scales which entails several counter intuitive aspects: superposition of states, entanglement, intrinsic randomness of measurement process, to list a few. However, from a mathematical point of view, quantum mechanics does have a definite formulation. This allows to investigate these intriguing features rigorously and to explore these quantum traits in information theory and algorithmics in particular, as well as the challenges they present.
The goal of these lectures is to provide a mathematical description of the quantum formalism in finite dimension and to introduce the mathematical concepts and tools required for the analysis of such quantum systems and their dynamics. On the one hand, we will study the key aspects of quantum information theory. On the other hand, we will describe certain properties of quantum dynamics that need to be taken into account in the implementation of quantum algorithms and that will be applied to emblematic systems. The interaction with an external classical electromagnetic field will also be considered both from a theoretical and a numerical point of view.
UE Numerical Mechanics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), Grenoble INP - Ensimag (Informatique, mathématiques appliquées et télécommunications), UGA
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced numerical methods for PDEs and optimal transport problems
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Research projects
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This is the master thesis project.
UE GS_MSTIC_Ethique de la recherche
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cette UE est obligatoire pour les étudiant.e.s inscrit.e.s dans le PT MSTIC.
Elle est constituée d'une projet tutoré et d'un MOOC consacré à l'éthique de la Science.
UE Software development tools and methods
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The aim of this course is to study various useful applications, libraries and methods for software engineering related to applied mathematics. For example :
• C++ project management (git and/or svn)
• Development and profiling
• Boost library
• Linear algebra (Eigen)
• Prototyping and interfacing using Python
• Post processing and visualization tools (VTK, Paraview, GMSH)
This course deals with :
Topic 1: Software Engineering
Topic 2: Programming
Evaluation :
Practial sessions reports and oral presentation at the end of the course
UE Modeling seminar and projects
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This lecture proposes various industrial modeling problems and their solutions. Students are faced to an industrial problem. They are in charge of this industrial project. They have to understand the user needs, to analyze and model the problem, to derive specifications, to implement a solution and to develop the communication and the presentation of the proposed solution.
This lecture introduces basic communication methodes in industry.
Rules: the students have to choose TWO subjects (either academic or industrial). They work in small groups on both projects with tutor (analysis of the problem, bibliography, construction of a solution, numerical simulations, etc.). At the end, they defend their results in front of a jury and provide a short report.
UE Geophysical imaging
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In the current context of energy transition and fight against global warming, a precise knowledge of the crust, down to several km depth, has become a critical issue. The crust is the place where are to be found ore resources needed to build electric batteries (rare earth elements) as well as concrete resources for offshore and onshore wind turbines foundations. The crust is also the only place presenting sufficient volumes to store CO2 and H2 in a flexible way. CO2 storage will be a crucial component among industrial solutions to fight against global warming and reach neutral carbon emissions in the next decades.
To these ends, high resolution quantitative estimates of the mechanical parameters of the crust is essential. To perform such estimation, one has to rely on the interpretation of the mechanical waves which travel in the crust. The inference of the mechanical properties of the subsurface from local recording of the mechanical waves at the surface is a mathematical inverse problem. The aim of this course is to provide the mathematical background and the required theoretical tools to introduce high resolution seismic imaging methods to the students, complemented with practical numerical work on schematic examples.
The first main part of the course will be devoted to the theoretical and practical aspects of wave propagation in heterogeneous media. Beginning by some general consideration on hyperbolic partial differential equations, we will see how the elastodynamics equations, representing the propagation of mechanical waves in the subsurface, belong to this category of equations. We will show in particular an energy conservation result based on the symmetry of the underlying hyperbolic system. We will then discuss how to design absorbing boundary conditions for wave propagation problems, to mimic media of infinite extension. This will lead us to the question of numerical approximation to the solution of wave equations in heterogeneous media. We will discuss in details finite-difference schemes, and practical work will be dedicated to the implementation of a finite-difference scheme for the 1D and 2D acoustic equations, and potentially 2D elastic equations.
The second main part of the course will be devoted to the theoretical and practical aspects of seismic imaging using full waveform inversion. We will show how this method is formulated as a nonlinear inverse problem, controlled by partial differential equations representing wave propagation in heterogeneous media. We will discuss how this problem can be solved by local optimization strategies, and review such strategies, from 1st order gradient method to more evolved 2nd order Newton or quasi-Newton methods. The computation of the gradient of the misfit function through the adjoint state method, following optimal control theory, will be extensively presented, as well as its physical interpretation. This theoretical work will be supported by numerical experiments based on the finite-difference wave propagation code developed in the first part of the course. We will then discuss how full waveform inversion is applied in practice, supported by various field data applications examples. This will lead us to discuss current limitations of the method related to its ill-posedness and the lack of regularity of the solution, and give an overview of methodological work currently performed to mitigate these limitations.
Course outline
2 introductory session
- main introduction on seismic imaging (to do what?)
- main concepts related to general inverse problems
5 modeling sessions
- theoretical considerations on hyperbolic systems
- how to derive the elastodynamics equations from Newton and Hooke’s law
- elastodynamics equations = symmetrizable hyperbolic system, energy conservation
- absorbing boundary conditions - numerical approximation to the solution of wave propagation in heterogeneous media (finite-difference, finite element) - practical work : implement 1D and 2D acoustic, + 2D elastic if time allows
5 inverse problem sessions
- imaging the crust= nonlinear inverse problem controlled by an hyperbolic PDE
- local optimization method
- gradient computation through the adjoint state strategy
- physical interpretation of the gradient and Hessian operators - implementation of the gradient computation based on the modeling code designed in the first part
- full waveform inversion in practice: hierarchical schemes
- review of applications - review of current methodological developments
UE An introduction to shape and topology optimization
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In a very broad acceptation, shape and topology optimization is about finding the best domain (which may represent, depending on applications, a mechanical structure, a fluid channel,…) with respect to a given performance criterion (e.g. robustness, weight, etc.), under some constraints (e.g. of a geometric nature). Fostered by its impressive technological and industrial achievements, this discipline has aroused a growing enthusiasm among mathematicians, physicists and engineers since the seventies. Nowadays, problems pertaining to fields so diverse as mechanical engineering, fluid mechanics or biology, to name a few, are currently tackled with optimal design techniques, and constantly raise new, challenging issues.
The purpose of this course is to discuss the main aspects related to the numerical resolution and the practical implementation of shape and topology optimization problems, and to present state-of-the-art elements of response. It focuses as well on the needed theoretical ingredients as on the related numerical considerations. More specifically, the following issues will be addressed:
- How to define a `good' notion of derivative for a ``cost'' function depending on the domain;
- How to calculate the shape derivative of a function which depends on the domain
via the solution of a Partial Differential Equation posed on it;
- How to devise efficient first-order algorithms (e.g. steepest-descent algorithms) based on the notion of shape derivative;
- How to numerically represent shapes so that it is at the same time convenient to perform Finite Element computations on them,
and to deal with their evolution in the course of the optimization process.
UE Refresh courses
Niveau d'étude
Bac +5
ECTS
0 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cours de remise à niveau.
UE GPU Computing
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
In this course, we will introduce parallel programming paradigms to the students in the context of applied mathematics. The students will learn to identify the parallel pattern in numerical algorithm. The key components that the course will focus on are : efficiency, scalability, parallel pattern, comparison of parallel algorithms, operational intensity and emerging programming paradigm. Trough different lab assignments, the students will apply the concepts of efficient parallel programming using Graphic Processing Unit. In the final project, the students will have the possibility to parallelize one of their own numerical application developed in a previous course.
- Introduction to parallelism
- Introduction to general context of parallelism
- Models of parallel programming
- Description of various model of parallelism
- Paradigm of parallelism
- Templates of parallelism
- Parallel architectures
- Programming tools: Cuda
UE Differential Calculus, Wavelets and Applications
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course is structured in two parts, treated respectively and independently by Sylvain Meignen and Kevin Polisano. The first part is devoted to differential calculus and its applications in image restoration and edge detection. The second part is dedicated to the construction and practical use of the wavelet transform. Wavelets are basis functions widely used in a large variety of fields: signal and image processing, data compression, smoothing/denoising data, numerical schemes for partial differential equations, scientific visualization, etc. Connections between the two parts will be made on the aspects of denoising, edge detection and graph analysis.
Course outline
Part I: Differential Calculus
- Differentiability on normed vector spaces
- Image restoration
- Edge detection
Part II: Wavelets and Applications
- From Fourier to the 1D Continuous Wavelet Transform
- Wavelet zoom, a local characterization of functions
- The 2D Continuous Wavelet Transform
- The 1D and 2D Discrete Wavelet Transform
- Linear and nonlinear approximations in wavelet bases
- The graph Fourier and wavelets transforms
UE Fluid Mechanics and Granular Materials
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The first part of the lecture introduce to mathematical modeling of fluid mechanics and the numerical resolution of the associated equations. Equations are classified by three main families of models:
-
environmental problems: yield stress fluids (Bingham type) for granular matter, e.g. snow avalanches, mud or ice flows, erosion, landslides and volcanic lavas.
-
industrial problems: viscoelastic fluids (Oldroyd type) for plastic material processes, and metallic alloy.
-
biological problems: elastoviscoplastic fluids, for blood flows, liquid foam flows, and for food processing (mayonnaise, ketchup, etc).
Equations and models are presented in a continuum setting, and then approximated in time and space. Then, the efficient numerical resolution is addressed with some examples of practical applications.
The second part of the lecture propose a deeper analysis of granular models. The mathematical study of these complex matter is an important numerical and physical challenge. We will show how it requires a general view related to nonlinear PDEs. The objective of this course will be two-fold:
- Show how the compressibility and the viscoplasticity of the phenomenon can play an important role
- Discuss congestion phenomena in granular media (maximum packing) that can be compared mathematically to floating structure phenomena in the presence of a free boundary.
Students who complete the course will have demonstrated the ability to do the following:
- formulate and solve a large number of nonlinear physical and mechanical problems.
- demonstrate a familiarity with fluid mechanics and complex materials
- synthesize and implement efficient algorithms for various applications of industrial type.
The main idea of this lecture is to motivate by examples interdisciplinary collaborations needed to deal with complex situations.
UE Handling uncertainties in (large-scale) numerical models
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Numerical simulation is ubiquitous in today’s world. Initially confined to well-mastered physical problems, it has spread to all fields (oceanography, biology, ecology, etc.), the aim being to make forecasts of the systems under study. This has been possible thanks to the combination of numerical models and access to a considerable amount of data. However, there are many sources of uncertainty in these modelling systems. They can come from poorly known processes, approximations in the model equations and/or in their discretization, partial and uncertain data, … The objective of this course is to explore in depth the mathematical methods that have allowed these two worlds to meet. Firstly, we will focus on sensitivity analysis approaches that allow us to study the behavior of the system and its response to perturbations. In particular, this permits to study the way in which uncertainties are propagated. Next, we will look at data assimilation methods that aim at reducing said uncertainties by combining numerical models and observation data. Finally, the notions of model reduction will be discussed, which allow the implementation of the previous methods on high dimensional problems.
This course is intended for DS and MSCI students and will start with a differentiated refresher course on the necessary basic mathematical notions.
Course outline
-
General introduction and reminder of the basic concepts
-
Sensitivity analysis
-
Local sensitivity analysis
-
Global sensitivity analysis
-
-
Data assimilation
-
Variational methods
-
Stochastic methods
-
-
Model reduction
-
Gaussian processes
-
Polynomial Chaos
-
UE Temporal, spatial and extreme event analysis
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Modelling extreme temperatures, extreme river flows, earthquakes intensities, neuronal activity, map diseases, lightning strikes, forest fires, for example is a risk modelling and assessment task, which is tackled in statistics using point processes and extreme value theory.
On the one hand, point processes are a class of stochastic processes modelling random events in interaction. By event we can think of the time a neuron activates, an earthquake occurs, the time a tweet has been retweeted, etc or the location of a tree in a forest, the impact of a lightning strike, etc. The first two parts provide an introduction to stochastic models and statistical inference which could cover such applications. Main characteristics of such processes, standard models (properties, simulation) and statistical procedures to infer them will be presented.
On the other hand, taking into account extreme events such as heavy rainfalls, floods, extreme temperatures is often crucial in the statistical approach to risk modeling. In this context, the behavior of the distribution tail is then more important than the shape of the central part of the distribution. Extreme-value theory offers a wide range of tools for modeling and estimating the probability of extreme events.
UE Advanced Machine Learning: Applications to Vision, Audio and Text
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The course is split into two parts. During the first part, a wide range of machine learning algorithms will be discussed. The second part will focus on deep learning, and presentations more applied to the three data modalities and their combinations. The following is a non-exhaustive list of topics discussed:
- Computing dot products in high dimension & Page Rank
- Matrix completion/factorization (Stochastic Gradient Descent, SVD)
- Monte-carlo, MCMC methods: Metropolis-Hastings and Gibbs Sampling
- Unsupervised classification: Partitionning, Hierarchical, Kernel and Spectral clustering
- Alignment and matching algorithms (local/global, pairwise/multiple), dynamic programming, Hungarian algorithm,…
- Introduction to Deep Learning concepts, including CNN, RNN, Metric learning
- Attention models: Self-attention, Transformers
- Auditory data: Representation, sound source localisation and separation.
- Natural language data: Representation, Seq2Seq, Word2Vec, Machine Translation, Pre-training strategies, Benchmarks and evaluation
- Visual data: image and video representation, recap of traditional features, state-of-the-art neural architectures for feature extraction
- Object detection and recognition, action recognition.
- Multimodal learning: audio-visual data representation, multimedia retrieval.
- Generative Adversarial Networks: Image-image translation, conditional generation
UE Natural Language Processing & Information Retrieval
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The automatic processing of languages, whether written or spoken, has always been an essential part of artificial intelligence. This domain has encouraged the emergence of new uses thanks to the arrival in the industrial field of many technologies from research (spell-checkers, speech synthesis, speech recognition, machine translation, …). In this course, we present the most recent advances and challenges for research. We will discuss discourse analysis whether written or spoken, text clarification, automatic speech transcription and automatic translation, in particular recent advances with neural models.
Information access and retrieval is now ubiquitous in everyday life through search engines, recommendation systems, or technological and commercial surveillance, in many application domains either general or specific like health for instance. In this course, we will cover Information retrieval basics, information retrieval evaluation, models for information retrieval, medical information retrieval, and deep learning for multimedia indexing and retrieval
UE From Basic Machine Learning models to Advanced Kernel Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Statistical learning is about the construction and study of systems that can automatically learn from data. With the emergence of massive datasets commonly encountered today, the need for powerful machine learning is of acute importance. Examples of successful applications include effective web search, anti-spam software, computer vision, robotics, practical speech recognition, and a deeper understanding of the human genome. This course gives an introduction to this exciting field. In the first part, we will introduce basic techniques such as logistic regression, multilayer perceptrons, nearest neighbor approaches, both from a theoretical and methodological point of views. In the second part, we will focus on more advanced techniques such as kernel methods, which is a versatile tool to represent data, in combination with (un)supervised learning techniques that are agnostic to the type of data that is learned from. The learning techniques that will be covered include regression, classification, clustering and dimension reduction. We will cover both the theoretical underpinnings of kernels, as well as a series of kernels that are important in practical applications. Finally we will touch upon topics of active research, such as large-scale kernel methods and the use of kernel methods to develop theoretical foundations of deep learning models.
UE Mathematical Foundations of Machine Learning
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Machine Learning is one of the key areas of Artificial Intelligence and it concerns the study and the development of quantitative models that enables a computer to perform tasks without being explicitly programmed to do them. Learning in this context is hence to recognize complex forms and to make intelligent decisions. Given all existing entries, the difficulty of this task lies in the fact that all possible decisions is usually very complex to enumerate. To get around that, machine learning algorithms are designed in order to gain knowledge on the problem to be addressed based on a limited set of observed data extracted from this problem. To illustrate this principle, consider the supervised learning task, where the prediction function, which infers a predicted output for a given input, is learned over a finite set of labeled training examples, where each instance of this set is a pair constituted of a vector characterizing an observation in a given vector space, and an associated desired response for that instance (also called desired output). After the training step, the function returned by the algorithm is sought to give predictions on new examples, which have not been used in the learning process, with the lowest probability of error. The underlying assumption in this case is that the examples are, in general, representative of the prediction problem on which the function will be applied. We expect that the learning algorithm produces a function that will have a good generalization performance and not the one that is able to perfectly reproduce the outputs associated to the training examples. Guarantees of learnability of this process were studied in the theory of machine learning largely initiated by Vladimir Vapnik. These guarantees are dependent on the size of the training set and the complexity of the class of functions where the algorithm searches for the prediction function. Emerging technologies, particularly those related to the development of Internet, reshaped the domain of machine learning with new learning frameworks that have been studied to better tackle the related problems. One of these frameworks concerns the problem of learning with partially labeled data, or semi-supervised learning, which development is motivated by the effort that has to be made to construct labeled training sets for some problems, while large amount of unlabeled data can be gathered easily for these problems. The inherent assumption, in this case, is that unlabeled data contain relevant information about the task that has to be solved, and that it is a natural idea to try to extract this information so as to provide the learning algorithm more evidence. From these facts were born a number of works that intended to use a small amount of labeled data simultaneously with a large amount of unlabeled data to learn a prediction function.
The intent of this course is to propose a broad introduction to the field of Machine Learning, including discussions of each of the major frameworks, supervised, unsupervised, semi-supervised and reinforcement learning.
UE Statistical learning: from parametric to nonparametric models
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course is related to mathematical and statistical methods which are very used in supervised learning.
It contains two parts.
In the first part, we will focus on parametric modeling. Starting with the classical linear regression, we will describe several families of estimators that work when considering high-dimensional data, where the classical least square estimator does not work. Model selection and model assessment will particularly be described.
In the second part, we shall focus on nonparametric methods. We will present several tools and ingredients to predict the future value of a variable. We shall focus on methods for non parametric regression from independent to correlated training dataset. We shall also study some methods to avoid the overfitting in supervised learning.
This course will be followed by practical sessions with the R software.
UE Learning, Probabilities and Causality
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Causality is at the core of our vision of the world and of the way we reason. It has long been recognized as an important concept and was already mentioned in the ancient Hindu scriptures: “Cause is the effect concealed, effect is the cause revealed”. Even Democritus famously proclaimed that he would rather discover a causal relation than be the king of presumably the wealthiest empire of his time. Nowadays, causality is seen as an ideal way to explain observed phenomena and to provide tools to reason on possible outcomes of interventions and what-if experiments, which are central to counterfactual reasoning, as ‘‘what if this patient had been given this particular treatment?’’
UE Mathematical optimization
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Data science seminars and Challenge
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This course contains two parts.
Part I concerns Data challenge.
This part consists in a real problem that is given to the students for which data are readily available. The goal is to have teams of five to six students compete in solving (at least partially) the problem.
The work is spread over the Autumn semester and consists of: building a prediction model or a methodology to solve the problem based on a set of training data, blind evaluation of the model or methodology on a test bench (unseen data, withheld from the students), using an appropriate performance measure.
At the end, the teams will present their solution path in a formal presentation and a short report.
Part II concerns Data Science seminars.
This is a cycle of seminars or presentations with a common factor that is the project of the data challenge. A first seminar will settle the context and the problem for that year’s data challenge.
The other seminars will propose different industrial or academic approaches and problems that are (loosely) related to the objective of the data challenge. Presentations have a time slot of one hour and students will have to read up front some ressources to orient their questions about the subject after the seminar.
UE Computational biology
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
This interdisciplinary MSc course is designed for applicants with a biomedical, computational or mathematical background. It provides students with the necessary skills to produce effective research in bioinformatics and computational biology.
UE Quantum Information & Dynamics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
The quantum formalism developed a century ago provides a very precise description of nature at small scales which entails several counter intuitive aspects: superposition of states, entanglement, intrinsic randomness of measurement process, to list a few. However, from a mathematical point of view, quantum mechanics does have a definite formulation. This allows to investigate these intriguing features rigorously and to explore these quantum traits in information theory and algorithmics in particular, as well as the challenges they present.
The goal of these lectures is to provide a mathematical description of the quantum formalism in finite dimension and to introduce the mathematical concepts and tools required for the analysis of such quantum systems and their dynamics. On the one hand, we will study the key aspects of quantum information theory. On the other hand, we will describe certain properties of quantum dynamics that need to be taken into account in the implementation of quantum algorithms and that will be applied to emblematic systems. The interaction with an external classical electromagnetic field will also be considered both from a theoretical and a numerical point of view.
UE Numerical Mechanics
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées), Grenoble INP - Ensimag (Informatique, mathématiques appliquées et télécommunications), UGA
Période de l'année
Automne (sept. à dec./janv.)
UE Advanced numerical methods for PDEs and optimal transport problems
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Research projects
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
This is the master thesis project.
UE Probabilité
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L’objectif du cours vise à présenter les principales lois fondamentales discrètes et continues, les notions de variables aléatoires (notamment indépendantes) et de distributions conditionnelles. Nous verrons également les concepts de moments et moments conditionnels notamment espérance, espérance conditionnelle, variance et variance conditionnelle. Enfin, les principaux théorèmes limites seront présentés : convergence de variables aléatoires, théorème centrale limite, loi des grands nombres. Le cours se terminera par une présentation des vecteurs gaussiens, de leurs principales propriétés et du théorème de Cochran.
UE Statistique inférentielle
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L’objectif du cours est de comprendre les bases de l’estimation des paramètres d’un modèle paramétrique. Après avoir introduit les différents outils de la statistique descriptive, nous aborderons les deux méthodes usuelles d’estimation : méthode des moments et maximum de vraisemblance. Nous étudierons ensuite les propriétés qui permettent d’évaluer la qualité d’un estimateur. Nous conclurons ce cours par l’étude des intervalles de confiance et une introduction aux tests notamment à la p-value.
UE Logiciels spécialisés
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le cours se divise en deux parties : R et Python
Partie R : Le R est un système de programmation dont l’apprentissage dans ce cours se déclinera en deux modes :
- En mode utilisateur: Environnement de travail; Notion de package (installation, utilisation); Introduction des natures et structures R de base; Extraction de données avec application sur données réelles.
- En mode développeur: Programmation fonctionnelle; Création de package; Programmation orientée objet (S3); Introduction au package RCpp pour booster les exécutions des codes R.
Partie Python : En plus d’être un langage de programmation très versatile, Python est très populaire depuis une dizaine d’année en science des données. En particulier, de nombreuses bibliothèques d’apprentissage statistique et profond sont fournies en Python. De plus, le facilité de manipulation des fichiers texte et tableaux en font un outil de choix aussi bien académiquement qu’en entreprise.
UE Outils de présentation et de recherche reproductible
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Connaitre des outils de génération de rapport et de visualisation de
données.
Maitriser les langages R et LATEX. Dans l'environnement R, génération
automatique de rapport reproductible embarquant des analyses statistiques et
développement d'application web minimale pour proposer des interfaces utilisateur interactives.
UE Analyse des données
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours est destiné à l’analyse exploratoire des données. Il s’agit d’une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. On procède, lors des séances de CM, à des études méthodologiques (théorie et interprétation) de l’analyse statistique factorielle classique des données avec des applications sur des données réelles. Ce cours comporte principalement les méthodes suivante : La régression linéaire, ACP, AFC, AFCM, Classification (KAH et K-means).
UE Compléments tests statistiques
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Un test est une procédure de décision sur la distribution des variables aléatoires à partir des données observées. Le premier objectif de ce cours est de fournir des notions de base de la théorie de tests statistiques qui nous conduiront vers différents approches de construction de décisions efficaces. Nous présentons également un panorama de tests sur des petits et grands échantillons permettant de tester des hypothèses dans des modèles statistiques paramétriques et non paramétriques.
Les concepts abordés sont systématiquement implémentés et illustrés sous R.
UE Base de données
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours a pour objectif l’étude des principes des SGBD relationnels et la mise en pratique de ces principes. Le contenu du cours est essentiellement le suivant :
1. Les concepts de bases des bases de données relationnelles. Il s'agit de présenter les concepts ainsi que l'algèbre relationnelle.
2. Langages d’interrogation et de manipulation. L’accent est mis sur SQL et ses fondements.
UE Modèles linéaires et GLM
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L’objectif du cours est d’introduire les participants à la modélisation et aux tests statistiques sous R. R est un langage de programmation dédié aux statistiques et les modèles linéaires permettent naturellement d’introduire les concepts de modèle et de test statistique. La régression logistique et plus généralement les GLMs permettent d’approfondir ces notions.
Le principe est de permettre aux étudiants de s’approprier les outils fondamentaux des modèles de régression linéaire et d’introduire les GLMs, autant sur le plan théorique (modélisation) que dans la mise en œuvre (programmation) et de les accompagner vers l’autonomie.
Les concepts abordés sont systématiquement implémentés sous R et illustrés de manière graphique.
UE Anglais (si niveau B2 non atteint)
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Pour le niveau B1
- acquisition et mise en oeuvre des compétences nécessaires à la candidature en pays anglophone, rédaction de CV, lettre et email de motivation, simulation d’entretiens
- Préparation à la prise de parole longue sur un sujet scientifique de spécialité et techniques de communication orale
- rédaction d’abstracts
- sensibilisation à la dimension interculturelle dans les communciations internationales
Pour le niveau A2
révision des based grammaticales et lexicales pour atteindre le prérequis du M2.
UE FLE
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
UE Apprentissage statistique 1
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Le cours d'Apprentissage Statistique I s'inscrit dans la continuité du cours d’Analyse de Données, et vise à donner une introduction au domaine de l'apprentissage statistique.
Après une introduction générale au domaine de de l’apprentissage statistique, nous évoquerons différents concepts et méthodes clés de l’apprentissage non-supervisé et étudierons en détail les algorithmes du clustering hiérarchique, des nuées dynamiques (k-means) et de clustering par modèles de mélange de gaussiennes. Nous aborderons ensuite le cadre de l’apprentissage supervisé au travers de l’algorithme des k plus proches voisins, des modèles probabilistes de classification (LDA, QDA et régression logistique) et terminerons par une introduction aux modèles pénalisés.
Les séances pratiques seront réalisées sous R.
UE Projet tutoré et gestion de projet
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Le module de Gestion de Projet vise à donner une introduction aux méthodes et outils de gestion de projet. Nous commencerons par introduire deux approches différentes de la gestion de projet: l’approche traditionnelle de planification et le cadre des méthodes dites « agiles », qui sont largement utilisées dans le cadre du développement logiciel. Nous évoquerons ensuite comment divers outils collaboratifs peuvent être intéressants dans ce contexte, et terminerons par une introduction avancée au système de contrôle GIT. Les méthodes et outils vus en cours seront ensuite appliqués dans le cadre de projets tutorés.
Évidemment une grosse partie de l’UE est le projet d’équipe (environ 4-5 personnes) travaillant sous la supervision d’un membre de l’équipe pédagogique sur une application à des données réelles, un article de recherche, le développement d’une application, etc. Une soutenance en anglais est prévue à mi-parcours, la rédaction d’un rapport et une soutenance en fin de session (et avant le stage).
UE Visualisation de données
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Stage
Niveau d'étude
Bac +4
ECTS
9 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Stage obligatoire en entreprise ou laboratoire de 2 à 4 mois; rapport et soutenance à l’issue du stage.
UE Données dépendantes 1 : séries temporelles
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Le cours vise à présenter une introduction au contexte de l’analyse des séries temporelles. Seront présentés quelques modèles probabilistes, la famille des processus linéaires, les notions de filtres récurrents et de filtres de convolution. Le cours s’intéressera également à la famille des processus ARMA et ARIMA, non saisonniers et saisonniers, l’identification de ces modèles, l’estimation de ses paramètres et validation. Enfin la prévision avec un modèle ARIMA sera aussi entraperçue. En parallèle avec l’introduction des concepts statistiques se fera l’apprentissage des procédures R couramment utilisées pour l’analyse. Un intérêt spécial sera accordé aux packages astsa développé par David Stoffer, voir Shumway et Stoffer (2011) et TSA développé par Kung-Sik Chan, Brian Ripley, voir Cryer et Chan (2008).
UE Informatique décisionnelle
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
UE Données d'entreprise
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L’objet des 24h de ce module est d’introduire, par un travail sur des données et des solutions logicielles, aux analyses de marché et de secteur des entreprises. Le logiciel utilisé sera le logiciel Analyzer de Asterop. La formation au logiciel Analyzer par un intervenant de la société éditrice Asterop implique l’assiduité des étudiants. Le rendu d’un rapport d’étude fait l’objet de l’évaluation des compétences acquises par les étudiants dans le cadre de ce module.
UE Epidémiologie
Niveau d'étude
Bac +4
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
L’objectif du cours est d’introduire les participants à l’épidémiologie et à l’usage des statistiques en épidémiologie et dans le domaine de la santé.
Les différents schémas d’étude en épidémiologie et les outils de collecte de données seront introduits. Nous aborderons ensuite les méthodes pour analyser les données, incluant : la définition et le traitement des facteurs de confusion, d’interaction et des biais ; l’analyse descriptive et le nettoyage des données (notion de population d’étude, représentations graphiques et tableaux) ; le choix, l’utilité, la construction et l’interprétation des modèles de régression à visée épidémiologique et de leurs résultats ; le plan d’analyse.
Une introduction à l’épidémiologie environnementale sera proposée ainsi qu’une lecture critique d’article scientifique.
UE Statistique computationnelle
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Cours divisé en deux parties : méthodes d’échantillonnage / simulation et statistique bayésienne.
Le volet « échantillonnage » consistera à étudier différentes méthodes d’inférence statistique s’appuyant sur des techniques de simulation ou de ré-échantillonnage. Après avoir évoqué quelques techniques classiques de simulation de variables aléatoires, nous illustrerons comment les méthodes simulation peuvent permettre de répondre à des problématiques d’intégration. Nous étudierons ensuite des méthodes d’inférence statistique à proprement parler telles que le bootstrap et les tests statistiques par permutation. Les séances pratiques seront réalisées en R.
Le volet « statistique bayesienne » consistera à présenter le paradigme de l’inférence bayésienne, l’introduction de lois a priori et le calcul de lois a posteriori. L’inférence sera détaillée dans des modèles simples (gaussiens, bernoulli). Lorsque le calcul n’est pas explicite, des algorithmes de Monte Carlo par Chaine de Markov (MCMC) seront introduits (Metropolis Hastings, Gibbs). Les séances pratiques seront réalisées en R.
UE Statistique en grande dimension
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours fait suite aux cours de M1 et en particulier au UE d’Analyse de données et modèles de régression linéaires et modèles GLM. Dans ce cours on s’intéresse à l’analyse de données dites complexes et particulièrement présentant un problème de grande dimensionnalité. On va s’intéresser particulièrement à la détection du fléau de dimension et y porter des solutions. En voici les grandes lignes : reconnaissance et détection du problème de la dimension, Tests statistiques multiples en grandes dimension (procédures contrôlant le FWER, le FDR); sélection de modèles en grande dimension (par pénalisation type ridge, lasso). Les aspects pratiques seront mis en avant dans ce cours
UE Estimation non paramétrique et fonctionnelle
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
L’objectif principal du cours est de présenter les principales méthodes d’estimation non-paramétriques. En particulier le cours développera les problèmes d’estimation non paramétrique de la fonction de répartition, de la fonction quantile, de la fonction de survie. Nous verrons également le problème d’estimation de la densité. et de l’estimation d’une fonction de régression en particulier par la méthode des noyaux et de projection. Cela nous donnera l’occasion de mettre l’accent sur le compromis biais/variance au travers du problème du choix d’une fenêtre optimale par validation croisée.
UE Apprentissage statistique 2
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le cours d’Apprentissage Statistique II est un cours d'introduction à l'apprentissage supervisé par la pratique, dans un environnement python. Il s’inscrit dans la continuité du cours Apprentissage Statistique I et vise à rendre les étudiants autonomes pour mettre en oeuvre différents algorithmes d’apprentissage supervisé dans les environnements scikit-learn et keras / tensorflow.
Après avoir évoqué les fondements théoriques de l’apprentissage supervisé et la démarche générale à suivre pour déployer ce type d’algorithmes dans l’environnement scikit-learn, nous étudierons quelques algorithmes clés tels que les arbres de décisions, les forêts aléatoires, les machines à vecteur de support (SVM) et les méthodes pénalisées au sens large. Nous aborderons ensuite le cadre des méthodes dites de « deep learning » basées sur le formalisme des réseaux de neurones, en étudiant différentes architectures telles que les perceptrons multi-couches, les réseaux à convolution et les réseaux récurrents, que nous mettrons en oeuvre dans un environnement keras / tensorflow.
UE Introduction à l'optimisation en Python et Julia
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours présente les notions de base en optimisation mathématique. La notion de problème linéaire, quadratique, et de convexité seront étudiées en particulier.
Résolution de problèmes d’optimisation en Python à l’aide de solveurs standards en Python.
En complément du cours, une introduction générale au langage de programmation Julia sera proposée. Ensuite quelques exemples d’optimisation seront traités à l’aide de packages Julia.
UE Biostatistique avancée
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours a pour objectif de familiariser les étudiants aux modèles statistiques très fréquemment utilisées en biostatistique tels que les modèles de survie et les modèles mixtes et leurs adaptations dans un cadre d’inférence causale sur des données d’observation. Les étudiants verront les fondements théoriques des méthodes et leur mise en œuvre concrète par des logiciels statistiques standard (R) sur des applications réelles en recherche clinique.
La première partie du cours portera sur le modèle de Cox, la méthode la plus utilisée dans le cadre de l'analyse des données de survie. La deuxième partie sera consacrée aux modèles à effets aléatoires et modèles mixtes pour prendre en compte des facteurs à effet aléatoire et aux modèles pour données répétées pour modéliser une variable réponse mesurée à plusieurs reprises au cours du temps pour un même individu.
La troisième partie du cours portera sur l’inférence causale et leurs applications dans le domaine de la santé. Les paradigmes graphiques et contrefactuels seront introduits. L’estimation de l’effet causal d’une variable d’exposition sur une variable réponse se présentée pour différents modèles statistique.
UE Fiabilité
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Le cours abordera les points suivants:
- Maîtrise des risques, sûreté de fonctionnement et fiabilité
- Les mesures de fiabilité
- Les lois de probabilité usuelles en fiabilité
- Calculs de fiabilité par structure
- Introduction à l’analyse statistique des données de fiabilité
- Méthodes paramétriques d’analyse d’échantillons complets
- Analyse statistique d’échantillons complets de lois exponentielle et de Weibull
- Analyse de données censurées
- Systèmes réparables : introduction, modélisation et estimation.
- Optimisation de la maintenance : utilisation du package VAM de R.
Tous les exercices et TP se font en R.
UE Fouille de textes
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Dans ce cours, nous abordons les problèmes et les méthodes d'accès à l'information disponible dans les textes, qui constituent des données non structurées. La première partie du cours est une introduction générale aux tâches de fouilles de textes et aux architectures neuronales utilisées pour ces tâches : MLP, RNN (en particulier les LSTM), et Transformers. Nous verrons également les techniques de représentation vectorielle des éléments textuels (mots, phrases, paragraphes, etc.), en particulier les plongements lexicaux statiques (word2vec ou glove) ou contextuels (par exemple BERT). Nous étudierons ensuite en détail les tâches de classification de textes, de reconnaissance d'entités nommées, d'extractions de relations entre entités et de fouille d'opinions ciblée par aspect. Nous verrons comment modéliser ces tâches comme des problèmes de classification, et mettre en œuvre les solutions en Python, en utilisant des librairies d'apprentissage automatique (PyTorch ou Tensorflow/Keras, transformers, etc.)
UE Géostatistique, statistique spatiale
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
La géostatistique est l'étude des variables aléatoires régionalisées/spatialisées. La géologie, la météorologie, l'épidémiologie, la foresterie, l'écologie etc sont autant de domaines de recherche faisant intervenir des données aléatoires localisées dans l'espace géographique.
- Partie I : Géostatistique. Champ aléatoire, fonction de covariance, variogramme, modélisation et estimation paramétrique, estimation non paramétrique, interpolation spatiale (krigeage simple et universel), validation, extension à des champs sur réseau.
- Partie II : Statistique des processus de points. Mesures moments et fonctions intensités, processus de Poisson (simulation, estimation, validation), statistiques résumées (fonction K de Ripley, fonction de corrélation de paires, fonctions F,G,J), tests basés sur des enveloppes, modèles de Cox, modèles de Gibbs.
UE Sondage
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
Les données sur lesquelles s’appliquent différentes analyses statistiques proviennent souvent d’enquêtes réalisées auprès de populations bien ciblées et finies. Elles sont obtenues par sondage de ces populations. Plusieurs considérations pratiques déterminent la façon dont l’analyse et les calculs doivent être faits. Toute analyse doit prendre en compte le fait qu’un mode particulier d’échantillonnage a été utilisé et que celui-ci est associé à un plan de sondage. La notion d’échantillonnage probabiliste est fondamentale.
L’objectif du cours est de permettre à l’étudiant de maîtriser les techniques de sondage de façon à pouvoir élaborer des plans de sondage et analyser les données qui en résultent. Face à un problème statistique dans le contexte d’un sondage, être capable d’identifier les outils mathématiques permettant de l’aborder adéquatement. Être aussi en mesure d’appliquer ces outils de manière critique et éclairée et, éventuellement, de conseiller les usagers dans leur utilisation. Maîtriser les outils numériques à sa disposition, entre autres, différentes procédures du logiciel R. Développer des habiletés de communication des résultats par la production de courts rapports d’études ou notes de synthèse.
UE Anglais
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
- Consolider des techniques de prise de notes et d’expression écrite, pour une rédaction concise et efficace.
- Apprendre à communiquer et échanger à partir de documents (écrits et oraux) en anglais , choisis dans le domaine de spécialité des étudiants
- Préparer et présenter un projet de groupe, dans le but de développer des techniques de communication orale, dans le domaine de spécialité des étudiants.
- Acquérir les techniques de communication nécessaires pour faire un exposé d’une dizaine de minutes qui porte sur sa spécialité et/ou sur son parcours personnel et professionnel..
UE FLE
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Automne (sept. à dec./janv.)
(si niveau B2)
UE Projet / Gestion de projet
Niveau d'étude
Bac +4
ECTS
6 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Projet d’équipe (environ 4-5 personnes) travaillant sous la supervision d’un membre de l’équipe pédagogique sur une application à des données réelles, un article de recherche, le développement d’une application, etc. Une soutenance en anglais est prévue à mi-parcours, la rédaction d’un rapport et une soutenance en fin de session (et avant le stage).
UE Stage
Niveau d'étude
Bac +4
ECTS
24 crédits
Composante
UFR IM2AG (informatique, mathématiques et mathématiques appliquées)
Période de l'année
Printemps (janv. à avril/mai)
Stage obligatoire en entreprise ou laboratoire de 4 à 6 mois; rapport et soutenance à l’issue du stage.
UE Physique theorique de la turbulence
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Les équations de Navier-Stokes restent à ce jour non résolues, et prédire les propriétés statistiques des écoulements turbulents représente un enjeu majeur pour de nombreuses applications. De nombreuses approches théoriques ont été développées pour d’une part modéliser, et d’autre part calculer le comportement des écoulements turbulents au-delà de la théorie de Kolmogorov de 1941. Ce cours présentera plusieurs de ces approches, depuis le formalisme multi-fractal jusqu’aux méthodes du groupe de renormalisation, en se concentrant sur le cas idéal de la turbulence homogène isotrope.
Enseignement principalement en français
UE Ecoulements diphasiques turbulents
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Équations de conservation locales instantanées aux interfaces et sur une ligne triple. Lois de comportement et lois d’état aux interfaces: concepts généraux sur les interfaces contaminées (surfactants et tension superficielle, isotherme d’adsorption, cinétique d’adsorption, transport moléculaire interfacial) et notions de rhéologie de surface. Mesure de la tension superficielle. Mesure des viscosités de surface par atténuation d’ondes capillaires. Caractérisation de la cinétique d’adsorption-désorption à partir de l’expérience de Savart. Vitesse terminale des inclusions en milieu infini stagnant. Équation BBOT. Particules en turbulence et atomisation.
UE Effet dynamo et rotation en turbulence
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Cette UE propose une introduction à la turbulence des couches fluides des intérieurs planétaires (noyaux métalliques et génération de champ magnétique par la turbulence -- effet dynamo --, planètes gazeuses, dynamique des océans de sub-surface dans les satellites de glace).
UE Bilinguisme Anglais/Français compréhension
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
compréhension orale et écrite, bilinguisme, interculturalisme, travail bibliographique.
Enseignement en français et en anglais
UE Méthodes expérimentales avancées
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
3 TP de turbulence au choix par groupe de 3 en application des modules Turbulence et processus: chacun 3h de TP suivi de 3h de traitement de données. 1 TP démonstration dans le cadre d'une expérience dédiée à la recherche.
UE Méthodes numériques avancées
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Navier Stokes – HPC
UE Turbulence compressible
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
UE Turbulence d’ondes
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
environ 10 CM/TD (21h) et 1 TP (6h)
UE Controle et turbulence de paroi
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Le contrôle des écoulements relève d’un fort intérêt économique et de performance des systèmes et des procédés concernés. L’optimisation des processus reposant sur des principes de mélange ou de transferts thermiques permet, par exemple, d’améliorer la performance des échangeurs. L’amélioration des transferts thermiques revient alors à réduire la résistance thermique, soit en augmentant la surface effective du transfert, soit en manipulant intrinsèquement l’écoulement. Les échangeurs thermiques sont présents dans beaucoup de secteurs de l’industrie : microélectronique, nucléaire, médical, bâti- ment, automobile, et bien d’autres.
Plan
Partie 1 : Turbulence de paroi :
Equations de Transport des contraintes de Reynolds, turbulence homogène, isotrope, équations exactes dans un écoulement turbulent en canal 2D; équations de Re couche limite turbulente 2D; Fermetures en un point, sous-couche logarithmique, visqueuse et tampon; distributions des contraintes, production dissipation.
Partie 2 : Contrôle des écoulements (trainée) :
Contrôle passif (LEBS's, Riblets, "complied walls"; contrôle actif soufflage instationnaire; contrôle non-linéaire optimal et suboptimal; contrôle dual; contrôle de la séparation
Partie 3 : Turbulence Instationnaire forcée :
Réponse de la turbulence pariétale à des excitations forcées périodiques de vitesse; effet sur l'écoulement moyen, modulations des quantités fluctuantes; réponse des structures cohérentes et des stries; réponse de la turbulence pariétale à une accélération de la vitesse débitante
UE Turbulence en couche limite atmosphérique
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce module s’intéresse aux propriétés de la turbulence dans la couche limite atmosphérique (CLA). On décrit d’abord les contraintes typiques de la CLA en terme de stratification thermique et d’effets de flottabilité ainsi que le cycle de rayonnement diurne à la surface terrestre. Les effets de ces forages radiatifs et thermodynamiques sont analysés sur l’ensemble des propriétés turbulentes classiques (bilan d’énergie cinétique turbulente, spectres d’énergie, loi logarithmique pour la vitesse la température et l’humidité spécifique….)
Dans un deuxième temps on s’intéresse à des cas particuliers d’interaction de la turbulence avec la couche limite depuis la surface très proche jusqu’à la Ionosphère à travers uns série de séminaires donnés par des intervenants chercheurs à l’UGA.
Plan:
Partie 1 : Turbulence en couche limite atmosphérique
1. Turbulence
- bilan d'énergie cinétique turbulente TKE et d'énergie potentielle turbulente TPE
- bilan de flux de quantité de mouvement et de flux de chaleur sensible
- anisotropie de la turbulence
- spectres d'énergie
2. Couche Limite Atmospherique neutre, stable et instable
- stratification thermique
- équilibre flottabilité et cisaillement mécaniqueéchelle de longueur d'Obukhov
- correction de la loi logarithmique de vitesse et de température
Partie 2 : Séminaires sur la Turbulence dans l'atmosphère
- la Turbulence dans l’ionosphère et dans le couplage Ionosphère-magnétosphère
- la turbulence dans la couche limite atmosphérique au-dessus des glaciers
- la turbulence dans les vents catabatiques sur les pentes alpines
- impact de la turbulence atmosphérique sur les observations astronomiques et optique adaptative
- la turbulence et la scintillométrie : impacts sur la propagation d'onde electromagnétique
- turbulent transport in the turbulent atmopheric boundary layer
- la turbulence dans la troposphère
UE Dynamique des plasmas astrophysiques
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Ce cours est basé sur le plan suivant :
Seance 1: De la description cinétique a une description fluide des plasmas
- rappels paramètres plasma
- Equation de Klimontovitch, Vlasov, moments et relations de fermeture
- equations de la MHD a 2 fluides, puis a 1 fluide
- equations MHD avec rayonnement
Seance 2: Effets Magneto-HydroDynamique
- champs potentiel, force-free: théorèmes et applications
- reconnexion magnétique (modèle Sweet-Parker, Drake)
- Ondes en milieux homogènes, Onde d’Alfven non lineaire
- Exemples d’ondes en milieu non homogènes
Seance 3: Instabilites
- théorie spectrale
- revue de qq instabilités (Parker, kink, sausage, interchange), calcul instabilité magneto-rotationnelle (MRI)
- turbulence
Seance 4: Chocs MHD
- formation des chocs, conditions de Rankine-Hugoniot
- structure temporelle: vents stellaires, fronts de supernova
- précurseurs: radiatifs, magnétique (chocs C et J)
Seance 5: Accretion
- accretion sphérique de Bondi-Hoyle
- accretion axisymetrique: disques alpha (SAD et ADAF), bilans, spectre, courbe en S, instabilités visqueuse et thermique
Seance 6: Accretion-Ejection
- accretion sur un dipole: interaction etoile-disque, disc-locking et spin-up des pulsars
- théorie des Jets MHD stationnaires: invariants MHD, bilans, equilibre transverse (Grad-Shafranov)
Seance 7: Lancement des jets astrophysiques
- vents stellaires: Accretion Powered Stellar Winds
- disques d’accretion et objet central (JED, X-wind, Magnetospheric Ejection)
UE GPU computing
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
In this course, we will introduce parallel programming paradigms to the students in the context of applied mathematics. The students will learn to identify the parallel pattern in numerical algorithm. The key components that the course will focus on are : efficiency, scalability, parallel pattern, comparison of parallel algorithms, operational intensity and emerging programming paradigm. Trough different lab assignments, the students will apply the concepts of efficient parallel programming using Graphic Processing Unit. In the final project, the students will have the possibility to parallelize one of their own numerical application developed in a previous course.
UE Dynamique des fluides géophysiques
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Les écoulements dans l’atmosphère, dans les océans, dans les atmosphères des planètes géantes, dans le noyau liquide de la Terre, et même dans les étoiles, présentent deux ingrédients communs essentiels pour leur dynamique: (1) la rotation globale à laquelle ils sont soumis, qui se traduit par la force de Coriolis; et (2) la stratification du fluide en couches de densité variable, soumis à un champ de gravité. Ces deux caractéristiques changent radicalement la dynamique des fluides, donnant naissance à de nouveaux équilibres et à de nouvelles ondes ou instabilités.
L’objectif de cette UE est de définir les concepts clés, de donner les outils nécessaires à l’étude de ces systèmes, et de donner un sens physique à ces écoulements qui défient souvent l’intuition forgée par la vie quotidienne.
Après une introduction à la dynamique des fluides, une première partie se focalise sur l’effet de la rotation, de manière générale puis dans le cas particulier d’écoulements en couches minces, pertinente pour la modélisation des écoulements océaniques et atmosphériques. Une part importante de ces enseignements est dédiée à l’étude d’ondes rencontrées dans les écoulements géophysiques (ondes inertielles et de gravité, ondes de Rossby). Une seconde partie se focalise sur l’effet de variations de densité : convection thermique (instabilité de Rayleigh-Bénard), instabilités des écoulements parallèles cisaillés stratifiés, courants de densité visqueux (glaciers, coulées volcaniques) ou turbulents (courants de densité atmosphériques, courants de turbidité, coulées pyroclastiques). Pour chaque phénomène, des exemples spécifiques sont donnés et la théorie est détaillée.
Langue d’enseignement: Français ou anglais
********************************************************************************************************************************
The flows in the atmosphere, in the oceans, in the atmospheres of the giant planets, in the liquid core of the Earth, and even in stars are specific essentially by two aspects: (1) the global rotation to which they are subjected, which is reflected in the Coriolis force; and (2) the stratification of the fluid into layers of varying density, subject to a gravity field. These two characteristics radically change the behavior of fluids. The objective of this course is to define the key concepts, to give the necessary tools to study these systems, and to give a physical meaning to these flows which often defy intuition.
After an introduction to fluid dynamics, a first part focuses on the effect of rotation, in a general way and then in the particular case of thin layers, relevant for the modeling of oceanic and atmospheric flows. An important part of the course is dedicated to the study of waves encountered in geophysical flows (inertial and gravity waves, Rossby waves). A second part focuses on the effect of density variations: thermal convection, viscous density currents (glaciers, volcanic flows) or turbulent currents (atmospheric density currents, turbidity currents, pyroclastic flows). For each phenomenon, specific examples are given and the theory is detailed.
Teaching language: French or english
UE Data assimilation in geosciences
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Le cours introduit des bases théoriques et méthodologiques pour la résolution de problèmes d’assimilation de données (inversion de données distribuées dans le temps) en sciences de la Terre. Les méthodes principalement abordées sont le filtre de Kalman (canonique et d'ensemble), le filtre particulaire, et le 4DVar. Il est produit sous forme de cours magistraux interactifs incluant la présentation et la manipulation d’exercices sous forme numérique en python. En fin de cours, les étudiant·es sont en capacité de :
- poser un problème d'assimilation de données simple et mettre en oeuvre une méthode de résolution ;
- communiquer avec des experts d'assimilation pour progresser vers la résolution de problèmes complexes.
Langue : français ou anglais
...................................................................................................................................................................................................................
The course introduces theoretical and methodological foundations for solving data assimilation problems (inversion of time-distributed data) in the Earth sciences. The main methods covered are the Kalman filter (canonical and ensemble), the particle filter, and the 4DVar. It is produced in the form of interactive lectures including the presentation and manipulation of exercises in numerical form in Python. At the end of the course, students will be able to :
- pose a simple data assimilation problem and implement a solution method
- communicate with data assimilation experts to progress towards solving complex problems.
Language: French or English
UE Advanced Simulation Tools for Mechanics and the Environment
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
Descriptif de cette UE en suivant ce lien
UE Transfert de chaleur
Niveau d'étude
Bac +5
ECTS
6 crédits
Composante
UFR Chimie-Biologie
Période de l'année
Toute l'année
Maîtrise des différents modes de transferts de chaleur.
Conduction en régime permanent et instationnaire(1D, 2D et 3D).
Convection thermique en fluide monophasique.
Rayonnement et transferts couplés entre surfaces en milieu transparent, semi-transparent.
UE Advanced Machine Learning in Earth Sciences
Niveau d'étude
Bac +5
ECTS
3 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Automne (sept. à dec./janv.)
A new course that will follow the one in the 2nd semester of the first year, but that can also be chosen by students with previous experience in the field. A detailed description will be posted later, in the meantime look at the corresponding UE of the first year.
Ce cours présente les principales méthodes d'apprentissage profond pertinentes pour les applications des sciences de la Terre, où le traitement des séries temporelles et des images (parfois bruitées, incomplètes) et la prévision sont des problèmes de routine. Cela inclut par exemple les réseaux neuronaux convolutifs, les réseaux neuronaux récurrents et les réseaux génératifs.
Pré-requis : Idéalement : Introduction à l'apprentissage automatique en sciences de la Terre, cours de la première année de Master STPE. Sinon : bonne connaissance de Python, notions de base en calcul différentiel et algèbre linéaire.
Langues : Anglais, Français
UE Stage M2 5 mois
Niveau d'étude
Bac +5
ECTS
30 crédits
Composante
UFR PhITEM (physique, ingénierie, terre, environnement, mécanique)
Période de l'année
Printemps (janv. à avril/mai)
Admission
Conditions d'admission
La première année de master est ouverte aux candidats titulaires d'un diplôme national conférant le grade de la licence dans un domaine compatible avec celui du master, ou via une validation d'études ou d'acquis. L'entrée en deuxième année de master est sélective et ouverte sur dossier aux candidats titulaires d'une première année de master dans le domaine.
Public formation continue : vous relevez de la formation continue si :
- vous reprenez vos études après 2 ans ou plus d'interruption d'études
- ou vous suiviez une formation sous le régime de la formation continue l’une des 2 années précédentes
- ou vous êtes salarié, demandeur d'emploi, travailleur indépendant
Si vous n'avez pas le diplôme requis pour intégrer la formation, vous pouvez entreprendre une démarche de validation des acquis personnels et professionnels (VAPP)
Pour plus d'informations, consultez la page web de la Direction de la formation continue et de l’apprentissage
Consulter les tarifs s’appliquant aux publics de la formation continue (lien : https://www.univ-grenoble-alpes.fr/consulter-nos-tarifs/)
Candidature
Vous souhaitez candidater et vous inscrire ? Sachez que la procédure diffère selon le diplôme envisagé, le diplôme obtenu, ou le lieu de résidence pour les étudiants étrangers. Voir le lien
Et après
Insertion professionnelle statistiques
Retrouvez toutes les informations concernant le taux de réussite au diplôme et le devenir de nos diplômés (lien : https://www.univ-grenoble-alpes.fr/formation/devenir-de-nos-diplomes/)
Il est également possible de consulter nos documents-ressources Des études à l’emploi classes par domaines de formation (lien : https://prose.univ-grenoble-alpes.fr/metiers-secteurs/choisir-une-thematique-ou-un-secteur/)
Secteur(s) d'activité(s)
- R&D
- Ingénierie mathématique en industrie
- Recherche publique et privée
- Enseignement public
Plusieurs parcours (MSIAM, CS, ORCO) fournissent une double compétence en mathématiques et en informatique, qui est très recherchée.
Métiers visés
- AAM-Agrég : enseignant de mathématiques
- CM-BHC : chercheur et enseignant-chercheur en mathématiques et informatique appliquées à la recherche biomédicale
- CS : ingénieur en cybersécurité, ingénieur en sécurité des systèmes d’information, ingénieur spécialisé en audit sécurité des systèmes d’information, ingénieur technico-commercial en sécurité informatique, ingénieur R&D spécialisé en cybersécurité
- MF : chercheur et enseignant-chercheur en mathématiques, enseignement supérieur
- MMAA : modélisation, optimisation, aide à la décision (grandes entreprises et PME-PMI, sociétés d'études et de conseils, collectivités territoriales)
- MSIAM: chercheur et enseignant-chercheur en mathématiques appliquées, ingénieur R&D en mathématiques et informatique industrielle, ingénieur technico-commercial
- ORCO : ingénieur consultant en recherche opérationnelle, ingénieur technico-commercial en logistique, ingénieur développement en optimisation, ingénieur R&D en recherche opérationnelle, enseignant-chercheur en recherche opérationnelle et combinatoire
- SSD : ingénieur statisticien, data-analyst, biostatisticien, programmeur statisticien dans l'industrie et l'administration, ingénieur technico-commercial en statistique, R&D
Les + de la formation
- Excellence des formatons
- Complémentarité et cohérence des parcours
- Environnement scientifique