Prérequis et objectifs
Résultats attendus
Ingénieur diplômé de l'institut national des sciences appliquées de Toulouse spécialité mathématiques appliquées
Prérequis de la formation
Ces places sont ouvertes seulement aux étudiants de la 3ème année de la spécialité "Modélisation, Informatique et Communication" (MIC) de l'INSA.
Les candidatures des étudiants hors INSA ne seront pas examinées.
Procédure :
Vous devez dans un premier lieu candidater pour intégrer l’INSA en début de 3ème année MIC (formation initiale sous statut étudiant) :
http://www.insa-toulouse.fr/fr/formation/admissions.html
(Vous pouvez consulter les vœux possibles avec votre diplôme directement en ligne).
Au cours de cette année 3MIC vous devrez ensuite candidater à la formation par apprentissage ModIA qui débute effectivement en début de 4ème année.
Diplôme
Ingénieur diplômé de l'institut national des sciences appliquées de Toulouse spécialité mathématiques appliquées
Objectifs de la formation
- Appliquer les outils fondamentaux de l'ingénieur mathématicien
- Concevoir, mettre en oeuvre et valider des modèles mathématiques avancés et des solutions numériques adaptées
- Appréhender l'aléa et modéliser les incertitudes
- Analyser et valoriser des données, potentiellement massives
- Formuler et résoudre des problèmes complexes d'optimisation, d'aide à la décision et de gestion des risques
- Participer au développement de solutions logicielles
- Formuler et modéliser des problèmes notamment dans les systèmes complexes relatifs aux mathématiques appliquées
- Intégrer, dans l'analyse des problèmes et le développement des solutions, les aspects Qualité - Hygiène (données massives utilisées pour le profilage nutritionnel/santé publique) - Sécurité (Cybersécurité) - Environnement (l'IA a un impact sur la mobilité/transport, améliore la consommation énergétique, a des répercussions environnementales, ex : réduction de l'émission mondiale de gaz à effet de serre
- Gérer un projet inter/pluri disciplinaire (maîtriser une méthode de gestion de projets, analyse des coûts...)
- Communiquer en entreprise (rapports; compte rendus, synthèse, présentations orales .) en plusieurs langues
- Gérer un groupe : animer une équipe, argumenter et négocier, communiquer en situation de crise
- Formuler et argumenter des solutions en s'appuyant sur des éléments économiques, de veille et positionnement scientifiques, RSE
- Prendre en compte les enjeux des relations au travail, de sécurité et de santé au travail et les dimensions éthiques (ex: RGPD / utilisation des données personnelles ) qui s'y rapportent
- Travailler en contexte international et multiculturel en prenant en compte les enjeux industriels, économiques et sociétaux
- Protéger, valoriser et exploiter une innovation
Objectifs de sortie
Secteurs d'activités :
Tous les secteurs industriels sont concernés par ces compétences de R & D (aéronautique, spatial, transport, énergie, télécommunications, santé, développement durable ) de même que les secteurs tertiaires (banque, finance, assurance) pour l'analyse quantitative et l'aide à la décision.
Type d'emplois accessibles :
- Ingénieur recherche et développement
- Data Scientist
- Ingénieur statisticien
- Ingénieur mathématicien numéricien
- Chef de projet
- Chargé d'études actuarielles en assurance
- Analyste quantitatif
- Ingénieur en systèmes décisionnels (industrie, grande distribution, banque, finance)
- Responsable du contrôle qualité ou d'études de Fiabilité (industrie)
Métier(s) associé(s)
Études actuarielles en assurances
Management et ingénierie études, recherche et développement industriel
Domaines
Contenu
- un volet mathématique et informatique solide dont les matières centrales sont la statistique, l’optimisation, l’apprentissage machine, le traitement du signal, le calcul scientifique et l’apprentissage profond qui se trouvent au coeur de l’IA numérique moderne - par opposition à l’IA historique, dite symbolique, basée davantage sur la logique mathématique.
- enseignements autour des techniques de prévision dans les systèmes régis par des équations, telles que l’assimilation de données.
- une unité d’enseignement autour des systèmes dits de confiance.