Retour

Modélisation, Mathématiques Appliquées et Apprentissage

Établissement

FPL - Larache

Niveau d'étude visé

Domaine d'étude

Diplôme recherché

M

OBJECTIFS    

  • Lors de ces dernières décennies, les mathématiques appliquées au  développement de l'Intelligence Artificielle (IA) ont connu un grand essor, sur le plan théorique et appliqué. En effet, la mise en œuvre algorithmique nécessite aujourd'hui de conjuguer un socle robuste de connaissances théoriques et des compétences spécifiques (mise en forme des données, technologies d'apprentissage et programmation…). Les data scientistes formés aux méthodes de l'IA devront de plus en plus être capables d'expliquer ce qui se passe dans leurs modèles et d'adapter leurs algorithmes à un contexte donné. D'où la nécessité d'abord d'une modélisation des phénomènes réels décrivant des problèmes thématiques, ensuite, des connaissances en mathématiques appliquées (cours fondamentaux d'optimisation, d'analyse numérique, de probabilités et de statistiques)  qui met l'accent sur l'analyse mathématique pour la mise en œuvre enfin, des algorithmes d'apprentissage automatique les plus performants, avec des technologies informatiques adaptées aux problèmes modélisés.

CONNAISSANCES    

  • Calcul scientifique de haute performance
  • Modélisation des problèmes environnementaux
  • Modélisation appliquée à la finance
  • Apprentissage automatique
  • Analyse des données

COMPETENCES    

  • Calcul scientifique de haute performance
  • Modélisation des problèmes environnementaux
  • Modélisation appliquée à la finance
  • Apprentissage automatique
  • Analyse des données

Listes des modules

Semestre 1

M111    Programmation et Algorithmique
M112    Matrix numerical analysis
M113    Probabilité et statistiques inférentielles
M114    Equations aux Dérivées Partielles et Méthode des Eléments Finis
M115    Culture digitale
M116    LANGUES ETRANGERES  (ANGLAIS)
M117    Analyse fonctionnelle et Théorie des Opérateurs

Semestre 2

M121    Optimisation linéaire et non linéaire
M122    Modélisation des systèmes dynamiques et applications
M123    Modélisation stochastique et mathématiques financières
M124    منهجية البحث العلمي
M125    Culture entrepreneuriale et techniques de la communication
M126    Data Analysis and Data Mining 
M127    Chaines de Markov et méthodes de Monte Carlo

Semestre 3

M231    Calcul de variations et contrôle optimal
M232    Modélisation déterministe et applications
M233    Théorie de l’apprentissage automatique
M234    Les Problèmes inverses
M235    Logiciels numériques avancés et Deep learning
M236    Méthodes numériques et techniques auto adaptatives de maillages
M237    Metaheuristic Optimization Algorithms

Semestre 4

Projet de fin d’études
 (Equivalent à 6 modules disciplinaires)

Contacts :

Courriel

contact@fpl.ma

Fax

Du lundi au vendredi de 8h à 18h.

(+212) 5 39 52 39 61

Adresse

Téléphone

Du lundi au vendredi de 8h à 18h.

(+212) 5 39 52 39 60

Coopérations

---

Admission

I- Conditions et modalités d’accès à la filière

Diplômes requis :

  • Licence
  • Licence (parcours d'excellence)
  • Licence des études fondamentales
  • Licence en éducation
  • Tout diplôme équivalent

Prérequis pédagogiques spécifiques : Algèbre linéaire, analyse réelle, calcul différentiel, analyse numérique, probabilités, statistique, programmation informatique.

Procédures de sélection :

  • Etude du dossier : (Spécifier les Modalités de sélection : mentions, nombre d’années d’études, notes des matières principales etc…)

Les critères de sélection seront basées sur le cahier de Normes Pédagogiques établi par l'université, comme suit :

1. La candidature aux masters de l’Université Abdelmalek Essaadi se fait uniquement via
l’application : master.uae.ma. Chaque candidat pourra choisir au maximum deux filières parmi
les filières ouvertes à l’université (au niveau d’un seul établissement ou au niveau de deux
établissements).
2.  Le dossier de candidature de chaque filière doit être obligatoirement déposé dans l’établissement
concerné.
3. Si l’effectif des étudiants à retenir déclaré dans le cahier de charges de la filière est N. Il faut
convoquer à l’examen écrit un effectif maximum de 8N, classé selon l’ordre de mérite.
4.  Le jury de sélection, désigné par le chef de l’établissement sur proposition du coordonnateur de
la filière, doit être composé d’au moins 5 membres de l’équipe pédagogique.
5. Tout jury doit fonctionner selon la procédure suivante :
- Donner une note sur dossier et classer les candidats par ordre de mérite (note sur 125)
- Convoquer tous les candidats sélectionnés à l’examen écrit (max 8N). Si un entretien est
programmé (l’écrit est noté sur 62,5 et l’entretien sur 62,5), il faut convoquer à cet entretien un
effectif maximum de 5N.
- Classer ces candidats selon l’ordre de mérite en ressortant une liste principale dont l’effectif est
précisé dans le cahier de charges (exactement N) et une liste d’attente ; celle-ci ne doit pas
dépasser le nombre de la liste principale.
6. Toute absence à l’écrit (ou à l’entretien) entraine l’élimination directe de la candidature.
Toutes les étapes de sélection doivent faire l’objet de procès verbaux signés par le coordonnateur de la
filière, les membres de la commission de sélection (parmi l’équipe pédagogique du master).

    Test écrit: 
    Entretien : 

II- Effectifs prévus par promotion 

–    Promotion : 2024-2025 : 60
–    Promotion : 2025-2026 : 60
–    Promotion : 2026-2027 : 60

Débouchés

Le Master Modélisation, Mathématiques Appliquées et Apprentissage, offre des débouchés dans de nombreux secteurs basés sur  la modélisation, la simulation et l’analyse des données  (Entreprises, laboratoires universitaires internationaux ou des grands instituts de recherche), soit intégrer directement, une formation doctorale.