Contacts parcours MADOCS

Responsables :
This email address is being protected from spambots. You need JavaScript enabled to view it.
This email address is being protected from spambots. You need JavaScript enabled to view it.

SecrétariatThis email address is being protected from spambots. You need JavaScript enabled to view it.

ENSEA
6, avenue du Ponceau
CS 20707 CERGY
95014 CERGY-PONTOISE Cedex
Tél. : +33 1 30 73 62 63
Fax : +33 1 30 73 66 27

Laboratoire ETIS, UMR 8051 CNRS,
Université de Cergy-Pontoise, ENSEA

Site web : 
sites.google.com/site/mastermadocinfo/

Le parcours MADOCS est centré autour des deux sujets suivants : modélisation et traitement de l'information, et modélisation et calcul scientifique. 

Modélisation et Traitement de l'Information (MTI) 

Les entreprises sont submergées par un flot massif de données numériques ou symboliques en provenance de sources diverses et réparties (capteurs physiques, bases de données, web,…). 
Les solutions logicielles recherchées se focalisent sur l'extraction de l'"intelligence" implicitement contenue dans les données elles-mêmes,en modélisant les relations fonctionnelles majeures entre ces données et les principaux objectifs de décision.
Par ailleurs, les problèmes liés au fait que les données sont hétérogènes et distribuées, ainsi que le problème d'efficacité, sont abordés dans le cadre des systèmes distribués. 

Modélisation et Calcul Scientifique (MCS) 

La R&D industrielle fait de plus en plus appel aux méthodes numériques d'une part pour la recherche et la mise au point de nouveaux produits et d'autre part pour la surveillance de leur état de fonctionnement. Les méthodes concernent ici deux aspects. 
C’est d’une part l’analyse des données issues de mesures physiques. Les solutions logicielles doivent être conçues pour s'intercaler entre les systèmes d'acquisition de données et l'opérateur, afin de fournir en mode autonome une aide intelligente et efficace pour la prise de décision, sans intervention d'ingénieurs spécialistes de l'analyse de données. 
C’est d’autre part la modélisation de phénomènes physiques afin de pouvoir analyser le rôle de certains facteurs. Là, outre le développement de codes spécifiques, le travail de l’analyste porte sur l’utilisation de logiciel de calcul dans un cadre de prestation de service. 

Débouchés 

Les débouchés possibles sont essentiellement proposés par : les sociétés de services les bureaux d'études les départements de R&D des p.m.e. et des grands groupes industriels les laboratoires de recherche publics La formation dispensée permet aux analystes et aux numériciens une adaptation rapide à leur nouveau poste : prise en main accéléré des codes de calcul de l'entreprise, compréhension de l'existant et des problématiques en cours, intégration à une équipe de développement (· Ingénieur recherche et développement · Ingénieur bureau d'études · Ingénieur de développement d'applications · Ingénieur de développement outils · Ingénieur de développement produits · Ingénieur technico-commercial). La formation permet également d’effectuer une thèse de doctorat et d’avoir accès aux métiers de l’enseignement et de la recherche universitaire. 

Entreprises ayant accueilli des stagiaires longue durée et/ou ayant embauché : 

Unilog, Poliris, RATP, B&B Market, Cap Gemini Telecom & Media, ID-6, Bristish Telecom, Business & Décision, Crédit du Nord, SERENO SAS, Libelle Informatik Gmbh, STERIA, ONERA, CEA, IFP, DATUS, IEF, GDF, CD-ADPACO, EADSspace,DGA, Technip, EDF, Celtrio, A-Volute, Manufacture MICHELIN, L'Oréal, Institut de Recherches SERVIER , ...

Description des modules 


Trimestre 1 
Intitulé des UE obligatoires 
  • Machine Learning/Apprentissage stat 1 (Théorie de la décision statistique; Régression logistique, Régression Bayésienne Ridge, Lasso ; Sélection LAR, Classification et Algorithme EM, ACP et Approche par noyau). 
  • Traitement de l’image (Rappel de TI, Filtrage linéaire, non-linéaire, Extraction de caractéristique, mouvement, etc.) 
  • Méthode de Monté-Carlo (Modèles stochastique ; Calcul, simulation et optimisation) 
Intitulé des UE optionnelles (1 parmi 2) 
  • Ondelettes (Espace multi-échelles, Ondelettes) 
  • Optimisation (algorithmes adaptatifs et algorithmes récursifs,…) 

Trimestre 2 
Intitulé des UE obligatoires
  • Problème inverse (Approche variationnelle et approche Bayésienne , Chaîne et champ de Markov caché, Algorithme EM, Applications) 
  • Imagerie et modélisation (Problématique de la reconstruction d’image, Tomographie, transformée de Radon, Imagerie Ultra-Son, Scanner X, Imagerie PET, SPECT (scintigraphie). 
  • Machine Learning/Apprentissage stat 2 (Extraction de caractéristiques, Boosting, Arbre de décision, Random Forest, SVM non linéaire) 
Intitulé des UE optionnelles (1 parmi 2) 
  • Analyse de données sur graphe pour les réseaux génétiques et les réseaux sociaux (Page Rank, représentation modulaire, diffusion) 
  • Approche variationnelle en TI (Principe de moindre action, Notion de fonctionnelle, Approche d’Euler-Lagrange, EDP, Application au traitement d’image : Segmentation (Mumford-Shah, Contours-actifs), régularisation d’image par EDP, Recalage d’image, Inpainting).