Bac+5 BAC +5
RNCP : 39493
MASTER 2 Mathématiques Appliquées, Statistiques (MAS 45)
Parcours Statistique & Data Science, Ingénierie Mathématique
Le Master mention Mathématiques Appliquées, Statistiques – parcours-type « Statistique & Data Science, Ingénierie Mathématique » a pour objectif de former des Data Scientists, ingénieurs statisticiens ou mathématiciens appliqués ayant vocation à exercer dans :
– les services d’analyse statistique, selon plusieurs axes :
– les professionnels (banques, assurances) : Data Science, Business Intelligence ;
– les secteurs de la santé et de l’environnement ;
– les services de Recherche & Développement (R&D) des secteurs industriels de pointe
(Ingénierie, Apprentissage, Deep Learning, Réseaux de neurones) ;
– la Recherche appliquée, en particulier via une poursuite d’études en doctorat dans le cadre de thèses appliquées (type CIFRE) en statistique (bio-statistique, épidémiologie) ou en mathématiques (méthodes numériques pour les modèles de la physique, de la biologie, IA).
En savoir plus sur France Compétences
Tarif
La formation est 100% financée par l’entreprise. Le CFA des Universités prend en charge les frais d’inscription universitaire dès que le contrat d’apprentissage est signé.
Valeur ajoutée du CFA des Universités
Le CFA des Universités offre une formation unique, alliant l’excellence académique et la recherche de pointe grâce à l’implication directe des enseignants-chercheurs, tout en garantissant un accompagnement personnalisé pour chaque apprenti, afin de maximiser leur réussite professionnelle.
Durée de la formation
1 anRythme de l'alternance
Le calendrier d’alternance est disponible auprès du chargé d’apprentissage.
Lieu de formation
-
UFR SCIENCES ET TECHNIQUES - SITE D'ORLEANS
Rue de Chartres - 45100 ORLÉANS
En savoir plus sur l'accessibilité
Pré-requis
Etre titulaire d’une Licence de Mathématiques ou d’un diplôme équivalent. Les candidatures sont étudiées sur dossier.
Taux d'insertion en emploi
-
Réussite aux examens
-
Taux de rupture net
-
Taux de poursuite d'étude
-
Quels métiers ?
- Data Scientist / Ingénieur Data Scientist
- Ingénieur statisticien
- Chargé d’études actuarielles ou de modélisation du risque
- Ingénieur en recherche opérationnelle
Quelles missions ?
Analyse et exploitation de données (missions cœur de métier)
Missions possibles :
- Collecte, nettoyage et structuration de données (bases internes, open data, données métiers)
- Analyse statistique exploratoire (tendances, corrélations, segmentation)
- Construction d’indicateurs de pilotage (KPI)
- Rédaction de synthèses d’aide à la décision pour les équipes métier ou la direction
Data science & modélisation prédictive
Missions possibles :
- Développement de modèles prédictifs (prévisions de ventes, churn, risques, délais)
- Algorithmes de machine learning supervisés et non supervisés
- Scoring clients, produits ou risques
- Tests de performance et amélioration continue des modèles
Statistique appliquée & études quantitatives
Missions possibles :
- Conception d’enquêtes et de protocoles statistiques
- Analyses statistiques avancées (tests, régressions, analyses multivariées)
- Contrôle qualité des données et des résultats
- Études d’impact, études clients ou produits
Ingénierie mathématique & optimisation
Missions possibles :
- Optimisation de processus (logistique, production, planification)
- Modélisation de flux, de coûts ou de ressources
- Aide à la décision multicritère
- Simulation de scénarios (what-if)
Développement d’outils data & automatisation
Missions possibles :
- Scripts d’automatisation (Python, R, SQL)
- Création de tableaux de bord interactifs
- Mise en place de pipelines de données
- Documentation et fiabilisation des outils existants
Interface entre équipes techniques et métiers
Missions possibles :
- Traduction de besoins métiers en modèles analytiques
- Accompagnement des équipes dans l’usage des données
- Présentation pédagogique des résultats
- Participation aux projets transverses data/IT/métier
Compétences visées
– Modélisation aléatoire (Statistique mathématique décisionnelle, Statistical Computing) ;
– Fouille de données (méthodes de Data Mining, apprentissage, calcul haute performance) ;
– Big Data (calcul distribué avec cluster Hadoop et programmation MapReduce) ;
– Apprentissage, Réseaux de Neurones (computer vision, machine learning, Deep Learning) ;
– Probabilités appliquées (simulation de Monte-Carlo, processus aléatoires, algorithmes ; MCMC) ;
– Modélisation mathématique, calcul scientifique, optimisation ;
– Maîtrise des logiciels spécialisés du domaine (R et SAS pour les statistiques, Python, Scilab et C++ pour le calcul scientifique).
C'est sûr, c'est pour moiOù exercer l'activité ?
- Numérique, data & technologies
- Banque, assurance & finance
- Industrie & ingénierie
- Santé, biostatistiques & pharmaceutique
- Marketing, études & stratégie
- Environnement, énergie & développement durable
- Recherche & enseignement
Quels enseignements à l'université ?
-
Plus d’informations sur la formation sur le site de l’Université d’Orléans – UFR Sciences et Techniques
Envie d’en savoir plus sur la mobilité à l’international des apprentis ? Retrouvez plus d’informations ici
Pas de passerelle ou d’équivalence
Envie d’en savoir plus sur la mobilité à l’international des apprentis ? Retrouvez plus d’informations ici
Poursuite d'études ?
Doctorat
Allez je me lance
