Ingénieur diplômé de l'institut national des sciences appliquées de toulouse, spécialité mathématiques appliquées
Présentation
- * Modélisation statistique de données potentiellement massives, dans un but explicatif ou prédictif
- * Modélisation statistique de données complexes et hétérogènes : signaux, images, données textuelles
- * Déploiement des algorithmes d’optimisation mathématique pour la résolution d’un problème d’apprentissage machine
- * Conception des solutions logicielles et matérielles pour le traitement de données massives
- * Pilotage d’un projet pour la résolution d’un problème réel posé par une entité métier
Compétences attestées
- * Appliquer les outils fondamentaux de l’ingénieur mathématicien
- * Concevoir, mettre en œuvre 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
Blocs de compétences (7)
Appliquer les méthodes et outils mathématiques fondamentaux du monde professionnel RNCP34752BC01
Compétences
- 1. Interagir avec un spécialiste ou un ingénieur d'une autre discipline pour comprendre et transcrire une problématique en modèle mathématique
- 2. Mettre en œuvre par un travail d'équipe une résolution à l’aide d’outils d’analyse et d’algèbre.
- 3. Utiliser les outils de probabilité et statistique
- 4. Résoudre un problème à l’aide d’outils d’analyse numérique
- 5. Sélectionner le ou les outils le(s) plus approprié(s), selon un critère de choix de modèles.
Modalités d'évaluation
* Examens individuels (écrits et oraux) sur la résolution de problèmes * Quizz et autoévaluation de la progression dans l’assimilation des compétences * Analyse de cas d’études pratiques issus de projets industrie et recherche * Constitution de dossier technique de synthèse de Bureau d’études (oral et rapport écrit)
Concevoir et mettre en œuvre numériquement des modèles mathématiques RNCP34752BC02
Compétences
- 1. Modéliser des phénomènes issus de domaines variés (physique, ondes, mécanique des fluides ou des structures, finance, actuariat, biologie…) à l’aide d’EDO, EDP, EDS, modèles aléatoires…
- 2. Effectuer des simulations numériques et valider les résultats
- 3. Choisir les méthodes adaptées à la résolution numérique des problèmes considérés
- 4. Appliquer les méthodes sur des cas réels issus du monde recherche et industrie
Modalités d'évaluation
* Examens individuels (écrits et oraux) sur la résolution de problèmes * Quizz et autoévaluation de la progression dans l’assimilation des compétences * Projet de modélisation de données réelles en binôme avec rapport et soutenance orale * Participation à un Challenge inter-écoles de prévision entre diverses formations de niveau 7 (cf Defi IA (Intelligence artificielle)
Modéliser l’aléa et les incertitudes RNCP34752BC03
Compétences
- 1. Construire un modèle de l’évolution d’un processus aléatoire
- 2. Identifier des structures particulières dans des jeux de données complexes et en faire l’interprétation.
- 3. Effectuer des simulations de phénomènes aléatoires
- 4. Construire une surface de réponse
- 5. Planifier des expériences aléatoires
- 6. Réaliser une analyse de sensibilité dans des codes de simulation numérique.
Modalités d'évaluation
* Examens écrits * Comptes rendus de Travaux Pratiques en binôme. * Projets sur la modélisation d’un processus aléatoire (en groupe) avec rapport et soutenance orale.
Analyser et valoriser des données RNCP34752BC04
Compétences
- 1. Communiquer, échanger sur la valeur de la donnée avec des experts métiers des différents domaines d’utilisation
- 2. Prétraiter, mettre en forme et visualiser les données, potentiellement massives issues de divers domaines (météorologie, assurance, marketing, industrie...)
- 3. Ajuster et sélectionner un modèle statistique en grande dimension afin de faire de la prédiction
- 4. Mettre en œuvre les méthodes d’apprentissage statistique en grande dimension
- 5. Préparer, transformer des données massives grâce aux technologies Hadoop, Map Reduce, Spark, Pyspark, et aux outils de virtualisation
- 6. Synthétiser et analyser en équipe les résultats numériques obtenus
Modalités d'évaluation
* Constitution de dossier technique de synthèse du Bureau d’études * Examen écrit individuel et oral sur la résolution de problèmes * Quizz et autoévaluation de la progression dans l’assimilation des compétences * Participation à un Challenge inter-écoles de prévision entre diverses formations de niveau 7 (cf Defi IA (Intelligence artificielle)
Poser et résoudre des problèmes complexes d’optimisation RNCP34752BC05
Compétences
- 1. Modéliser et prévoir l’occurrence d’événements indésirables sur un individu ou système
- 2. Manipuler, implémenter et tester de nouvelles méthodes de traitement d’image ou de signal
- 3. Détecter des anomalies dans un signal
- 4. Identifier/calibrer/assimiler par des méthodes variationnelles des données
- 5. Construire et étudier la convergence d’algorithmes d’optimisation
- 6. Mettre en œuvre des algorithmes d’optimisation en Python ou en langage compilé.
- 7. Communiquer avec des experts des différents domaines d’application
Modalités d'évaluation
* Analyse de cas d’études pratiques issus de projets industrie et recherche * Examen écrit individuel et oral sur la résolution de problèmes * Quizz et autoévaluation de la progression dans l’assimilation des compétences * Projet de modélisation de données réelles en binôme avec rapport et soutenance orale
Concevoir, développer des solutions logicielles RNCP34752BC06
Compétences
- 1. Identifier les méthodes et outils adaptés à la résolution numérique des problèmes
- 2. Prendre en main et valider l’utilisation conforme de logiciels de l’industrie.
- 3. Utiliser les langages de programmation.
- 4. Identifier et transcrire une méthode de résolution numérique dans un langage de programmation
- 5. Mettre en œuvre des plateformes virtualisées et utiliser les principaux services des plateformes de cloud computing
- 6. Déployer des applications de traitement de données massives
- 7. Utiliser le calcul haute performance
- 8. Analyser les performances sur des cas réels (latence, débit, espace, consommation d’énergie)
Modalités d'évaluation
* Constitution en binôme de dossier technique de synthèse du * Bureau d’études * Oral (français et anglais) de présentation d’un dossier technique * Quizz et autoévaluation de la progression dans l’assimilation des compétences
Conduire un projet pour la résolution d’un problème réel d'une entité métier RNCP34752BC07
Compétences
- 1. Interagir avec un spécialiste ou un ingénieur d'une autre discipline pour comprendre une problématique de valorisation de données sur un problème réel
- 2. Mettre en place une démarche projet : analyse de la situation, définition des objectifs, conception spécification, réalisation, évaluation
- 3. Conduire les recherches bibliographiques nécessaires à la résolution du projet, et les restituer à des spécialistes.
- 4. Mettre en place une infrastructure matérielle et logicielle proportionnées adaptée au problème.
- 5. Intégrer les philosophies, problématiques et contraintes des réglementations françaises et européennes (CNIL, RGPD) sur la protection des données
- 6. Rendre compte à l’écrit et à l’oral du travail effectué auprès de décideurs, d'experts ou de professionnels non experts du domaine.
Modalités d'évaluation
* Cas d’études pratiques * Projet recherche : mémoire et oral de présentation des travaux de groupe * Projet de fin d’études : manuscrit et oral de soutenance
Voies d'accès
- Par expérience
- Après un parcours de formation sous statut d’élève ou d’étudiant
- Après un parcours de formation continue
- En contrat d’apprentissage
- En contrat de professionnalisation
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).
Secteurs d'activité
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.
Composition des jurys
Le jury d’établissement comprend 6 membres du département Sciences et Technologies Pour l’Ingénieur (le directeur de département, le directeur des études de première année et les 4 directeurs d’études des pré-orientations ou leurs représentants), 2 représentants par spécialité choisis parmi l’ensemble des présidents et secrétaires de pré-jurys (département, formation continue et VAE) ainsi que le directeur et le directeur des études de l’INSA (ou leurs représentants)
Le parcours par apprentissage conduit à la délivrance d’un double diplôme, aussi, le jury associant 2 Ecoles d'Ingénieurs (ENSEEIHT et INSA) comprend les 2 directeurs d'Ecole, les 2 directeurs d'études (ou leurs représentants), les 2 directeurs ou responsables de département de spécialité, les 2 responsables de la formation (un pour chaque école) et 2 enseignants de spécialité par Ecole.
Le jury de formation continue comprend l’ensemble des présidents et secrétaires des commissions de recrutement des départements, deux des professionnels ayant participé à ces commissions ainsi que le Directeur de l’INSA, le Directeur des Etudes et le responsable de la Formation Continue à l’INSA.
Le jury d’établissement comprend 6 membres du département Sciences et Technologies Pour l’Ingénieur (le directeur de département, le directeur des études de première année et les 4 directeurs d’études des pré-orientations ou leurs représentants), 2 représentants par spécialité choisis parmi l’ensemble des présidents et secrétaires de pré-jurys (département, formation continue et VAE) ainsi que le directeur et le directeur des études de l’INSA (ou leurs représentants)
Un jury de validation des acquis de l’expérience est constitué par spécialité. Le jury de VAE est composé de membres permanents et de membres désignés spécialistes du diplôme. Il comprend, d’une part, le Directeur de l’INSA ou son représentant, le Directeur des Etudes, le Responsable de la Formation continue et d’autre part, le Directeur du département de la spécialité, 2 ou 3 enseignants de la spécialité, 1 enseignant du Centre des Sciences Humaines et 2 représentants du monde industriel.
Métiers visés (codes ROME)
Informations générales
- Code
- RNCP34752
- Type d'enregistrement
- Enregistrement de droit
- Date de décision
- 20/07/2020
- Date d'effet
- 01/09/2020
- Fin d'enregistrement
- 31/08/2025