Offre de formation Centrale Lyon
en
fr
Modélisation stochastique et apprentissage statistique (obligatoire)
Master Mathématiques appliquées, Statistique
M2 : parcours Math en Action
Semestre 3
Contenu
Equations différentielles stochastiques et méthodes numériques probabilistes
en
Statistique appliquée aux sciences de l'ingénieur
Propagation des ondes : théorie et applications
en/fr
Transport pour le machine learning
en/fr
Code
24_M_MAS_M2_MEA_S3_MSA
Responsables
Laurent SEPPECHER
Master Mathématiques appliquées, Statistique
M2 : parcours Math en Action
Semestre 3
Modélisation déterministe (obligatoire)
Méthodes numériques pour les EDP
Méthodes variationnelles pour les EDP
Modélisation stochastique et apprentissage statistique (obligatoire)
Equations différentielles stochastiques et méthodes numériques probabilistes
en
Statistique appliquée aux sciences de l'ingénieur
Propagation des ondes : théorie et applications
en/fr
Transport pour le machine learning
en/fr
Mathématiques Appliquées, statistique (optionnel)
Parcimonie et grande dimension
Processus de Markov et Processus Gaussiens pour la modélisation de phénomènes temporels et spatiaux
Méthodes variationnelles pour les problèmes inverses en imagerie médicale
Transport optimal pour l'apprentissage
en/fr
Biologie évolutive
en/fr
Dynamique cellulaire et systèmes complexes
en/fr
Epidémiologie
en/fr
Modélisation en écologie spatiale
en/fr
Equations de la mécanique des fluides et leur approximation numérique
en/fr
Modélisation pour l'évaluation de risques liés au changement climatique
en/fr
Graphes et réseaux écologiques
en/fr
Approches géométriques pour les images et les formes
en/fr
Réseaux de neurones
en
Problèmes en domaines non bornés : analyse mathématique et simulation numérique
en/fr
Semestre 4
Optimisation et Représentation Parcimonieuse (obligatoire)
Optimisation et Représentation Parcimonieuse
Langue Vivante
Anglais - cours mutualisé masters
en
Stage
Stage MEA