M2 Algorithmique et Modélisation à l'Interface des Sciences

Places available

20
Language(s) of instruction

French

Présentation

Objectives

Ce parcours offre à des étudiants issus d'une licence d'informatique ou de mathématiques appliquées ou d'écoles d'ingénieurs une formation fondamentale de haut niveau en modélisation, notamment stochastique et probabiliste, et en algorithmique sous différentes approches, avec une ouverture vers des applications pour la résolution de problèmes énergétiques, de smart-cities et de problèmes liés à la modélisation moléculaire .

Location

VERSAILLES

Skills

Modéliser un problème.
Concevoir une solution informatique.
Proposer des solutions algorithmiques.

Career prospects

Cadres en informatique dans les entreprises, métiers de la recherche et du développement dans les universités, organismes de recherche privés et publics, les grandes entreprises et les start-up. Les métiers visés sont : chefs de projets, ingénieurs R & D, chercheurs.

Collaboration(s)

Laboratories

Données et Algorithmes pour une ville intelligente et durable.

Programme

Ce semestre est composée d'un ensemble d'UE qui est le socle commun pour le parcours.

Subjects	ECTS	Lecture
Algorithmique distribuée	3	21
Algorithmique distribuée Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Devan Sohier, UVSQ. Procedure and organisation : 7 cours avec applications. Objectifs pédagogiques visés : Contenu : Algorithmique distribuée et algorithmique distribuée probabiliste. Description des modèles, études d'algorithmes fondamentaux. Introduction à la tolérance aux pannes dans les systèmes distribués. Analyse des algorithmes distribués probabilistes. Problématique des systèmes distribués à grande échelle et applications. Modélisation de la dynamicité. Preuves de tolérance à la dynamicité. Contingentement des fautes et localité. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Modélisation stochastique : Performances, Energie	3	21
Modélisation stochastique : Performances, Energie Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : 7 cours suivsi d’un examen. Objectifs pédagogiques visés : Contenu : Analyse opérationnelle et notion de Bottleneck. Réseaux Fermés de Files d’attente et Analyse en Valeur Moyenne. Formule de Little. Propriétés de Markov. Processus de Naissance et Mort. Files Simples Markoviennes à une classe de clients, Formules d’Erlang, PASTA , Files à plusierus classes, notions de discipline de service (PS, LIFO), Réseaux ouverts de Files d’attente. Forme produit. Solution stationnaire à forme produit. Déla moyen de bout en bout. Réseaux à paquet de données et paquets d’energie. Modélisation des batteries et de la production d’energie intermittente. Prerequisites : Notions de probabilités et de processus stochastiques. Bibliographie : - Jain, R., « The art of computer systems performance analysis - techniques for experimental design, measurement, simulation, and modeling », Wiley professional computing, 1991. - Bonald T. et Feuillet M., « Performance des réseaux et des systemes informa. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Optimisation Combinatoire	3	21
Optimisation Combinatoire Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : Séances de cours de 3h avec des exercices d'application. Objectifs pédagogiques visés : Contenu : L'objectif de ce cours est de présenter différentes méthodes classiques des problèmes d'optimisation combinatoire : Branch and Bound, Branch and Cut, Programmation Dynamique, Génération de Colonnes, Programmation Par Contraintes. L'application de ces différentes méthodes sera illustrée sur un ensemble de problèmes et d'applications classiques d'optimisation combinatoire. Prerequisites : Programmation Linéaire, (Méta)Heuristiques. Bibliographie : Papadimitriou C. and Steiglitz K., Combinatorial Optimization : algorithms and complexity, 1998 Korte B. and Vygen T., Optimisation Combinatoire, théorie et algorithmes, 2015. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Réseaux de neurones et classification	3	21
Réseaux de neurones et classification Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Yann Strozecki, UVSQ. Procedure and organisation : Cours et projet. Objectifs pédagogiques visés : Contenu : Ce cours présente des notions générales ainsi qu'un ensemble de méthodes d'apprentissage supervisé permettant de faire de la classification automatique de données. On abordera des méthodes simples (méthode des plus proches voisins, perceptron, machines à vecteurs de support, régressions) ainsi que des méthodes modernes (arbres de décision, réseaux de neurones, réseau de convolution, deep learning). Certaines notions d'apprentissage non-supervisé pourront être évoquées (méthode des k-moyennes, clustering). Prerequisites : Algorithmique, Probabilités et Statistiques. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Théorie algorithmique des jeux et apprentissage par renforcement	3	21
Théorie algorithmique des jeux et apprentissage par renforcement Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : David Auger, UVSQ. Yann Strozecki, UVSQ. Procedure and organisation : Le cours sera structuré en 7 séances de 3 heures. Des exercices seront donnés durant ces séances. L’évaluation sera composée pour moitié par une note d’examen et pour l’autre moitié par une évaluation reposant sur la lecture d’un article en lien avec les thèmes du cours, qui fera également l’objet d’un développement de programme. Objectifs pédagogiques visés : Contenu : L’objectif de ce cours est d’une part de connaître les modèles de théorie des jeux permettant de représenter les situations de compétition entre plusieurs agents, et d’autre part de savoir les résoudre. Une partie du cours sera consacrée à l’étude de modèles Markoviens pour lesquels des méthodes d’apprentissage reposant sur des expériences autorisent à s’affranchir de la connaissance préalable du modèle (par ex. algorithme TD(0) et algorithme de q-learning). Une autre partie sera consacrée aux jeux simultanés et au calcul des équilibre de Nash. Dans ce cadre, nous étudierons des algorithmes de résolution exacte nécessitant la connaissance complète du modèle (ex. algorithme de Lemke-Howson) et des algorithmes d’apprentissage en ligne (ex. algorithme fictitious play). Des applications seront ensuite abordées : jeux de routage, problème de mariage stable, problème du partage équitable... Prerequisites : Bases de la théorie des probabilités et des chaînes de Markov. Bases d’algorithmique. Bibliographie : Algorithmic Game Theory, Noam Nisan et al Reinforcement Learning: An Introduction, Sutton and Barto. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Théorie et algorithmique des graphes, complexité	3	21
Théorie et algorithmique des graphes, complexité Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : Séances de cours magistraux avec propostion d’exercices, de 3h chacune. Objectifs pédagogiques visés : Contenu : Après un rappel des définitions des bases de la théorie des graphes, avec des exemples de résultats théoriques et une justification théorique de problèmes polynomiaux dans les graphes, le cours définiera la thèorie de la NP-complétude. Des problèmes NP-complets classiques dans les graphes (coloration, recherche de sous-graphes, Steiner, …) seront ensuite traitées. Enfin, les concepts d’aproximabilité seront définis et illustrés par des exemples de problèmes de graphes. Prerequisites : Fondements de l’algorithmique. Algorithmique dans les arbres. Bibliographie : A. Bondy, USR Murty. Graph theory. Springer, 2007. T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein. Introduction to Algorithms 3e. The MIT Press, 2009. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES

Subjects	ECTS	Lecture	directed study	practical class
Programmation Avancée J2EE	4	12	30
Programmation Avancée J2EE Language(s) of instruction : FR ECTS : 4 Détail du volume horaire : Lecture : 12 Directed study : 30 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Vacataire extérieure. Procedure and organisation : Cours + TD. Objectifs pédagogiques visés : Contenu : Programmation en J2EE. Prerequisites : Java. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Projet	5			30
Projet Language(s) of instruction : FR ECTS : 5 Détail du volume horaire : Practical class : 30 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : équipe ALMOST du laboratoire DAVID. Procedure and organisation : Par groupes de 3/4 personnes, le projet devra être développé de bout en bout de la modélisation à une maquette opérationnelle. Objectifs pédagogiques visés : Contenu : Projet Plusieurs orientations sont possibles pour le projet en relation avec les cours fondamentaux du premier semestre : Telecom, Gestion de l'énergie, Modélisation moléculaire .... Période(s) et lieu(x) d’enseignement : Period(s) : Novembre - Décembre. Location : VERSAILLES

Subjects	ECTS	directed study	Lecture/directed study
Anglais	1	18
Anglais Language(s) of instruction : FR/AN Title of educational component in English : English ECTS : 1 Détail du volume horaire : Directed study : 18 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Vacataires extérieurs. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Insertion Professionnelle	1		9
Insertion Professionnelle Language(s) of instruction : FR ECTS : 1 Détail du volume horaire : Directed study : 9 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Vacataires extérieurs provenant d'une association ECTI. Objectifs pédagogiques visés : Contenu : Ecriture CV, lettre motivation, préparation aux entretiens d'embauche, gestion de projet. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : VERSAILLES
Séminaires de recherche	1
Séminaires de recherche ECTS : 1 Modalités d'organisation et de suivi : Coordinator :

Ce semestre comporte un stage et un ensemble d'UE d'ouverture sur les domaines d'application : ville intelligente, sciences humaines et sociales, chémo-informatique ...

Subjects	ECTS	Lecture
Intelligence Artificielle et Jeux	2	21
Intelligence Artificielle et Jeux Language(s) of instruction : FR ECTS : 2 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : David Auger, UVSQ. Pierre Coucheney, UVSQ. Objectifs pédagogiques visés : Contenu : On présente dans ce cours les méthodes d'apprentissage automatique qui sont utilisées pour créer des intelligences artificielles performantes pour des jeux de stratégies complexes (échecs, go) ou à certains jeux vidéos simples. Ce cours est basé sur des méthodes d'apprentissage profonds (réseau de neurones) ainsi que d'apprentissage par renforcement (méthodes de bandits, Monte-Carlo Tree Search). Période(s) et lieu(x) d’enseignement : Period(s) : Janvier - Février - Mars. Location : VERSAILLES
Mobilités et smart-cities	2	21
Mobilités et smart-cities Language(s) of instruction : FR ECTS : 2 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : Séances de cours magistraux de 3h chacune avec proposition d’exercices. Objectifs pédagogiques visés : Contenu : Introduction systémique à la problématique de la mobilité urbaine. Gestion de trafic : algorithmique pour la gestion de flots et pour le routage. Machine learning pour la gestion de véhicules, en particulier autonomes. Mobilité urbaine et applications numériques à l’usager. Techniques de prédiction de la mobilité. Sûreté de fonctionnement pour les systèmes dédiés à la mobilité. Prerequisites : Bases de théorie des jeux et apprentissage Bases d’algorithmique de graphes Modélisation stochastique. Bibliographie : 1. P. Berrone, J.E. Ricart Costa, A. Duch T-Figueras. Cities and Mobility & Transportation: Towards the next generation of urban mobility. IESE CITIES IN MOTION: International urban best practices book series (Book 2) 2. M. Rausand, Risk Assessment : Theory, Methods, and Applications, John Wiley & Sons, 2011. Période(s) et lieu(x) d’enseignement : Period(s) : Janvier - Février - Mars. Location : VERSAILLES
Modélisation moléculaire pour la prédiction et la caractérisation de structures moléculaires	2	21
Modélisation moléculaire pour la prédiction et la caractérisation de structures moléculaires Language(s) of instruction : FR ECTS : 2 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : 7 cours avec applications. Objectifs pédagogiques visés : Contenu : Onnées moléculaires Structure des protéines Structure des ARN structure secondaire structure 3D de l'ARN Prédiction d'interaction macromoléculaires. Prerequisites : Bases de l'algorithmique. Aucun pré-requis biologique. Période(s) et lieu(x) d’enseignement : Period(s) : Janvier - Février - Mars. Location : VERSAILLES
Télécoms et énergie	2	21
Télécoms et énergie Language(s) of instruction : FR ECTS : 2 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Dominique Barth, UVSQ. Procedure and organisation : 7 cours suivsi d’un exposé sur un article de recherche. Objectifs pédagogiques visés : Contenu : Le cours propose d’étudier comment limiter la consommation énergétique des systèmes de télécommunications et plus généralement du transfert et du traitement de données. On va traiter des aspects algorithmiques et modélisations liés à différentes technologies de transmission de données : réseaux tout optiques pour éviter les passages électronique/optique : comment gérer l’absence de buffer optique de grande capacité et l’impossibilité du routage « store and forward ». Routage à déflection, routage Eulerien, routage mixte, contrôle d’accès. Réseaux Hertzien à très basse consommation et très faible bande passante (type LORAWAN) : agréger les données pour limiter la bande passante, agrégation spatiale et temporelle des données. Compétences: Modéliser des réseaux Optimisation de réseaux et de la consommation énergétique Technologies réseaux innovantes (optique, faible consommation). Prerequisites : Notions d’évaluation de performance et d’algorithmique du routage. Bibliographie : Rajiv Ramaswami, Kumar Sivarajan, Galen Sasaki. Optical Networks: A Practical Perspective (3rd Edition). Elsevier, 2010. Période(s) et lieu(x) d’enseignement : Period(s) : Janvier - Février - Mars. Location : VERSAILLES

Subjects	ECTS	Lecture	directed study	practical class	Lecture/directed study	Lecture/practical class	directed study/practical class	distance-learning course	Project	Supervised studies
Framework J2EE	2	21
Framework J2EE Language(s) of instruction : FR ECTS : 2 Détail du volume horaire : Lecture : 21 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Vacataire extérieure. Objectifs pédagogiques visés : Contenu : HIBERNATE, STRUTS, SPRING et MAVEN. Prerequisites : Prog. J2EE. Période(s) et lieu(x) d’enseignement : Period(s) : Janvier - Février - Mars. Location : VERSAILLES

Subjects	ECTS	Lecture	directed study	practical class	Lecture/directed study	Lecture/practical class	directed study/practical class	distance-learning course	Project	Supervised studies
Stage	20
Stage Language(s) of instruction : FR ECTS : 20 Modalités d'organisation et de suivi : Coordinator : Objectifs pédagogiques visés : Contenu : Stage en laboratoire de recherche ou en entreprise d'une durée de 4 à 6 mois. Période(s) et lieu(x) d’enseignement : Period(s) : Avril - Mai - Juin - Juillet. Location : VERSAILLES

Modalités de candidatures

Application period

From 15/02/2024 to 15/07/2024

Compulsory supporting documents

Motivation letter.
All transcripts of the years / semesters validated since the high school diploma at the date of application.
Curriculum Vitae.
Detailed description and hourly volume of courses taken since the beginning of the university program.

Additional supporting documents

Letter of recommendation or internship evaluation.
Certificate of French (compulsory for non-French speakers).
VAP file (obligatory for all persons requesting a valuation of the assets to enter the diploma).
The application procedure, which depends on your nationality and your situation is explained here : https://urlz.fr/i3Lo.
Supporting documents :
- Residence permit stating the country of residence of the first country
- Or receipt of request stating the country of first asylum
- Or document from the UNHCR granting refugee status
- Or receipt of refugee status request delivered in France
- Or residence permit stating the refugee status delivered in France
- Or document stating subsidiary protection in France or abroad
- Or document stating temporary protection in France or abroad.

Contact(s)

Course manager(s)

Dominique BARTH - dominique.barth@uvsq.fr

Jérémie CABESSA - jeremie.cabessa@uvsq.fr

Administrative office

Fabienne Chevalier - Fabienne.Chevalier@uvsq.fr