Ingénieur diplômé de l'institut national des sciences appliquées de toulouse, spécialité mathématiques appliquées
Certification RNCP34752
Formacodes 11052 | Mathématiques appliquées 11036 | Statistique 31054 | Informatique et systèmes d'information 32062 | Recherche développement 32015 | Conduite changement
Nomenclature Europe Niveau 7
Formacodes 11052 | Mathématiques appliquées 11036 | Statistique 31054 | Informatique et systèmes d'information 32062 | Recherche développement 32015 | Conduite changement
Nomenclature Europe Niveau 7
Les métiers associés à la certification RNCP34752 : Management et ingénierie qualité industrielle Études et prospectives socio-économiques Analyse et ingénierie financière Études actuarielles en assurances Management et ingénierie études, recherche et développement industriel
Codes NSF 326m | Informatique, traitement de l'information 114g | Mathématiques de l'informatique, mathématiques financières, statistique de la santé
Voies d'accès : Formation initiale Contrat d'apprentissage Formation continue Contrat de professionnalisation VAE
Certificateurs :
Voies d'accès : Formation initiale Contrat d'apprentissage Formation continue Contrat de professionnalisation VAE
Certificateurs :
| Certificateur | SIRET |
|---|---|
| INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE TOULOUSE (INSA) | 19310152400018 |
Activités visées :
* 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
* 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
Capacités 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
* 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
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.
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.
Types d'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).
* 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).
Objectif contexte :
Le diplôme d’ingénieur de l’INSA de Toulouse en spécialité Mathématiques Appliquées a pour objectif de certifier la capacité pour son titulaire de conduire des projets de modélisation issus des besoins croissants de divers secteurs industriels et des serv
Le diplôme d’ingénieur de l’INSA de Toulouse en spécialité Mathématiques Appliquées a pour objectif de certifier la capacité pour son titulaire de conduire des projets de modélisation issus des besoins croissants de divers secteurs industriels et des serv
Bloc de compétences
RNCP34752BC07 : Conduire un projet pour la résolution d’un problème réel d'une entité métier
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.
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
* 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
RNCP34752BC06 : Concevoir, développer des solutions logicielles
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)
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
* 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
RNCP34752BC02 : Concevoir et mettre en œuvre numériquement des modèles mathématiques
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
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)
* 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)
RNCP34752BC01 : Appliquer les méthodes et outils mathématiques fondamentaux du monde professionnel
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.
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)
* 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)
RNCP34752BC03 : Modéliser l’aléa et les incertitudes
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.
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.
* Examens écrits * Comptes rendus de Travaux Pratiques en binôme. * Projets sur la modélisation d’un processus aléatoire (en groupe) avec rapport et soutenance orale.
RNCP34752BC05 : Poser et résoudre des problèmes complexes d’optimisation
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
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
* 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
RNCP34752BC04 : Analyser et valoriser des données
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
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)
* 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)