Certification professionnelle

Objectifs et contexte de la certification :

Les mathématiques appliquées occupent aujourd’hui une place centrale dans de nombreux secteurs industriels et de services, portés par l’essor du numérique, l’augmentation massive des volumes et de la diversité des données, ainsi que par la croissance continue des capacités de stockage et de calcul. Les audits et études menés en France et en Europe confirment une demande particulièrement forte en ingénieurs mathématiciens capables de traiter des problématiques de plus en plus complexes et de répondre aux besoins croissants en modélisation, analyse quantitative, simulation, optimisation et traitement de données.   

La certification d’ingénieur de l’INSA Rennes en spécialité mathématiques appliquées a pour objectif de diplômer des ingénieurs aptes à conduire des projets de modélisation mathématique issus de ces besoins. Elle vise à certifier leur capacité à mobiliser des phénomènes dans un large éventail de domaines d’application, ainsi qu’à maîtriser l’ensemble du processus allant de la formation du problème jusqu’à sa résolution numérique et la valorisation des solutions obtenues.  

Les ingénieurs certifiés répondent aux attentes des entreprises confrontées à des enjeux de traitement et d’exploitation d’informations quantitatives et de données. Leur capacité à conduire des projets de modélisation dans leurs dimensions techniques, organisationnelles, économiques et humaines leur permet d’intervenir dans tous les secteurs faisant appel à l’analyse et à la valorisation de données : industrie, énergie, transport, télécommunications, banque et assurance, services, conseil ou encore santé.  

Activités visées :

• Modélisation statistique de données complexes et hétérogènes : signaux, images, données textuelles
• Déploiement des algorithmes d’optimisation mathématique pour la résolution de problèmes d’apprentissage automatique et d’apprentissage profond
• 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
• Analyse quantitative et qualitative d’information pour la gestion de risques 

Compétences attestées :

• Analyser une problématique scientifique ou technique présentée par un ingénieur ou un spécialiste métier afin de la formaliser en modèle mathématique adapté  
• Appliquer en équipe les méthodes d'analyse et d'algèbre nécessaires pour résoudre la problématique formulée
• Utiliser les outils de probabilité et statistique pour décrire, estimer ou interpréter des phénomènes aléatoires simples
• Mettre en oeuvre les méthodes d'analyse numérique pour résoudre un problème mathématique
• Sélectionner et justifier le ou les outils mathématiques le(s) plus approprié(s), selon le type de problème et les contraintes métier
• Modéliser des phénomènes issus de domaines variés (physique, ondes, mécanique des fluides ou des structures, finance, actuariat, biologie...) à l'aide entre autres d’équations différentielles ordinaires, d'équations aux dérivées partielles, d'équations différentielles stochastiques, de modèles stochastiques
• Simuler numériquement et valider les résultats obtenus au regard du problème initial
• Sélectionner les méthodes numériques adaptées pour résoudre les modèles considérés en fonction des contraintes et hypothèses
• Appliquer les méthodes sur des cas réels issus de l'industrie ou de la recherche afin d'en évaluer la pertinence et les limites
• Construire un modèle de l'évolution d'un processus aléatoire
• Identifier des structures particulières dans des jeux de données complexes et en faire l'interprétation
• Simuler des phénomènes aléatoires à l'aide d'outils adaptés
• Élaborer une surface de réponses pour aider les décideurs
• Planifier des expériences aléatoires en cohérence avec les objectifs du problème étudié
• Réaliser une analyse de sensibilité dans des codes de simulation numérique
• Communiquer, échanger sur la valeur de la donnée avec des experts métiers des différents domaines d'utilisation
• Préparer et transformer des données issues de sources hétérogènes en vue de leur exploitation
• Ajuster et sélectionner un modèle statistique en grande dimension afin de faire de la prédiction
• Mettre en œuvre les méthodes d'apprentissage statistique adaptées au problème étudié
• Détecter des structures particulières dans les données complexes et interpréter les résultats obtenus
• Synthétiser et analyser en équipe les résultats numériques obtenus
• Exploiter des sources de données pour les intégrer dans une solution logicielle
• Utiliser des outils de calcul haute performance pour traiter des problèmes à données massives
• Analyser les performances d'une solution logicielle sur des cas réels et évaluer son efficacité
• Modéliser et prévoir l'occurrence d'événements indésirables en utilisant des outils probabilistes adaptés
• Manipuler, implémenter et tester de nouvelles méthodes de traitement d’image ou de signal
• Construire et formaliser des modèles d’aide à la décision permettant d’orienter efficacement un choix ou une action
• Planifier et concevoir des expériences aléatoires afin d'en analyser les résultats
• Construire et étudier la convergence d'algorithmes d'optimisation adaptés à la grande dimension
• Mettre en œuvre des algorithmes d'optimisation en utilisant des langages bas puis haut niveau
• Élaborer des modèles intégrant des aspects déterministes et aléatoires ou tenant compte d'incertitudes
• Mettre en œuvre des outils de calcul haute performance pour optimiser le temps de calcul
• Sélectionner, configurer et valider l’utilisation conforme d’un large panel de logiciels utilisés en milieu professionnel
• Travailler avec des spécialistes d'autres métiers pour comprendre une problématique de valorisation de données sur un problème réel
• Concevoir et planifier un projet en lien avec un cahier des charges
• Rechercher et synthétiser les informations issues de la littérature ou de sources professionnelles nécessaires à la résolution du projet, et les restituer à des spécialistes
• Mettre en place une infrastructure matérielle et logicielle adaptée
• Intégrer les contraintes et les réglementations françaises et européennes sur la protection des données
• Adopter un comportement éthique en lien avec la déontologie scientifique
• Rendre compte de manière claire et structurée à l'écrit et à l'oral du travail effectué auprès de décideurs, d'experts ou de professionnels non spécialistes du domaine
• Travailler dans un contexte international et multiculturel en prenant en compte les enjeux industriels, économiques, sociétaux et environnementaux 

Modalités d'évaluation :

L’évaluation des acquis des étudiants se fait à différents niveaux, selon des modalités adaptées au type de compétences visées.  

Pour le niveau qui concerne la maîtrise des savoirs fondamentaux, les évaluations prennent la forme de contrôles continus, d’examens écrits individuels ou oraux portant sur la résolution de problèmes, ainsi que de QCM selon les matières.  

Pour le deuxième niveau, visant à apprécier la capacité à appliquer les connaissances pour résoudre des problèmes, les évaluations reposent sur des travaux pratiques, l’analyse de cas issus de projets industriels ou de recherche, la réalisation de dossiers techniques et de projets menés seul, en binôme ou en groupe. Les restitutions écrites ou orales, en français comme en anglais, ainsi que la gestion du projet sont alors prises en compte.  

Pour le troisième niveau, relatif à l’aptitude à élaborer une méthodologie de résolution de problèmes complexes, l’évaluation s’appuie sur des projets de modélisation ou de recherche menés à l’école, donnant lieu à un mémoire ou à un rapport écrit et à une soutenance orale. Les périodes en entreprise – notamment le stage obligatoire de fin d’études - sont également évaluées à travers une triple appréciation : le comportement de l’étudiant référent du stage et une soutenance devant un jury d’au moins trois personnes, comprenant le tuteur industriel et l’enseignant correspondant.  

Les compétences scientifiques, ainsi que les compétences en communication, économie, gestion et management, sont évaluées par des écrits individuels, des exposés, des travaux pratiques, la réalisation de dossiers ou de projets. Les compétences en langues vivantes sont évaluées par des tests externes. Le niveau B2 en anglais est requis pour l’obtention du diplôme.  

Les étudiants en situation de handicap sont évalués avec les mêmes exigences que celles applicables à l'ensemble des étudiants, tout en bénéficiant d’aménagements logistiques et organisationnels adaptés à leur situation. Les adaptations possibles incluent l’ajustement des ressources (sujets d’examen), l’adaptation du poste de travail, l’allongement du temps d’épreuve (tiers temps, temps compensatoire) ou l’assistance d’une ressource humaine (secrétaire d’examen). La gestion de ces situations est assurée par le pôle “prévention-santé-handicap” de l’établissement, en concertation avec la personne référente handicap du département.