
Informations générales
MAM3 - S5
MAM3 - S6
MAM4 - S7
MAM4 - S8
MAM4 ALT - S7
MAM4 ALT - S8
MAM5 - S9 IMAFA
MAM5 - S9 INUM
MAM5 - S9 SD
MAM5 - S10
MAM5 ALT - S9 IMAFA
MAM5 ALT - S9 INUM
MAM5 ALT - S9 SD
MAM5 ALT - S10
|
Maquette pédagogique MAM
MAM3 - Semestre S6
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Humanités FISE S6 | | | 4 | | Connaissance de l'entreprise
| | 28 | | Elsabeth Sargenti |
Qualité de vie au travail
| | 8 | | Elsabeth Sargenti |
Enjeux environnementaux et RSE
| 3 | 4 | | Cedric Boulbe |
Management de projet
| | 12 | | Elsabeth Sargenti |
Conférences métiers
| 2 | | | Veronika Nedeltchev |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Anglais S6 | | 32 | 3 | Christopher Schall |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
Hackathon | | 12 | 2 | Delphine Callaghan |
| Bloc obligatoire | Cours | TD | ECTS | Intervenant |
| Développement personnel (1 UE obligatoire au choix : 1 UE min - 1 UE max) | | 24 | 2 | Alexandre Canminada | Activités sportives
| | 24 | 2 | |
Activités culturelles
| | 24 | 2 | |
Langue vivante 2
| | 24 | 2 | |
Engagement étudiant
| | | 2 | |
Stage technicien
| | | 2 | |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Mathématiques Appliquées S6 | | | 5 | | Mathématiques de l'ingénieur 2 Ce cours présente des outils fondamentaux utiles à l'analyse numérique dans les années suivantes. Tout d'abord, une définition générale de la dérivation en dimension quelconque est introduite. L'accent est ensuite mis sur la notion de complétude, avec l'introduction des espaces de Banach, en l'appliquant à la preuve du théorème de Cauchy-Lipschitz pour les EDOs. Le cas particulier des espaces de Hilbert est étudié en détail, avec l'étude des projections orthogonales dans des espaces fonctionnels et l'application aux séries de Fourier. Enfin, une première approche des distributions permet d'appliquer ces notions à l'existence et l'unicité de solutions à des problèmes aux limites elliptiques en une dimension d'espace. | 12 | 24 | 2.5 | Laurent Monasse |
Analyse Numérique 2 "Ce cours introduit les méthodes numériques classiques essentielles pour lingénieur. Il sinscrit dans le contexte général de la simulation numérique, devenue indispensable dans de nombreux domaines (industrie, médecine, biologie, finance, etc.).
| 12 | 24 | 2.5 | Cédric Boulbe |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Méthodes numériques S6 | | | 5 | | Probabilités et statistiques pour l'ingénieur
| 18 | 36 | 3 | Christine Malot |
Modélisation numérique en physique
| 12 | 24 | 2 | |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Informatique S6 | | | 5 | | Systèmes d'exploitation et génie logiciel Ce cours est destiné à vous familiariser avec l'environnement Unix/Linux. Fortement accès sur la pratique, il aborde les principaux concepts et outils nécessaires pour évoluer dans cet environnement et propose de nombreuses ressources pour approfondir chacun des thèmes étudiés. Cet enseignement est dispensé sous la forme de cours-TD (ou cours intégré), à raison de 2 heures par semaine et par étudiant, durant tout le second semestre. | 0 | 24 | 2 | Hélène Renard |
Programmation objet Le cours POO en mam3 consiste à faire découvrir le paradigme de programmation orientée objets et ses concepts comme l'abstraction, l'héritage, l'encapsulation, le polymorphisme (surcharge et redéfinition) et la généricité en utilisant le langage Java. Les concepts de bases seront modélisés et représentés via UML (Unified Modelling Language). Un environnement de développement (IDE) tel qu'Eclipse sera utilisé pour programmer, par exemple, une calculatrice ainsi que des structures de donnees classiques (arbres, graphes...). Les tests unitaires seront également introduits. | 12 | 24 | 3 | Denis Pallez |
| Unité d'enseignement obligatoire | Cours | TD | ECTS | Intervenant |
| Modélisation et résolution numérique S6 | | | 4 | | Modèle de régression linéaire
| 8 | 24 | 1.3 | Christine Malot |
Introduction au traitement de données
| 8 | 24 | 1.3 | Lionel Fillatre |
Machine Learning en Python L'objectif de ce second projet est de travailler à nouveau en mode projet, par petits groupes et de façon agile, sur un sujet pratique en lien avec les cours de mathématiques et informatique vus au second semestre. A l'issue du projet, un rapport et une soutenance sont demandés pour la restitution du travail effectué. | 0 | 32 | 1.3 | Jean Luc Bouchot |
| Bloc optionnel | Cours | TD | ECTS | Intervenant |
| Expérience professionnelle (1 UE complémentaire au choix : 0 UE min - 1 UE max) | | | | | Expérience professionnelle
| | | 2 | |
|