Département Génie Mathématiques Appliquées et Modélisation
Imène Mejri
Directeur de département
Description
Staff Académique
Filières
Nom & Prénom
Email
Grade
Adnene
Elyacoubi
adnene.elyacoubi@gmail.com
Maître assistant
Dorra
Drissi
drissi.dorra1@gmail.com
Maître assistant
Maher
Berzig
maher.berzig@gmail.com
Maître de conférences
M2-Data Science
Mastère de recherche - Data Science - M2
Objectifs
Le Mastère de Recherche (ou Master Académique) en Data Science à l'ENSIT a pour objectif principal de former des experts et des chercheurs de haut niveau capables de comprendre, de concevoir et de mettre en œuvre des solutions complexes basées sur l'analyse de données massives (Big Data).
Ses objectifs spécifiques sont :
Approfondissement Théorique : Fournir une base solide et avancée en mathématiques (statistiques inférentielles, algèbre linéaire, calcul stochastique) et en informatique fondamentale (algorithmique avancée, complexité, architectures distribuées) qui sous-tendent la science des données.
Maîtrise des Technologies Avancées : Former les étudiants à l'utilisation des frameworks et outils les plus récents pour le traitement du Big Data et le Machine Learning profond.
Développement de l'Esprit Critique et de Recherche : Apprendre aux étudiants à lire, comprendre et critiquer les articles scientifiques de pointe, à identifier les limites des méthodes existantes et à proposer des voies d'amélioration ou d'innovation.
Préparation au Doctorat : Ce mastère est la voie privilégiée pour poursuivre en thèse de doctorat. Il inclut généralement la rédaction d'un mémoire de recherche substantiel, permettant de se familiariser avec la démarche scientifique.
Résolution de Problèmes Complexes : Former à modéliser des problèmes business ou de recherche réels, souvent flous et multidisciplinaires, en problèmes de data science pouvant être résolus algorithmiquement.
Compétences Visées
Évaluer de manière critique les architectures techniques, les performances des modèles de Machine Learning et les articles scientifiques pour choisir la méthodologie la plus robuste et innovante.
Concevoir et développer des pipelines de données complets (ETL) et des modèles prédictifs avancés (Deep Learning) pour résoudre des problèmes business ou de recherche complexes et non structurés.
Analyser et interpréter des résultats complexes de modélisation statistique et d'apprentissage automatique pour en extraire des insights actionnables et valides scientifiquement.
Mettre en œuvre des algorithmes de Big Data (Spark) et des librairies de Machine Learning (TensorFlow, PyTorch) dans des environnements de production pour traiter des données massives et hétérogènes.
Expliquer les concepts théoriques fondamentaux (mathématiques, statistiques, algorithmiques) qui sous-tendent les méthodes de Data Science et de Deep Learning.
Structurer et formaliser un problème métier ou de recherche en un problème de Data Science pouvant être adressé par une méthodologie scientifique.
Présenter et défendre oralement et par écrit, auprès d'un public expert ou non, les résultats d'une analyse ou les spécifications d'une solution technique.
Débouchés professionnels
Les diplômés de ce mastère de recherche sont highly sought-after (très recherchés) sur le marché de l'emploi, tant en Tunisie qu'à l'international. Leurs profils orientés "recherche et innovation" les destinent à des postes exigeants :
1. Poursuite en Doctorat (PhD) :
C'est la voie naturelle pour beaucoup de diplômés. Ils peuvent poursuivre en thèse dans des laboratoires en Tunisie (ex: à l'ENSIT itself), en France, au Canada, ou ailleurs, pour devenir chercheurs ou enseignants-chercheurs.
2. Secteur Privé :
Data Scientist Senior / Lead Data Scientist : Concevoir les stratégies de ML, rechercher et implémenter les algorithmes les plus innovants pour résoudre des problèmes business critiques.
Research Scientist / Chercheur en IA : Dans les laboratoires de R&D des grandes entreprises ou des startups, pour repousser les limites de l'état de l'art.
Data Architect : Concevoir l'architecture technique globale des plateformes de données d'une organisation.
Machine Learning Engineer : Un pont entre la R&D et la production. Focus sur le déploiement, l'optimisation et la maintenance des modèles en conditions réelles.
Consultant Expert en Data Science / AI : Conseiller de grandes entreprises sur leur stratégie data et IA, dans des cabinets de conseil spécialisés.
3. Secteur Public et Académique :
Enseignant-Chercheur (après un doctorat) dans les universités et grandes écoles.
Chef de projet data dans des institutions publiques ou des organismes de recherche.
Les Conditions d’accès en M2
- Diplôme d’Ingénieur en génie mathématique appliquées et modélisation - Diplôme d’ingénieur en informatique - M1 en mathématique ou informatique - Diplôme d’ingénieur en génie industriel ou équivalent
Ingénieur en Génie Mathématiques Appliquées et Modélisation
⏱️ Durée
3 ans
🎯 Objectifs de la formation
La formation vise à former des ingénieurs capables de modéliser, analyser et résoudre des problèmes complexes issus des systèmes industriels, technologiques et scientifiques, en s'appuyant sur les mathématiques appliquées, la modélisation, la simulation et les outils numériques avancés.
📚 Tronc commun (4 semestres)
Le tronc commun vise à consolider les bases scientifiques et techniques en :
Mathématiques appliquées et modélisation numérique
Probabilités et statistiques
Analyse et optimisation
Informatique scientifique et programmation
Électrotechnique, automatique et traitement du signal
Bases de la fiabilité et de la maintenance industrielle
Département Génie Mathématiques Appliquées et Modélisation
Imène Mejri
Directeur de département
M2-Data Science
Mastère de recherche - Data Science - M2
Objectifs
Le Mastère de Recherche (ou Master Académique) en Data Science à l'ENSIT a pour objectif principal de former des experts et des chercheurs de haut niveau capables de comprendre, de concevoir et de mettre en œuvre des solutions complexes basées sur l'analyse de données massives (Big Data).
Ses objectifs spécifiques sont :
Approfondissement Théorique : Fournir une base solide et avancée en mathématiques (statistiques inférentielles, algèbre linéaire, calcul stochastique) et en informatique fondamentale (algorithmique avancée, complexité, architectures distribuées) qui sous-tendent la science des données.
Maîtrise des Technologies Avancées : Former les étudiants à l'utilisation des frameworks et outils les plus récents pour le traitement du Big Data et le Machine Learning profond.
Développement de l'Esprit Critique et de Recherche : Apprendre aux étudiants à lire, comprendre et critiquer les articles scientifiques de pointe, à identifier les limites des méthodes existantes et à proposer des voies d'amélioration ou d'innovation.
Préparation au Doctorat : Ce mastère est la voie privilégiée pour poursuivre en thèse de doctorat. Il inclut généralement la rédaction d'un mémoire de recherche substantiel, permettant de se familiariser avec la démarche scientifique.
Résolution de Problèmes Complexes : Former à modéliser des problèmes business ou de recherche réels, souvent flous et multidisciplinaires, en problèmes de data science pouvant être résolus algorithmiquement.
Compétences Visées
Évaluer de manière critique les architectures techniques, les performances des modèles de Machine Learning et les articles scientifiques pour choisir la méthodologie la plus robuste et innovante.
Concevoir et développer des pipelines de données complets (ETL) et des modèles prédictifs avancés (Deep Learning) pour résoudre des problèmes business ou de recherche complexes et non structurés.
Analyser et interpréter des résultats complexes de modélisation statistique et d'apprentissage automatique pour en extraire des insights actionnables et valides scientifiquement.
Mettre en œuvre des algorithmes de Big Data (Spark) et des librairies de Machine Learning (TensorFlow, PyTorch) dans des environnements de production pour traiter des données massives et hétérogènes.
Expliquer les concepts théoriques fondamentaux (mathématiques, statistiques, algorithmiques) qui sous-tendent les méthodes de Data Science et de Deep Learning.
Structurer et formaliser un problème métier ou de recherche en un problème de Data Science pouvant être adressé par une méthodologie scientifique.
Présenter et défendre oralement et par écrit, auprès d'un public expert ou non, les résultats d'une analyse ou les spécifications d'une solution technique.
Débouchés professionnels
Les diplômés de ce mastère de recherche sont highly sought-after (très recherchés) sur le marché de l'emploi, tant en Tunisie qu'à l'international. Leurs profils orientés "recherche et innovation" les destinent à des postes exigeants :
1. Poursuite en Doctorat (PhD) :
C'est la voie naturelle pour beaucoup de diplômés. Ils peuvent poursuivre en thèse dans des laboratoires en Tunisie (ex: à l'ENSIT itself), en France, au Canada, ou ailleurs, pour devenir chercheurs ou enseignants-chercheurs.
2. Secteur Privé :
Data Scientist Senior / Lead Data Scientist : Concevoir les stratégies de ML, rechercher et implémenter les algorithmes les plus innovants pour résoudre des problèmes business critiques.
Research Scientist / Chercheur en IA : Dans les laboratoires de R&D des grandes entreprises ou des startups, pour repousser les limites de l'état de l'art.
Data Architect : Concevoir l'architecture technique globale des plateformes de données d'une organisation.
Machine Learning Engineer : Un pont entre la R&D et la production. Focus sur le déploiement, l'optimisation et la maintenance des modèles en conditions réelles.
Consultant Expert en Data Science / AI : Conseiller de grandes entreprises sur leur stratégie data et IA, dans des cabinets de conseil spécialisés.
3. Secteur Public et Académique :
Enseignant-Chercheur (après un doctorat) dans les universités et grandes écoles.
Chef de projet data dans des institutions publiques ou des organismes de recherche.
Les Conditions d’accès en M2
- Diplôme d’Ingénieur en génie mathématique appliquées et modélisation
- Diplôme d’ingénieur en informatique
- M1 en mathématique ou informatique
- Diplôme d’ingénieur en génie industriel ou équivalent
Télécharger plan d'études
Télacherger Brochure Mastère de recherche en Data science
Ingénieur en Génie Mathématiques Appliquées et Modélisation
⏱️ Durée
3 ans
🎯 Objectifs de la formation
La formation vise à former des ingénieurs capables de modéliser, analyser et résoudre des problèmes complexes issus des systèmes industriels, technologiques et scientifiques, en s'appuyant sur les mathématiques appliquées, la modélisation, la simulation et les outils numériques avancés.
📚 Tronc commun (4 semestres)
Le tronc commun vise à consolider les bases scientifiques et techniques en :
📋 Plans d'études Tronc commun
1ère année GMAM
2ème année GMAM
Cette formation polyvalente prépare les étudiants à l'approfondissement dans l'une des deux options de spécialisation.
🔹 Options de 3ᵉ année
📡 Option Traitement du Signal (TS)
de traitement numérique du signal
et filtrage
expérimentales
télécoms, contrôle, instrumentation
🔧 Option Fiabilité et Maintenance (FM)
des systèmes industriels
préventive, conditionnelle, prédictive
sûreté de fonctionnement
gestion de la maintenance
📚 Plans d'études Options
3ᵉ ING GMAM - Option TS
3ᵉ ING GMAM - Option FM