• LAREMA UMR 6093 CNRS
  • SFR Math-STIC
  • Faculté des sciences
  • Université d’Angers

Mathématiques à Angers

  • Accueil
    • Contacts
    • Nous visiter
    • Commission parité
    • Bibliothèque de Mathématiques
  • Annuaire
  • Les formations
    • Licence de Mathématiques
    • Double Licence Mathématiques-Économie
    • Double licence Mathématiques-Informatique
    • Licence de mathématiques à distance
    • Master Mathématiques Fondamentales et Applications
    • Master MEEF Mathématiques
    • Master Data Science
    • Parcours d’étudiants
  • Recherche
    • Équipe Algèbre et Géométries
    • Équipe Analyse, Probabilités et Statistique
    • Publications du LAREMA
    • Séminaires du LAREMA
  • Liens internes
    • Intranet
    • plmbox du LAREMA
    • Gestion des séminaires
  • Grand public
    • Années des mathématiques
    • Pourquoi faire des maths ?
    • Math en Jeans
    • Fête de la science
    • Les cinq minutes Lebesgue
    • Images des mathématiques
    • Maison mathématique de l’Ouest
    • Agence Lebesgue
    • Math in France
  • Prix mathématique Ducrot
    • Comment candidater ?
    • Soutenir le prix
    • Cérémonie 2023

Sur la promotion 2021-2022, le taux d'insertion professionnelle à 6 mois est de 77 % tandis que le salaire médian brut annuel est de 34601 E.

 

Insertion à 6 mois promo 2022/2023

Sur la promotion 2022-2023, le taux d’insertion professionnelle à 6 mois est de 82 % tandis que le salaire médian brut annuel est de 32 885 €.

Master Data Science : résultats et rentrée 2021-2022

Avec un taux de réussite moyen de 82% en M1-DS et de 90% en M2-DS depuis sa création, le master Data Science affiche des performances largement au-dessus de la moyenne nationale pour les masters du même domaine. Pour l’année 2021-2022, ce sont 25 étudiant.e.s qui intègrent le M1-DS, sélectionnés parmi 154 candidatures. En M2-DS, pas […]

Master Data Science, M1-DS : résultats et rentrée 2020-2021

Bravo aux étudiants du M1-DS dont 88% valident l’année et intègreront le M2-DS en 2020-2021, en alternance pour près de 40% d’entre eux. Plus d’une centaine d’étudiants ont candidaté en M1-DS cette année, hors candidats internationaux. Les étudiants recrutés se retrouveront à la réunion de rentrée le lundi 7 septembre prochain.

Master Data Science : les rencontres de l’alternance

Les étudiants du master Data Science ont participé aux Rencontres de l’alternance et des stages, organisées par les départements d’Informatique et de Mathématiques de l’UA, le jeudi 13 février 2020.

Master Data Science : les étudiantes du M1-DS à Paris

Les étudiantes du M1-DS étaient présentes le 06 février 2020 au CESE de Paris, dans le cadre du forum Réseaux & Carrières au féminin. L’occasion d’affirmer que les sciences se conjuguent de plus en plus au féminin à l’UA.

Master Data Science : remise de diplômes

La première promotion du master Data Science sera présente samedi 23 novembre à l’UFR Sciences de l’UA pour la cérémonie de remise des diplômes. Un taux de réussite de 93,3% en 2018-2019 pour nos étudiants et alternants de M2-DS, un taux de réussite en 2 ans de 81 %. Deux poursuivent en thèse de doctorat, […]

Master Data Science : forum étudiants-entreprises

Les étudiants et responsables du master Data Science seront présents le jeudi 24 octobre 2019 au forum étudiants-entreprises, centre des congrès à Angers, pour rencontrer les près de 50 entreprises et plus de 200 professionnels présents.

M2-Data Science : soutenances de stages et d’alternance

Les 5 et 6 septembre 2019, des soutenances de nos 16 data scientists du M2-DS sur une variété de thèmes: reconnaissance vocale automatique, textmining, traitement d’images et segmentation, détection de fraudes, clustering de données clients, génotypes de semences et classification, analyse de données cliniques et aide aux diagnostiques, techniques d’apprentissage et modélisations en aéronautique, etc..

Rentrée M1-DS 2019

La rentrée 2019 du M1 DS est le lundi 2 septembre à 9h30. La semaine du 2/09 au 6/09 est consacrée à différentes remises à niveau en informatique.

Rencontres de l’alternance – 7 février 2019

Les étudiant(e)s du master DS seront présent(e)s le 07 février 2019 à la faculté des Sciences, aux rencontres de l’alternance (apprentissage et contrat de professionnalisation) organisées par les départements de mathématiques et d’informatique de l’Université d’Angers.

Page suivante »

Séminaires à venir

Séminaire des doctorant.es
We consider a renewal process which models a cumulative shock model that fails when the accumulation of shocks up-crosses a certain threshold. The ratio limit properties of the probabilities of non-failure after n cumulative shocks are studied. We establish that the ratio of survival probabilities converges to the probability that the renewal epoch equals zero. This limit holds for any renewal process, subject only to mild regularity conditions on the individual shock random variable. Precision on the rates of convergence are provided depending on the support structure and the regularity of the distribution. Arguments are provided to highlight the coherence between this new results and the well known Theory of Large Deviation.

Séminaire de topologie et géométrie algébriques
Dans un travail en collaboration avec Georgios Dimitroglou Rizell et Paolo Ghiggini nous associons à une sous-variété lagrangienne compact L d'une variété Weinstein W une représentation d'une algèbre différentielle graduée associée à W. Cette représentation a deux propriétés : son degré est caractérisé par l'intersection de la lagrangienne avec les co-âmes lagrangiennes de W et son espace de morphismes (dérivé) calcule l'homologie singulière de L. L'outil principal pour effectuer ce calcul est un triangle exact en homologie de Cthulhu que nous détaillerons dans cet exposé. Les définitions de base ainsi que le contexte dans lequel cette construction peut-être intéressante seront rappelés au préalable. Si le temps le permet, nous verrons comment dans un travail en cours nous plaçons cette construction dans un contexte plus catégorique.

Séminaire de probabilités et statistiques
La marche aléatoire sur le processus d'exclusion symétrique est un exemple de marche aléatoire en environnement dynamique. Ce modèle se compose de deux parties : premièrement l'environnement qui est composé de particules dont la dynamique est donnée par un processus d'exclusion symétrique. Deuxièmement, un marcheur qui évolue dans cet environnement selon la dynamique suivante : à chaque temps entier il effectue un saut selon une première distribution si une particule se trouve sur sa position ou selon une seconde distribution sinon. Bien que le modèle soit relativement simple, il a l'inconvénient d'être conservatif et de mélanger lentement ce qui entraîne l'apparition de fortes corrélations dans les positions des particules. En dimension 1, grâce à une propriété de monotonie, le modèle est plutôt bien compris mais en plus grande dimension seuls des résultats perturbatifs sont connus. Nous montrons, pour une large gamme de paramètres, une loi des grands nombres en dimension 5 et plus et un théorème central limite en dimension 9 et plus. Ce modèle est également l'occasion de présenter la propriété de Rayleigh forte qui "caractérise" les corrélations de l'environnement mais qui a un énoncé assez original. Travail en collaboration avec Daniel Kious et Guillaume Conchon-Kerjan

Séminaire de topologie et géométrie algébriques

Séminaire de probabilités et statistiques
TBA

Séminaires systèmes dynamiques et géométrie
Let $(X,0) be the germ of an equidimensional analytic set in $(C^n,0)$ and $F=(f,g_1,..., g_p)$ a map-germ into $C^{p+1}$ defined on $X$. We investigate topological invariants associated to the pair $(F,X)$, among them, the Chern obstruction of families of differential forms associated to $F$. The topological information provided by this invariant is useful, although difficult to calculate. We introduce the relative Bruce-Roberts number as a useful algebraic tool to capture the topological information given by the Chern obstruction. Closed formulas are given when $X$, $X \cap F^{-1}(0)$, $X \cap G^{-1}(0)$ are ICIS, for $G=(g_1,..., g_p)$.

Les derniers séminaires

Séminaire de probabilités et statistiques
During an epidemic outbreak, decision makers crucially need accurate and robust tools to monitor the pathogen propagation. The effective reproduction number, defined as the expected number of secondary infections stemming from one contaminated individual, is a state-of-the-art indicator quantifying the epidemic intensity. Numerous estimators have been developed to precisely track the reproduction number temporal evolution. Yet, COVID-19 pandemic surveillance raised unprecedented challenges due to the poor quality of worldwide reported infection counts. When monitoring the epidemic in different territories simultaneously, leveraging the spatial structure of data significantly enhances both the accuracy and robustness of reproduction number estimates. However, this requires a good estimate of the spatial structure. To tackle this major limitation, the present work proposes a joint estimator of the reproduction number and connectivity structure. The procedure is assessed through intensive numerical simulations on carefully designed synthetic data and illustrated on real COVID-19 spatiotemporal infection counts. Joint work with Barbara Pascal.

Séminaire de topologie et géométrie algébriques
La géométrie de Poisson décalée est une généralisation en géométrie algébrique dérivée de la géométrie de Poisson classique. Localement, si A est une cdga connective, une structure de Poisson n-décalée sur A est la donnée d'un relèvement (à homotopie près) de sa structure d'algèbre commutative en une structure d'algèbre Pn+1, c'est-à-dire qu'on se donne un crochet de Poisson de degré -n. En géométrie différentielle, il est connu que la donnée d'une structure de Poisson sur une variété est équivalente à la donnée d'un feuilletage symplectique. Dans cet exposé, je présenterai l'énoncé analogue pour les structures de Poisson décalées, je donnerai l'idée de la preuve et quelques conséquences.

Séminaire des doctorant.es
The foundations of Probability Theory rest upon Kolmogorov’s axioms and a measure-theoretic framework. However, in several applications, the underlying measure space is often abstracted, with the focus shifted to random variables and the operators acting on them, particularly the expectation. In this context, the independence of random variables implies their commutativity. In contrast, Free Probability Theory dispenses with the measure-theoretic framework. Instead, it defines a probability space as an algebra of random variables along with a linear functional, possessing properties that generalize certain spaces of measurable functions. This abstraction from the measure-theoretic structure allows for the exploration of the non-commutativity of random variables and the emergence of new forms of independence. In this presentation, we will provide a brief introduction to Free Probability, outlining its key definitions and the combinatorial tools used within the theory. If time permits, we will also demonstrate these techniques with a proof of the Free Law of Large Numbers.

Site hébergé par l'Université d'Angers.
Directeurs de la publication : Laurent Meersseman et Jean-Philippe Monnier