Bac + 5

Master mention calcul haute performance, simulation

Public salarié

Public etudiant

Bac + 5

Accueil > Formations > Master mention calcul haute performance, simulation

Descriptif :

Le master est un diplôme national de l’enseignement supérieur conférant à son titulaire le grade universitaire de master. Il confère les mêmes droits à tous ses titulaires, quel que soit l’établissement qui l’a délivré.
Le master atteste l’acquisition d’un socle de connaissances et de compétences majoritairement adossées à la recherche dans un champ disciplinaire ou pluridisciplinaire. Le master prépare à la poursuite d’études en doctorat comme à l’insertion professionnelle immédiate après son obtention, et est organisé pour favoriser la formation tout au long de la vie.
Les parcours de formation en master tiennent compte de la diversité et des spécificités des publics accueillis en formation initiale et en formation continue.

Activités visées :

Conception de modèles numériques et statistiques
Modélisation et prévision de phénomènes complexes
Collecte, gestion, analyse et interprétation des données complexes
Ingénierie des infrastructures logicielles et matérielles de production et de traitement de données numériques pouvant impliquer plusieurs aspects dont : analyse, définition, conception, développement, vérification, optimisation des performances, intégration, déploiement, exploitation et maintenance.
Installation et utilisation des logiciels de modélisation et de simulation sur des environnements de calcul haute performance
Organisation et conduite d’une activité de recherche et de veille technologique
Support aux utilisateurs et réalisation d’actions de formation dans le domaine du calcul haute performance

Objectif :

Comprendre un problème et le modéliser mathématiquement à l’aide d’outils théoriques.
Concevoir des algorithmes mathématiques et numériques.
Comprendre, estimer, et borner les erreurs d’approximations commises tout au long de la chaîne allant de la modélisation à la simulation.
Utiliser les principaux logiciels en calcul scientifique, simulation numérique, statistique.
Sélectionner avec discernement les bons outils numériques adaptés à la résolution d’un problème.
Exprimer et prouver une propriété ou valider un algorithme en déployant un raisonnement théorique et/ou une méthode numérique.
Vérifier numériquement la validité des modèles adoptés.
Traiter des données complexes et les interpréter afin de prendre des décisions éclairées.
Explorer les données pour construire des modèles mathématiques représentant les phénomènes observés.
Utiliser les principaux logiciels d’acquisition, d’analyse et de visualisation de données.
Interpréter de manière compréhensible des résultats d’expériences selon la théorie associée au modèle utilisé.
Analyser et modéliser du point de vue informatique un problème.
Evaluer et maîtriser la complexité du développement d’un logiciel en relation avec un domaine d’application.
Mettre en relation une catégorie de problèmes avec les algorithmes de résolution adaptés et en évaluer la pertinence : limites d’utilisation et efficacité.
Proposer une architecture matérielle et logicielle permettant d’intégrer les données du problème et de le résoudre.
Maîtriser plusieurs paradigmes de modélisation et de programmation et être capable de s’adapter à de nouveaux langages.
Maîtriser le développement d’un logiciel complexe, les phases de test, corrections, déploiement et les évolutions.
Maîtriser les grands enjeux de la sécurité des systèmes informatiques et de la protection des données.
Identifier un problème pouvant être parallélisé ou réparti, choisir et mettre en œuvre le modèle de calcul adapté pour le résoudre.
Déployer une solution logicielle sur une architecture distribuée.
Maîtriser des paradigmes de modélisation et de programmation parallèles et distribués
Maîtriser les principes de la compilation afin de produire un code efficace.
Mesurer les performances et la scalabilité d’une application complexe
Analyser les résultats d’une solution proposée en relation avec un domaine d’application et l’optimiser selon différents critères (performance, précision, ressources matérielles, scalabilité, consommation d’énergie, …)
Anticiper les évolutions matérielles des infrastructures de calcul.