Aller au contenu

Master Mathématiques et interactions, MIX

Carte d'identité de la formation

OBJECTIFS

Connaissances dispensées

Le titulaire du diplôme possède des compétences spécifiques relevant
-  de la modélisation discrète et continue ;
-  des équations de conservation et des modèles de diffusion ;
-  de la description de l’aléa et de l’analyse statistique ;
-  des méthodes numériques ;
-  du traitement et de l’analyse du signal et des images ;
-  de la modélisation de phénomènes couplés.

Compétences visées

Le titulaire de ce diplôme est en capacité de modéliser et/ou simuler une situation concrète ou théorique afin de résoudre un problème. Il est également capable de mettre en œuvre des méthodes des mathématiques numériques afin de proposer une solution efficace tout en sachant s’assurer de la pertinence des résultats fournis par le modèle. Par conséquent, le titulaire du diplôme :
-  appréhende une problématique en termes d’ingénierie ; il aide, en le formulant mathématiquement, à clarifier le problème et à mettre en évidence les principaux obstacles, et ce conformément aux objectifs applicatifs définis en accord avec ses collaborateurs.
-  exploite les données sources ; il extrait des informations fiables et exploitables contenues dans de grands volumes de données (numériques) produits par diverses modalités d’acquisition.
-  représente et visualise l’information ; il représente les éléments d’information pertinents pour l’élaboration de modèles sous forme exploitable par ses collaborateurs.
-  construit et/ou adapte un modèle cohérent ; il développe et met en œuvre des techniques mathématiques efficientes, robustes, mais avant tout fiables, en vue de simulations réalistes.
-  simule les processus ; il confronte les résultats des approches mathématiques et les résultats des mesures effectuées grâce aux simulations.
-  valide et restitue l’information ; il restitue après validation les réponses apportées au problème initial et ce sous forme exploitable par ses collaborateurs.
Maîtrisant ainsi l’ensemble de la démarche, en particulier les contributions théoriques les plus récentes des mathématiques, le titulaire du diplôme apporte un gage de qualité et de fiabilité aux réponses qui seront apportées en contexte industriel.

ADMISSION

Modalités d'inscription

La sélection des candidats est réalisée sur dossier.
Les dossiers pour candidater en M1 sont à télécharger sur http://www.univ-larochelle.fr/Candidater-en-1ere-annee-de-master
Les dossiers pour candidater en M2 sont à télécharger sur http://www.univ-larochelle.fr/Candidater-en-2eme-annee-de-master

PROGRAMME

  • Objectifs

    Avoir une bonne connaissance de différentes modalités d’acquisition ainsi qu’une bonne connaissance des caractéristiques des images propres à chacune de ces modalités.

  • Contenu

    Cet EC est consacré à la description de différents modes d’acquisition d’images tels que tomographie, méthodes impulsionnelles, imagerie radar satellitaire, imagerie hyper et multi-spectrale.

  • 27h (6h cours magistraux - 21h travaux pratiques)
  • 3 crédits ECTS
  • Code de l'EC

    MATH-29107C

  • Objectifs

    Acquérir les bases de la méthode des éléments finis ; à l’issue, l’étudiant est capable d’implémenter sur les logiciels Freefem++ et/ouMatlab la méthode des éléments finis pour des problèmes bi-dimensionnels elliptiques linéaires.

  • Contenu

    Dans cette EC, on construit les illustrations numériques des principales équations introduites dans les cours portant sur les edp. Les schémas sont basés sur la méthode des éléments finis.

  • 27h (9h cours magistraux - 18h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29106C

  • Objectifs

    Comprendre comment ces pollutions évoluent temporellement et/ou spatialement dans le milieu et maîtriser des outils pour les contrôler.

  • Contenu

    Les pollutions des eaux et des sols sont multiples (pollutions d’origine agricole - engrais ou pesticides - pollutions urbaines - molécules chimiques liées à la présence de médicaments - pollutions industrielles. Les techniques mathématiques mises en œuvre dans ce cours sont celles des systèmes dynamiques (ODE, équations à retard principalement) et de la théorie du contrôle (principe du maximum, principe d’optimalité, contrôle singulier).

  • Pré-requis

    Les notions et résultats élémentaires d’analyse et de calcul différentiel enseignés dans un cursus de licence de mathématiques.

  • Bibliographie, lectures recommandées

    D’Agata, Dupont-Rouzeyrol, Magal, Olivier, Ruan : The Impact of Different Antibiotic Regimens on the Emergence of Antimicroobial-Resistant Bacteria. PLoS One 3-12 (2008).
    Dieter, Caulkins, Feichtinger, Tragler, Bahrens : Optimal contorl of nolinear processes, Springer (2008).
    S. Rouillon : Catastrophe climatique irréversible et politique de l’effet de serre. Annales d’économieet de la statistique, 59 (2000).
    Ayong Le Kama, Schubert : Growth, Environnement and Uncertain Future Preferences, Environnmental and Ressource Economics, 28, 31-53 (2004).
    Tahvonen, Withgen : Optimality of irreversible pollution accumulation, Journal of Economic Dynamics and Control, 20, 1775-1795 (1996).
    Ayong Le Kama, Pommeret, Prieur : Optimal Emission Policy under the Risk of Irreversible Pollution, Working Papers 2011, 14, Fondazione Eni Enrico Mattei (2011).
    Mailleret, Lemesle : A note on semi-discrete modelling in the life sciences, Plilosophical Transactions of the Royal Society A. Vol. 367, 4779-4799 (2009).
    Smulders, van Soest, Withagen : International trade, species diversity, and habitat conservation, Journal of Environmental Economics and Management, 48, 891-910 (2004).

  • 19h (10h cours magistraux - 9h travaux dirigés)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29108C

  • Objectifs

    Maîtriser les techniques de la dynamique aléatoire, sous ses aspects discret et continu et mettre en place les outils d’étude asymptotique de cette dynamique permettant de décrire les équilibres et les tendances cachés derrière le hasard.

  • Contenu

    La dynamique de nombreux phénomènes issus des domaines les plus variés fait intervenir des aspects aléatoires, que les modèles de hasard soient intrinsèquement liés à la nature de ces phénomènes, ou qu’ils en miment avec réalisme le comportement

  • Pré-requis

    Les notions et résultats de probabilité enseignés dans un cursus de licence de mathématiques

  • Bibliographie, lectures recommandées

    A. Papoulis, S. U. Pillai : Probability, random variables and stochastic process, Mc Graw Hill (2002).

  • 39h (12h cours magistraux - 12h travaux dirigés - 15h travaux pratiques)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29105C

  • Objectifs

    Ce cours est une introduction complète à la théorie des edp : résultats d’existence et parfois d’unicité d’une solution, principales propriétés des solutions, outils mathématiques dédiés aux différents types d’équations aux dérivées partielles (edp).

  • Contenu

    Notre compréhension des phénomènes du monde réel et notre technologie sont aujourd’hui en grande partie basés sur les équations aux dérivées partielles (edp). On a pu comprendre le rôle de tel ou tel paramètre, obtenir des prévisions parfois extrêmement précises ou en prouver l’inaccessibilité (une petite variation des conditions initiales peut conduire à des très grandes variations). On a aussi appris à « entendre la forme d’un tambour ».

  • Pré-requis

    Les notions et résultats d’analyse et de calcul différentiel enseignés dans un cursus de licence de mathématiques.

  • Bibliographie, lectures recommandées

    H. Brézis : Analyse fonctionnelle. Collection Mathématiques appliquées pour la maîtrise, Masson (1984).
    L.C. Evans : Partial differential equations, AMS (1998).

  • 36h (12h cours magistraux - 24h travaux dirigés)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29111C

  • 20h (6h cours magistraux - 14h travaux dirigés)
  • 1 crédit ECTS
  • Code de l'EC

    GEST-29103C

  • 10h (6h cours magistraux - 4h travaux dirigés)
  • 1 crédit ECTS
  • Code de l'EC

    GEST-29104C

  • 30h (12h cours magistraux - 18h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    GEST-29102C

  • Objectifs

    Améliorer les aptitudes à s’exprimer, à communiquer par écrit ou oralement. L’objectif est d’atteindre le niveau B2 du CECR au terme de la dernière année de Master

  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    ANG-29101C

  • Objectifs

    Former les étudiants en algorithmique et programmation avant d’aborder les UEs de spécialité. Cet EC est donc dispensé en tout début de semestre. Le programme est adapté chaque année au niveau de la promotion. L’environnement souple reposant sur une très vaste bibliothèque scientifique permettra de tester de manière interactive des méthodes numériques ou de visualiser des données.

  • Contenu

    Les étudiants confrontent leurs acquis académiques à des questions concrètes. Il s’agira pour eux d’une première expérience d’utilisation professionnelle d’outils mathématiques dans un contexte pédagogique où l’encadrement laisse la place à l’accompagnement.
    Cet EC donne les bases de l’utilisation des logiciels de calcul numérique MATLAB et de simulation numérique COMSOL (logiciels non exclusivement académiques très utilisés en entreprise).

  • 21h (21h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29110C

  • Objectifs

    Développer la prise d’initiative face à un problème concret ; développer le sens de l’échange avec des partenaires industriels ; développer la capacité à réinvestir les acquis théoriques.

  • Contenu

    Les étudiants confrontent leurs acquis académiques à des questions concrètes. Il s’agira pour eux d’une première expérience d’utilisation professionnelle d’outils mathématiques dans un contexte pédagogique où l’encadrement laisse la place à l’accompagnement.
    Cet EC permettra la rencontre de nos étudiants avec des professionnels (chercheurs des secteurs public et privé, industriels) utilisant les outils abordés dans nos cours. Ces intervenants extérieurs à la formation seront invités tout au long du semestre. Toutes les UEs seront ainsi illustrées.

  • 21h (21h cours magistraux)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29109C

  • Objectifs

    Discuter sur des exemples réalistes non triviaux de la pertinence des simulations numériques en mettant l’accent sur la convergence et les erreurs commises.

  • Contenu

    On aborde ici des modèles d’edp plus complexes qui nécessitent la mise en place d’outils spécifiques. Une part importante est consacrée aux problèmes de convergence et d’estimation d’erreurs.

  • 39h (9h cours magistraux - 30h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29206C

  • Objectifs

    Etre capable de prétraiter des données images et d’en extraire des caractéristiques exploitables pour la classification ou la reconnaissance de formes.

  • Contenu

    Cet EC est consacré aux méthodes de base du traitement du signal et des images. On aborde en particulier la FFT et les méthodes fréquentielles, les échantillonnages, le filtrage, la segmentation ainsi que l’extraction de caractéristiques

  • 39h (9h cours magistraux - 30h travaux pratiques)
  • 3 crédits ECTS
  • Code de l'EC

    MATH-29207C

  • Objectifs

    Appréhender les processus de changements d’échelles et les transitions par des outils mathématiques adaptés. Expliciter le pont entre processus aléatoires et équations aux dérivées partielles en mettant l’accent sur la transition discret-continu.

  • Contenu

    Cette UE décrit les outils qui permettent aux mathématiques d’aller au-delà de la préhension humaine et de traiter les changements d’échelles et la concomittance d’échelles très contrastées. Mais le cours permet également de retrouver le lien entre des théories mathématiques souvent enseignées séparément, comme aléatoire et déterminisme, au travers d’un cadre naturel d’applications.

  • Pré-requis

    Les notions et résultats d’analyse, de calcul différentiel et de probabilités enseignés dans un cursus de licence de mathématiques.

  • Bibliographie, lectures recommandées

    G. F. Lawler : Random Walk and the Heat Equation, AMS (2010).
    S. Adams, N. DIrr, M. A. Peletier, J. Zimmer : Large Deviations and Gradients Flows, Philolsophical Transactions of the Royal SOciety, A, 371 : 20120341 (2013).

  • 36h (12h cours magistraux - 12h travaux dirigés - 12h travaux pratiques)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29205C

  • Objectifs

    Appréhender des problématiques concrètes à partir de jeux de données réelles ; développer le sens de la communication avec des chercheurs et des développeurs d’autres disciplines ; prendre conscience des spécificités et des contraintes liées aux applications potentielles

  • Contenu

    Ce stage obligatoire de 3 semaines doit être effectué hors laboratoire MIA. Les étudiants sont orientés vers des laboratoires, des entreprises ou des organismes dont les problématiques relèvent des enjeux sociétaux mentionnés précédemment (fragilisation par hydrogène - LASIE ; gestion des déchets nucléaires - IRSN, par exemple).

  • 5 crédits ECTS
  • Code de l'EC

    STAGO-29208C

  • 10h (10h travaux dirigés)
  • 1 crédit ECTS
  • Code de l'EC

    GEST-29202C

  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    ANG-29201C

  • 7h (7h cours magistraux)
  • 1 crédit ECTS
  • Code de l'EC

    DRPR-29204C

  • 8h (8h cours magistraux)
  • 2 crédits ECTS
  • Code de l'EC

    ODP-29203C

  • Objectifs

    Acquérir les connaissances de base concernant la structure des matériaux et les différents protocoles d’imagerie.

  • Contenu

    Cet EC est une initiation à la physique des matériaux par la pratique. Il s’agit essentiellement de découvrir les particularités des données relatives à certains matériaux à partir de différents protocoles d’acquisition

  • 21h (21h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    PHYS-29210C

  • Objectifs

    Développer la prise d’initiative face à un problème concret ; développer le sens de l’échange avec des partenaires industriels ; développer la capacité à réinvestir les acquis théoriques.

  • Contenu

    Les étudiants confrontent leurs acquis académiques à des questions concrètes. Il s’agira pour eux d’une première expérience d’utilisation professionnelle d’outils mathématiques dans un contexte pédagogique où l’encadrement laisse la place à l’accompagnement.
    Cet EC permettra la rencontre de nos étudiants avec des professionnels (chercheurs des secteurs public et privé, industriels) utilisant les outils abordés dans nos cours. Ces intervenants extérieurs à la formation seront invités tout au long du semestre. Toutes les UEs seront ainsi illustrées.

  • 21h (21h cours magistraux)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29209C

  • Objectifs

    Apprendre à analyser une solution mathématique, à l’appliquer à une situation réelle et à comprendre ses limites au travers de l’exemple des modèles de diffusion.

  • Contenu

    Dans un cadre donné, toute expérimentation aboutit à la même issue. L’intuition physique imposerait donc une unique solution à tout problème. Tandis que la théorie mathématique n’assure pas toujours l’unicité de la solution. Appréhender ce type de paradoxe apparent est à la base des mathématiques appliquées.

  • Pré-requis

    Les notions et résultats d’analyse et de calcul différentiel enseignés dans un cursus de licence de mathématiques.

  • Bibliographie, lectures recommandées

    D. D. Joseph, L. Preziosi : Heat waves, Rev. Mod. Phys., 61, 41 (1989).
    E ; Major, D. A. Benson, J. Revielle, H. Ibrahim, A. M. Dean, R. M. Maxwell, E. P. Poeter and M. Dogan : Comparison of Fickian and temporally non-local transport theories over many scales in an exhaustively sampled sandstone slab, Water Resour. Res. (2011).

  • 36h (12h cours magistraux - 24h travaux dirigés)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29211C

  • Objectifs

    Etre capable dans un contexte applicatif précis d’appréhender des données, de les traiter et de les analyser pour en tirer une information fiable et dont on pourra justifier la pertinence en vue d’une prise de décision.

  • Contenu

    Cet ECE est consacré aux modèles graphiques qui permettent notamment de représenter efficacement la loi jointe pour un grand nombre de variables. Des outils de décision en contexte incertain (imprécisions des mesures) seront présentés à partir d’algorithmes, d’inférence et d’estimation. On s’intéressera également aux méthodes linéaires et non linéaires de réduction de dimension des données et de classification.

  • Pré-requis

    Bases sur les probabilités et statistiques enseignées en licence de mathématiques.

  • Bibliographie, lectures recommandées

    D. Koller, N. Friedman : Probabilistic Graphical Models, Principles and Technics, The MIT Press (2009).
    T. Hastie, R. Tibshirani, J. Friedman : The Elements of Statistical Learning : Data Mining, Inference, and Prediction, Springer (2009).

  • 53h (21h cours magistraux - 12h travaux dirigés - 20h travaux pratiques)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29307C

  • 21h (9h cours magistraux - 12h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    GEST-29303C

  • 9h (3h cours magistraux - 6h travaux dirigés)
  • 1 crédit ECTS
  • Code de l'EC

    GEST-29302C

  • 15h (6h cours magistraux - 9h travaux dirigés)
  • 1 crédit ECTS
  • Code de l'EC

    GEST-29304C

  • Objectifs

    Ce cours est une introduction à certains travaux de recherche menés au laboratoire MIA. Il s’agit donc d’une initiation à la recherche.

  • Contenu

    La diffusion est le mécanisme de transport de matière incontournable en physico-chimie, depuis les zones les plus concentrées vers les zones les moins concentrées. Au-delà de ce cadre classique, on retrouve des phénomènes diffusifs (spontanés, inévitables, irréversibles et conduisant à un équilibre), dans nombre de contextes : dynamique de populations, économie, médecine. On utilise aussi leurs propriétés pour traiter des données, par exemple en imagerie numérique.
    Dans la première partie, on traite quelques exemples concrets d’équation de diffusion lorsque le coefficient de diffusion est constant, en faisant varier les conditions initiales ou les conditions au bord.
    La deuxième partie est consacrée à l’approche moderne qui considère l’équation de la chaleur comme une descente de gradient de l’entropie pour une métrique bien choisie. Pour cela, on est amené à introduire quelques notions de géométrie riemannienne et l’espace de Wasserstein.
    Dans la troisième partie, on aborde le problème des diffusions anisotropes sous l’angle de la géométrie riemannienne et des laplaciens généralisés. On traite en particulier et en détails l’exemple de l’opérateur de Laplace-Beltrami.
    La fin du cours traite d’applications concrètes aux transferts dans les milieux poreux et au traitement des images en niveau de gris et en couleur.

  • Pré-requis

    Dynamiques aléatoires, De l’échelle des particules à l’échelle d’observation, Calcul différentiel niveau L.

  • Bibliographie, lectures recommandées

    (1) J. Crank : The Mathematics of Diffusion, Oxford Science Publications (1980).
    (2) M. A. Peletier : Variational Modelling, arXiv :1402.1990 (2014).
    (3) M. Renger : Microscopic Interpretation of Wasserstein Gradient Flows, PhD. Eindhoven University of Technology (2013).
    (4) S. Adams, N. Dirr, M. A. Peletier, J. Zimmer : Large Deviations and Gradient Flows, Philosophical Transactions of the Royal Society A, 371 :20120341 (2013).
    (5) F. Otto : The Geometry of Dissipative Evolution Equations : the Porous Medium Equation, Commun. Partial Differ. Equations, 26(1¿2), 101¿174 (2001).
    (6) N. Berline, E. Getzler, M. Vergne : Heat Kernels and Dirac Operators, Springer (1992).
    (7) S. Rosenberg : The Laplacian on a Riemannian Manifold, London Mathematical Society Student Texts, Livre 31 (1997).
    C. Villani : Topics in Optimal Transportation, Graduate Studies in Mathematics, Vol. 58 (2003).

  • 42h (18h cours magistraux - 24h travaux dirigés)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29308C

  • Objectifs

    Acquérir les connaissances de base concernant les transferts dans les matériaux et les différents protocoles d’observation.

  • Contenu

    Cet EC est une initiation au transfert dans les matériaux par la pratique. Il s’agit essentiellement de d’appréhender les mécanismes de transfert à partir d’observations physiques en tenant compte des spécificités des matériaux et de la nature des porosités.

  • 27h (9h cours magistraux - 18h travaux pratiques)
  • 2 crédits ECTS
  • Code de l'EC

    PHYS-29310C

  • Objectifs

    Maîtriser les outils informatiques de base permettant la visualisation de données que ce soit pour appréhender un problème ou pour restituer les résultats de simulations.

  • Contenu

    La représentation visuelle à partir d’une interface graphique est devenue ces dernières années un véritable outil pour comprendre l’information contenue dans des données ou pour représenter les résultats de leur analyse. Ce cours est dédié à l’apprentissage et à l’utilisation des outils actuels de visualisation informatique.

  • 18h (3h cours magistraux - 15h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    MATH-29309C

  • Objectifs

    Maîtriser des méthodes numériques avancées pour la simulation d’edp elliptiques, paraboliques et hyperboliques en lien avec des problématiques concrètes d’écoulements de fluides.

  • Contenu

    Les écoulements de fluides (gaz ou liquides) sont connus pour présenter une des dynamiques les plus complexes du monde naturel : instabilités, changements de régime, turbulence. Leur analyse et leur simulation nécessite donc des outils spécifiques. Ces outils sont de plus en plus emblématiques des limites imposées au mathématicien par la réalité physique. Cet EC est consacrée à la modélisation des écoulements de fluides, aux équations de Stokes et de Navier-Stokes et aux différents algorithmes de discrétisation en espace et en temps relatifs à ces équations. On aborde également des méthodes de contrôle optimal de systèmes gouvernés par ces équations, dites méthodes adjointes. Des exemples d’écoulements de fluides géophysiques sont traités.

  • Bibliographie, lectures recommandées

    J. L. Lions : Optimal control of systems governed by PDEs, Springer-Verlag (1971).
    R. Temam : Navier-Stokes Equations, North Holland (1977).

  • 44h (12h cours magistraux - 12h travaux dirigés - 20h travaux pratiques)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29305C

  • Objectifs

    Etre capable de traiter et d’analyser des signaux 1D, 2D ou 3D pour en dégager des caractéristiques pertinentes dans un contexte de reconnaissance de formes par exemple.

  • Contenu

    Les ondelettes sont un outil puissant de traitement du signal et des images, permettant en particulier de traiter les phénomènes à transitions rapides, comme les contours dans une image. Les applications sont très nombreuses : détection de singularités dans un signal ou une image, analyse multi-échelle d’images, débruitage non linéaire de signaux sismiques, caractérisation multi-échelle de structures texturées par modélisation statistique des coefficients d’ondelettes. La théorie mathématique dont sont issues les ondelettes sera présentée et l’outil sera testé sur de nombreux exemples.

  • Pré-requis

    Notions de programmation Matlab, rudiments mathématiques de la théorie du signal

  • Bibliographie, lectures recommandées

    S. Mallat : Une exploration des signaux en ondelettes, Les éditions de l’École polytechnique (2000).
    R.M. Misiti, Y. Misiti, G. Oppenheim, J.-M. Poggi : Les ondelettes et leurs applications, Traité IC2, Série TSI, Hermes Lavoisier (1997).

  • 45h (12h cours magistraux - 18h travaux dirigés - 15h travaux pratiques)
  • 5 crédits ECTS
  • Code de l'EC

    MATH-29306C

  • Objectifs

    Améliorer les aptitudes à s’exprimer, à communiquer par écrit ou oralement. L’objectif est d’atteindre le niveau B2 du CECR au terme de la dernière année de Master

  • 24h (24h travaux dirigés)
  • 2 crédits ECTS
  • Code de l'EC

    ANG-29301C

  • 30 crédits ECTS
  • Code de l'EC

    STAGF-29401C

Implication des professionnels

Les interactions avec le milieu socio-économique se feront par le biais des stages, des séminaires juniors, des semaines Maths-Entreprises et du conseil de perfectionnement.
Liste non exhaustive des partenaires :
-  Grands groupes industriels : Alstom, Thales, Bull-Atos, Nvidia, Safran-Airbus, BP-Ineos, BP/Total-Naftachimie...
-  Entreprises locales : Explora Nova, Fram Plus, Tensyl, Créocéan...
-  Organismes : IRSSN, INRIA, INSERM...

ET APRÈS

Poursuite d'études

Doctorat

Métiers

-  Ingénieur d’étude et de recherche (R&D) ;
-  Ingénieur et cadres des méthodes de production et de contrôle ;

Secteurs d'activité

  • Banque, assurance
  • Commerce, distribution
  • Enseignement, recherche
  • Gestion, management des entreprises, comptabilité

Faculté des Sciences et Technologies

avenue Michel Crépeau

17042 La Rochelle cedex 1

Envoyer un message

TROUVER UNE AUTRE FORMATION
Mis à jour le 12 septembre 2017
Informations présentées sous réserve de modifications