Inscriptions Master MIASHS

Eléments devant composer le dossier :

  • une lettre de motivation montrant l'adéquation aux pré-requis listés ci-dessous et votre projet professionnel
  • une promesse d'embauche et/ou un projet pour l'alternance sera un plus lors de la lecture de votre dossier

Pour toute question, prendre contact avec les responsables du master : master.miashs@univ-montp3.fr

Calendrier  :

Les candidatures sont closes 

Inscription administratives : informations dates

Inscriptions pédagogiques :

Master 1 : Les inscriptions pédagogiques sont disponibles sur l'ENT du 17/07/23 à partir de 12h au 21/07/23 et du 28/08/23 à partir de 14h au 02/10/23  jusqu'à 12h.

Master 2: Les inscriptions pédagogiques sont disponibles sur l'ENT du  28/08/23 à partir de 14h au 13/10/23  jusqu'à 12h.

Pré-requis pour une entrée en M1  :

En INFORMATIQUE :

  • Programmation/algorithmique
    Bases de la programmation (types, fonctions, structures de contrôles conditionnelles et répétitives, …, tests, débogage, ...) dans au moins un langage impératif
    Programmation Python
    Principes de la POO, Usage de drapeaux, Récursivité, slicing python,
    Programmation Web (HTML, CSS, JavaScript, PHP)
    Bases d'analyse en complexité en temps et en espace d'un algorithme, opérateur O(n)
     
  • Base de données
    BD relationnelles, langage SQ
  • Graphes
    Les bases (matrice d'adjacence, etc.)
  • Usage de l’ordinateur     
    Savoir se servir d’un terminal (ligne de commande)
    Savoir se servir de GIT


En MATHEMATIQUE :

  • Analyse
    Différentiabilité, Dérivées usuelles, Limites, Continuité, Séries de Taylor, Intégration, Fonctions usuelles (exp, log)
     
  • Algèbre
    Bases de l'algèbre (avec jeu de mots), Espaces vectoriels normés, Réduction d'endomorphisme, Vecteurs propres/valeurs propres, Opérations sur les matrices
     
  • Probabilités
    Espérance/Variance, Lois usuelles, Vecteurs gaussiens, Matrice de variance-covariance
     
  • Statistique
    Vraisemblance, Test statistique, Estimation, Intervalles de confiance
     
  • Logique
    Comprendre les enjeux d'une démonstration

Critères d'évaluation des dossiers :

  • Adéquation du profil du candidat avec les pré-requis de la formation.
  • Parcours académique (diplômes, notes, classement et mentions obtenues).
  • Expériences de stage et projets.
  • Lettre de motivation.
  • Projet d'alternance.
Dernière mise à jour : 18/07/2023