Parcours MathTech
La FMJH en collaboration avec l'EDMH, propose un programme de formation pour développer
des compétences transverses, spécifiquement conçu pour les doctorant.e.s de l'EDMH.
Pourquoi développer des compétences transverses
- valoriser ce que l'on fait en sachant mieux "se vendre", partager ce qu'on sait et le transmettre
- s'offrir de nouvelles opportunités, ajouter des compétences relationnelles
- développer son ouverture d'esprit, comprendre les enjeux et identifier les nouveaux usages
- créer des connexions, éviter les silos et favoriser la multidisciplinarité
Dans le cadre de ce parcours, la FMJH et l'EDMH organisent 2 temps forts et 2 ateliers.
Programme 2025-2026
- 16 décembre 2025 : Atelier "Pitch"
- 28 janvier 2026 : Rencontres MathTech, "du doctorat en mathématiques à l'entreprise : témoignages"
- 14 avril 2026 : Formation "Comment valoriser son doctorat en dehors du monde académique"
- 18-22 mai 2026 : Défi MathTech.
Défi MathTech 2026
- Date : du 18 au 22 mai
- Lieu : Institut de Mathématiques d'Orsay
- Challenge entreprise : société Michelin
- Deux sujets seront proposés :
-
Sujet 1 : Simulation en mécanique numérique pour la conception chez Michelin
Objectif : créer un modèle d’apprentissage ou proposer une démarche méthodologique/théorique permettant de prédire rapidement des champs physiques (déformation, pression, déplacement...) sur des géométries nouvelles, pour accélérer la simulation du roulage d'un pneumatique.
Pourquoi : tester des dizaines de géométries possibles en quelques secondes au lieu de semaines de simulation — plus d’expérimentation, plus d’innovation.
Codes/données fournis : Un code clé en main pour faire des simulations de roulage et tout le matériel pour créer votre propre simulation plus rapidement.
Idées de méthodes : utiliser des réseaux d’opérateurs (FNO/DeepONet), des graphes/maillages (GNN) ou des représentations implicites (SDF/NNs), ou un mix des trois pour tirer profit de leurs forces.
-
Sujet 2 : Générateur explicable de données de procédés industriels
Objectif : créer un générateur de donnée réaliste à partir de séries de mesures et une méthode d'explication des relations implicites entres les paramètres. Le générateur doit pouvoir utiliser des données tabulaires comme des séries temporelles.
Pourquoi : augmentation de donnée afin de réaliser des analyses avancées ou pour entrainer et tester des modèles IA. Explication des relations implicites entre les valeurs des paramètres.
Données fournies : ensemble de mesures sur outil industriel en grande dimensions (>15). Un modèle jouet d'inspiration physique permettant de tester et valider les méthodologies en autonomie.
Les lauréats du Défi gagneront chacun 400€ !
Les inscriptions se font à partir de votre compte ADUM
Historique des "Défi MathTech"