Université de Pau et des Pays de l'Adour

Πρόγραμμα Μεταπτυχιακών Σπουδών GREEN - Μαθηματικά, Μοντελοποίηση και Εφαρμογές στην Ενέργεια και το Περιβάλλον (M2A2E)

Διεπιστημονικότητα και ερευνητική εμβάπτιση στα εργαστήρια

Για την προώθηση εγκάρσιων και διεπιστημονικών δραστηριοτήτων, όλα τα Προγράμματα Μεταπτυχιακών Σπουδών που προτείνει η GREEN είναι πανομοιότυπα δομημένα. Εκτός από την ερευνητική εκπαίδευση που αντιπροσωπεύει το 40% των διδακτικών μονάδων, τα μαθήματα που προσφέρονται σε κάθε πρόγραμμα είναι ένας συνδυασμός τυπικών θεματικών μαθημάτων πολιτισμού στον τομέα της Ενέργειας και του Περιβάλλοντος (Sustainability Science, Resilience Alliance, Ecological Economics και Political Ecology, Υγεία & Οικοτοξικολογία, Ενεργειακό Δίκαιο & Πολιτική…) και βασικές ήπιες δεξιότητες που ολοκληρώνονται από θεμελιώδη και εξειδικευμένα πειθαρχικά μαθήματα για να ταιριάζουν με την έρευνα ή το θέμα ενδιαφέρον των μαθητών.

Εκπαίδευση ανά έργο

Το πρόγραμμα κατάρτισης με βάση την έρευνα του έργου μας GREEN ακολουθεί την ενεργό εκπαιδευτική προσέγγιση της «μάθησης με βάση τους μαθητές». Ο στόχος είναι να καθοδηγήσουμε τους μαθητές μας και να τους βοηθήσουμε να δομήσουν τα έργα έρευνας και καινοτομίας τους παρέχοντάς τους παράλληλα μεγάλη αυτονομία.

Κατά το δεύτερο έτος, υπάρχει επομένως σημαντική μείωση στον αριθμό των μαθημάτων πρόσωπο με πρόσωπο προς όφελος της μάθησης βάσει έργου, ώστε οι μαθητές να τεθούν σε επαγγελματική κατάσταση ώστε να μπορούν να πειραματιστούν με την ομαδική εργασία και τη διαχείριση έργου. Αυτό το πλαίσιο ενθαρρύνει την ισχυρή αλληλεπίδραση μεταξύ φοιτητών, διδασκόντων και ερευνητών για να διασφαλιστεί η ευκολότερη ένταξη στα ερευνητικά εργαστήρια υποδοχής. Το διεπιστημονικό έργο που προτείνεται στο τρίτο εξάμηνο θα πρέπει να δώσει στους φοιτητές από όλα τα μεταπτυχιακά προγράμματα την ευκαιρία να παράγουν κοινή, πολυεπιστημονική εργασία.

Εξάμηνο 1 Επιλογών (ECTS 16)

• Αριθμητική Ανάλυση Μερικών Διαφορικών Εξισώσεων (ΜΔΕ) – 4 ECTS
• Βελτιστοποίηση – 4 ECTS
• Επιστημονικός Υπολογισμός με Python – 4 ECTS
• Στατιστικό Συμπέρασμα – 4 ECTS
• Λογισμός Πιθανοτήτων – 4 ECTS
• Χώρος Hilbert – 4 ECTS
• Ανάλυση ΠΔΕ – 4 ECTS

Εξάμηνο 2 Επιλογών (ECTS 10)

• Μαθήματα επιλογής 1 – 6 ECTS
• Προχωρημένη Ανάλυση – 6 ECTS
• Γραμμικό Μοντέλο – 6 ECTS
• Markov Chains – 6 ECTS
• Μαθήματα επιλογής 2 – 4 ECTS
• Επιστημονική Υπολογιστική – 4 ECTS
• Μέθοδοι Monte Carlo – 4 ECTS
• Προχωρημένη Ανάλυση ΠΔΕ – 4 ECTS

Εξάμηνο 3 Επιλογών (ECTS 6)

• Μαθηματική Μηχανική για Μηχανική Μάθηση – 6 ECTS
• Προχωρημένη Αριθμητική Ανάλυση – 6 ECTS
• Προχωρημένη Ανάλυση ΠΔΕ 2 – 6 ECTS

Στόχοι

• Να συμβάλει στην ανάπτυξη και χρήση των ανανεώσιμων πηγών ενέργειας και της αειφόρου ανάπτυξης, μέσω λεπτής μαθηματικής και αριθμητικής μοντελοποίησης των φυσικών φαινομένων που εμπλέκονται σε διαφορετικές κλίμακες.
• Να εκπαιδεύσει σπουδαστές ανώτατου επιπέδου για σταδιοδρομία στην ακαδημαϊκή ή ιδιωτική έρευνα στα εφαρμοσμένα μαθηματικά στο πεδίο των μεγάλων ενεργειακών και περιβαλλοντικών προκλήσεων.
• Να εκπαιδεύσει τους μαθητές να αναπτύξουν μαθηματικές και υπολογιστικές δεξιότητες αιχμής για την αντιμετώπιση σύνθετων προβλημάτων στη βιομηχανία και στα γραφεία σχεδιασμού.

Δεξιότητες

Στο τέλος της εκπαίδευσης οι μαθητές θα είναι σε θέση να:

• Πραγματοποιήστε αρχική έρευνα στα εφαρμοσμένα μαθηματικά στο LMAP, σύμφωνα με τα κύρια ενεργειακά και περιβαλλοντικά ζητήματα και προκλήσεις.
• Επίλυση προβλημάτων για την ανάπτυξη νέων γνώσεων και διαδικασιών και ενσωμάτωση γνώσεων από διαφορετικούς τομείς.
• Κάντε καινοτόμες συνεισφορές στο πλαίσιο ανταλλαγών υψηλού προφίλ και διεθνών πλαισίων σε σχέση με ενεργειακά και περιβαλλοντικά ζητήματα.
• Διεξάγετε μια στοχαστική και αποστασιοποιημένη ανάλυση, λαμβάνοντας υπόψη τα διακυβεύματα, τα ζητήματα και την πολυπλοκότητα του υπό μελέτη προβλήματος.
• Κατανόηση και ανάλυση ενεργειακών και περιβαλλοντικών προβλημάτων από την άποψη της αριθμητικής μοντελοποίησης.

Συγκεκριμένα, θα είναι σε θέση να επιδείξει προηγμένες διεπιστημονικές δεξιότητες:

• Ντετερμινιστική ή στοχαστική μοντελοποίηση των υπό εξέταση προβλημάτων
• Αριθμητική προσομοίωση και εφαρμογή υπολογιστή καθιερωμένων μοντέλων
• Βελτιστοποίηση των υποκείμενων αλγορίθμων για την αποτελεσματικότερη αντιμετώπιση προβλημάτων που αφορούν μεγάλα και/ή πολύπλοκα σύνολα δεδομένων
• Στατιστική επεξεργασία μεγάλων και πολύπλοκων ροών δεδομένων για υποστήριξη αποφάσεων και αξιοπιστία.

Τομέας

• Βιομηχανία
• Ακαδημαϊκός

Πεδία

• Ερευνα
• Δομές Ε & Α

Θέσεις

• Ακαδημαϊκές θέσεις
• Ερευνητές (δημόσια ιδρύματα ή ιδιωτικές εταιρείες)
• Μηχανικοί έρευνας και καινοτομίας