Diplôme en intelligence artificielle et informatique

Objectifs

• Acquérir les bases de l'algèbre linéaire et les méthodes mathématiques nécessaires pour modéliser et résoudre des problèmes propres à l'informatique et à l'intelligence artificielle.

• Appliquer des techniques algébriques et des algorithmes numériques à la conception et à la mise en œuvre de solutions numériques efficaces, en choisissant les stratégies les plus adaptées à chaque problème.

Description du contenu

• Systèmes d'équations linéaires

• Espaces vectoriels

• Classification des endomorphismes

• Diagonalisation des endomorphismes

Système et critères d'évaluation

SESSION ORDINAIRE

La note finale du cours lors de la session ordinaire sera déterminée à partir de la moyenne suivante :

SE1.- Travaux pratiques : 40 % de la note finale, répartis comme suit :

• Résolution de problèmes en classe : 10 % de la note finale.

• Examen partiel : 15 % de la note finale.

• Projet de fin de cours : 15 % de la note finale.

SE2.- Épreuves finales de connaissances : 60 % de la note finale. Il s'agira d'une épreuve écrite synchrone portant sur l'ensemble du contenu du cours, qui se déroulera pendant la période officielle fixée par l'université.

Pour valider le cours lors de la session ordinaire, les conditions suivantes sont requises :

• Obtenir une note moyenne pondérée égale ou supérieure à 5,0 sur 10,0 aux activités pratiques (SE1).

• Obtenir une note égale ou supérieure à 5,0 sur 10,0 à l'épreuve finale de connaissances (SE2).

Si la note minimale de 5,0 n’est pas atteinte dans l’une des deux parties, la note finale de la session ordinaire sera au maximum de 4,9 (échec).

L'absence à plus de 30 % des activités de formation du cours nécessitant la présence physique ou virtuelle de l'étudiant entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen passé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation et représentera 100 % de la note finale.

L’étudiant doit signaler toute absence au moyen d’un justificatif officiel (médical, professionnel ou administratif) à la fois au professeur responsable de la matière et au service des études, dans un délai maximal de 7 jours calendaires à compter de la date de l’absence.

Toute absence à l’une des épreuves et/ou activités d’évaluation doit être dûment justifiée conformément à la procédure décrite ci-dessus. À défaut, l’étudiant n’aura pas le droit de repasser l’épreuve.

L’étudiant qui ne réalise aucune des activités pratiques et ne se présente pas à l’épreuve finale de connaissances se verra attribuer la note « Non présenté (NP) ». Dans tous les autres cas, il figurera sur le relevé de notes avec la note correspondante en fonction des résultats obtenus lors des activités d’évaluation réalisées.

L’étudiant qui ne réalise aucune des activités pratiques (SE1) sera considéré comme ayant renoncé à l’évaluation continue. Dans ce cas, l’examen passé pendant la période d’évaluation officielle fixée par l’université constituera le seul critère d’évaluation et représentera 100 % de la note finale.

SESSION EXTRAORDINAIRE

Lors de la session extraordinaire, la note finale est déterminée selon la même pondération que celle décrite ci-dessus :

• SE1.- Activités pratiques : 40 % de la note finale.

• SE2.- Épreuve écrite extraordinaire à passer pendant la période officielle fixée par l’université : 60 % de la note finale.

La pénalité pour absence à plus de 30 % des activités pédagogiques du cours ne s’appliquera pas lors de la session extraordinaire. Ainsi, les étudiants seront évalués selon le système décrit ci-dessus.

Les étudiants sont tenus de rendre et de soutenir les travaux pratiques (SE1) non validés ou non rendus lors de la session ordinaire.

Pour valider le cours lors de la session extraordinaire, les conditions sont les mêmes que lors de la session ordinaire :

• Obtenir une note moyenne pondérée égale ou supérieure à 5,0 sur 10,0 aux travaux pratiques (SE1).

• Obtenir une note égale ou supérieure à 5,0 sur 10,0 à l’épreuve finale de connaissances (SE2).

Si la note minimale de 5,0 n’est pas atteinte dans l’une des deux parties, la note finale de la session extraordinaire sera au maximum de 4,9 (Échec).

L’étudiant qui n’effectue aucune des activités pratiques et ne se présente pas à l’épreuve finale de connaissances obtiendra la note « Absent (NP) ». Dans tous les autres cas, il figurera sur le relevé de notes avec la note correspondante en fonction des résultats obtenus lors des activités d’évaluation réalisées.

L'étudiant qui ne réalise aucune des activités pratiques (SE1) sera considéré comme ayant renoncé à l'évaluation continue. Dans ce cas, l'examen passé pendant la période d'évaluation officielle fixée par l'université constituera le seul critère d'évaluation et représentera 100 % de la note finale.

Objectifs

L'objectif de ce cours est de doter l'étudiant des outils statistiques nécessaires pour comprendre et approfondir la résolution de problèmes liés à l'intelligence artificielle.

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB1 Les étudiants doivent avoir démontré qu’ils possèdent et comprennent des connaissances dans un domaine d’étude s’appuyant sur les bases de l’enseignement secondaire général, et se situant généralement à un niveau qui, bien que s’appuyant sur des manuels avancés, inclut également certains aspects nécessitant des connaissances issues de la pointe de leur domaine d’étude

CB2 Que les étudiants sachent appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et possèdent les compétences qui se manifestent généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Que les étudiants soient capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Que les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE8 Connaître les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

RA-1 Appliquer les techniques, les méthodes de représentation et de synthèse ainsi que les mesures propres aux statistiques descriptives et aux statistiques inférentielles.

RA-2. Détermine si un ensemble de données permet d’accepter ou de rejeter une hypothèse concrète et l’erreur commise en agissant ainsi.

RA-3. Détermine et quantifie le degré d’association entre des variables statistiques.

Description du contenu

Éléments de l'analyse des données

Statistique descriptive : échantillons et distribution des caractéristiques d'échantillon.

Distributions de probabilité

Variables aléatoires

Modèles d'inférence statistique. Statistiques et leurs propriétés fondamentales

Approche fréquentialiste : estimation ponctuelle, par intervalle et test d’hypothèse

Approche bayésienne : distribution a posteriori, intervalles de crédibilité et tests bayésiens.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 30 %

SE2.- Épreuves finales de connaissances : 60 %

SE3.- Cahier de travaux pratiques de laboratoire : 10 %

Calendrier

Cliquez sur ce lien pour obtenir le calendrier détaillé au format Excel

Objectifs

L'objectif de ce cours est de doter l'étudiant de connaissances en programmation qui lui serviront d'outils de base pour résoudre des problèmes liés à l'informatique et à l'intelligence artificielle.

Prérequis

Il n'y a pas de prérequis.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Les étudiants doivent avoir développé les aptitudes d'apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d'autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message en pratiquant l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données permettant leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

Résultats d'apprentissage

Résoudre des problèmes à l'aide d'un langage de programmation utilisant des données externes et interagissant avec un utilisateur.

Concevoir et écrire des programmes permettant de résoudre des problèmes à l’aide de différentes techniques algorithmiques.

Connaît la structure physique et fonctionnelle d’un ordinateur.

Utilise un langage de bas niveau d'un microprocesseur et résout des problèmes à l'aide de celui-ci.

Connaît et évalue les différents types de systèmes de stockage et leur incidence sur les performances d'un système informatique.

Description des contenus

Pensée computationnelle.

Algorithmes et systèmes de représentation.

Types de données et expressions.

Fonctions d'entrée et de sortie de données.

Structures de contrôle de flux.

Hiérarchie de la mémoire.

Évaluation des performances

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP11. – Élaboration de projets

AP13.- Ateliers et/ou travaux pratiques

AP4.- Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 30 %

SE2.- Épreuves finales de connaissances : 60 %

SE4. – Portfolio : 10 %

Objectifs

L'objectif de ce cours est de doter l'étudiant des compétences non techniques nécessaires à une insertion réussie sur le marché du travail, en lui permettant d'acquérir des outils qui lui permettront d'améliorer ses capacités en matière de résolution de conflits, de gestion du travail en équipe, de communication, d'expression orale et de leadership.

Prérequis

Aucun prérequis n’a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l'informatique et à l'intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message en s’appuyant sur l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d'équipe : Être capable d'interagir, d'écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

Résultats d’apprentissage

Apprendre à communiquer efficacement lors de réunions et de conversations professionnelles.

Rédigez efficacement des articles, des rapports et des e-mails.

Planifier, élaborer et animer des présentations commerciales.

Transmettre à ses interlocuteurs les informations importantes du domaine professionnel.

Exprimer les résultats de son travail ou un message professionnel devant un public.

Apprenez des techniques pour favoriser la collaboration et le travail d'équipe, en motivant vos collègues et en orientant l'équipe vers un objectif commun.

Prévenir, détecter et résoudre les conflits interpersonnels dans le milieu professionnel.

Description du contenu

Communication efficace

Présentations efficaces

Prise de parole en public

Travail d'équipe.

Gestion des conflits.

Activités de formation

AP1. – Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Études de cas

AP14. – Exposés oraux

AP15. – Débats

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 40 %

SE2.- Épreuves finales de connaissances : 60 %

Objectifs

Objectif général

Fournir à l'étudiant les fondements conceptuels et les outils de raisonnement propres aux mathématiques discrètes, en lui permettant de formuler, d'analyser et de résoudre des problèmes de nature finie ou discrète, en accordant une attention particulière à leur application dans le domaine de l'informatique et de l'intelligence artificielle.

Objectifs spécifiques

• Comprendre et utiliser avec précision le langage et la notation propres à la théorie des ensembles et à la logique mathématique, ainsi que leurs opérations fondamentales.

• Développer un raisonnement mathématique rigoureux et appliquer les principales méthodes de démonstration pour justifier des résultats, construire des arguments valides et détecter les raisonnements erronés.

• Comprendre et analyser les suites et les relations, en identifiant leurs propriétés fondamentales et les structures discrètes associées.

• Appliquer les principes et les techniques de la combinatoire et des probabilités discrètes à la résolution systématique de problèmes de dénombrement.

• Représenter et analyser des problèmes à l’aide de graphes, en comprenant leurs propriétés fondamentales et leur utilité pour modéliser des structures et des situations propres à l’informatique.

Description du contenu

1. Théorie des ensembles

1.1. Ensembles. Notation, cardinalité, égalité, sous-ensembles et ensemble puissance.

1.2. Opérations sur les ensembles : union, intersection, différence et complément. Diagrammes de Venn. Propriétés des opérations et lois de De Morgan.

1.3. Fonctions entre ensembles. Fonctions injectives, surjectives et bijectives. Fonction inverse.

1.4. Produit cartésien d'ensembles.

2. Logique mathématique

2.1. Propositions, connecteurs logiques et tables de vérité.

2.2. Propositions conditionnelles et biconditionnelles. Réciproque, contraposée, équivalence logique et lois de De Morgan.

2.3. Prédicats. Quantificateurs universel et existentiel. Négation des propositions quantifiées et quantificateurs imbriqués.

3. Méthodes de démonstration

3.1. Systèmes mathématiques : axiomes, définitions et théorèmes. Lemmes et corollaires.

3.2. Démonstration directe, par réciproque, par contradiction et par cas. Réfutation par contre-exemples.

3.3. Démonstrations d’équivalence et d’existence.

3.4. Induction mathématique. Applications des méthodes de démonstration aux propriétés élémentaires des nombres entiers. Erreurs courantes dans les démonstrations.

4. Suites et relations

4.1. Suites et sous-suites. Monotonie. Notation de somme et de produit.

4.2. Relations binaires et relation inverse. Propriétés réflexive, symétrique, antisymétrique et transitive.

4.3. Relations d’ordre. Ordres partiels et totaux. Comparabilité.

4.4. Relations d’équivalence et classes d’équivalence.

5. Combinatoire et probabilités discrètes

5.1. Techniques de comptage. Variations, permutations et combinaisons.

5.2. Variations, permutations et combinaisons avec répétition.

5.3. Applications des techniques combinatoires à la résolution de problèmes de dénombrement et de probabilité discrète.

6. Théorie des graphes

6.1. Graphes et graphes orientés. Types de graphes. Chemins, cycles, connectivité et degré.

6.2. Représentation et isomorphisme des graphes. Matrices d’adjacence.

6.3. Chemins et cycles eulériens et hamiltoniens.

6.4. Graphes plans et formule d’Euler. Applications de la théorie des graphes

Bibliographie de base

Epp, S. S. Mathématiques discrètes et leurs applications. Cengage Learning, 2012.

Johnsonbaugh, R. Mathématiques discrètes. Pearson Educación, 2005.

Bibliographie complémentaire

Rosen, K. H. Mathématiques discrètes et leurs applications. 8e éd. McGraw-Hill, 2019.

Biggs, N. L. Mathématiques discrètes. 2e éd. Oxford University Press, 2002.

Veerarajan, T. Mathématiques discrètes avec théorie des graphes et combinatoire. McGraw-Hill, 2008.

Goodaire, E. G. ; Parmenter, M. M. Mathématiques discrètes et théorie des graphes. Prentice Hall.

Système et critères d'évaluation

Les étudiants de première année devront justifier d’une assiduité minimale de 70 % aux activités de formation en présentiel prévues pour conserver leur droit à l’évaluation continue lors de la session ordinaire. Le cumul de plus de 30 % d’absences non justifiées entraînera la perte automatique de ce droit. Dans ce cas, l’examen final du cours constituera le seul critère d’évaluation lors de la session ordinaire et comptera exceptionnellement pour 100 % de la note finale.

SE1.- Activités pratiques : 30 %.

L’évaluation de cette partie se fera au moyen de deux épreuves partielles :

• Premier examen partiel : 15 %.

• Deuxième examen partiel : 15 %.

Les évaluations partielles auront un caractère formatif, s'intégreront à l'évaluation continue et ne dispenseront pas de certains contenus. L'étudiant devra être évalué sur l'ensemble des contenus du cours lors de l'examen final.

SE2.- Épreuves finales de contrôle des connaissances : 60 %.

Un examen final portant sur l’ensemble des contenus du cours sera organisé. Il sera nécessaire d’obtenir une note minimale de 5,0 sur 10,0 à SE2 pour que la pondération avec l’évaluation continue puisse être appliquée.

Si l’examen final est de type mixte et comprend une partie objective théorique et une partie pratique, il sera nécessaire d’obtenir au moins 50 % de bonnes réponses dans la partie théorique pour que la partie pratique soit prise en compte dans l’évaluation.

SE3. – Cahier de travaux pratiques de laboratoire : 10 %.

Le cahier de travaux de laboratoire contiendra les preuves correspondant aux activités pratiques réalisées au cours de l’année.

Pour valider le cours, il faudra obtenir une note minimale de 5,0 sur 10,0 tant pour SE2 que pour la moyenne pondérée de l’ensemble de l’évaluation continue (SE1 + SE3). Si l’un de ces seuils minimaux n’est pas atteint, la note définitive lors de la session ordinaire sera au maximum de 4,9 sur 10,0.

Session extraordinaire

Lors de la session extraordinaire, la pondération de 40 % correspondant à l’évaluation continue et de 60 % correspondant à l’épreuve écrite extraordinaire sera maintenue. Les étudiants devront rattraper les activités pratiques non réussies ou non rendues conformément aux instructions établies pour cette session.

Calendrier

Cliquez sur ce lien pour obtenir le calendrier détaillé au format Excel

Bibliographie

De base :

1.- Epp, Sussana

Mathématiques discrètes et leurs applications (édition espagnole)

Éditeur : Cengage Learning. 2011.

ISBN : 9786074816211

2.- Veerarajan, T.

Mathématiques discrètes avec théorie des graphes et combinatoire

Éd. McGraw-Hill Interamericana. 2008.

ISBN : 9701065301

Complémentaire :

3.- Nakos, George

Algèbre linéaire et ses applications

Madrid : Thomson, 1999. 1999.

ISBN : 9687529865

Objectifs

L'objectif de ce cours est de fournir à l'étudiant des connaissances de base en intelligence artificielle, à travers la conception d'une heuristique adaptée à un problème donné.

Prérequis

Aucun prérequis n’a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie.

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents pour proposer des solutions et prendre des décisions.

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles pour stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Comprendre l’évolution historique de l’intelligence artificielle.

Identifie les caractéristiques d’un système intelligent

Identifie le type de recherche (aveugle / avec heuristique / entre adversaires) le plus adapté pour résoudre un problème donné et met en œuvre ce mécanisme de recherche.

Conçoit une heuristique adaptée à un problème donné.

Identifie le type d’apprentissage (supervisé, non supervisé) le plus adapté à un problème donné et met en œuvre la stratégie d’apprentissage la plus appropriée

Résoudre des problèmes de complexité variée à l’aide de techniques d’intelligence artificielle.

Applique des techniques avancées d’intelligence artificielle à la conception et au développement d’applications.

Description du contenu

Introduction à l'intelligence artificielle.

Techniques de recherche :

Apprentissage supervisé :

Apprentissage non supervisé : Réseaux sémantiques et cadres

Modélisation de surfaces.

Introduction à l'analyse statistique des mégadonnées (Big Data).

Cas d'utilisation dans les organisations.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP3. – Analyse de cas

AP14. – Exposés oraux

AP15. – Débats

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités pédagogiques du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l'examen qui se tiendra pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec le pourcentage qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 20 %

SE2.- Épreuves finales de connaissances : 60 %

SE3.- Cahier de travaux pratiques de laboratoire : 20 %

Objectifs

L'objectif de ce cours est d'élargir les connaissances des étudiants en statistiques afin qu'ils puissent résoudre des problèmes informatiques plus complexes.

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents pour proposer des solutions et prendre des décisions.

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE8 Maîtriser les problèmes liés aux sciences de l'informatique et à l'intelligence artificielle, afin d'appliquer la meilleure solution de manière efficace et en temps opportun.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

RA-1 Connaît les principes de base de la conception d'expériences et des modèles de régression.

RA-2 Applique diverses techniques et modèles pour l’analyse de données multivariées.

RA-3 Maîtrise les éléments du contrôle qualité.

RA-4 Utilise l’analyse et les modèles initiaux de séries chronologiques pour résoudre des problèmes d’ingénierie présentant différents niveaux de difficulté.

RA-5 Maîtrise les logiciels statistiques et sait interpréter leurs résultats.

Description du contenu

Techniques de régression et plan d’expériences.

Analyse inférentielle multivariée et techniques multivariées.

Contrôle des processus : analyse de la qualité.

Séries chronologiques : modèles de base.

Applications au domaine de l'intelligence artificielle.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, qui requièrent la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 30 %

SE2. Épreuves finales de connaissances : 60 %

SE3. – Cahier de travaux pratiques de laboratoire : 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’illustrent généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB5 Les étudiants doivent avoir développé les compétences d'apprentissage nécessaires pour entreprendre des études ultérieures avec un haut degré d'autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE3 Abstraire des données et des modèles pour stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE10 Traiter des données hétérogènes afin d’en extraire des informations et de faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE16 Traiter de grandes quantités de données en utilisant l’apprentissage automatique et l’analyse prédictive pour les appliquer à différents contextes de connaissance.

Résultats d'apprentissage

Maîtrise la technologie des bases de données

Apprend les concepts théoriques du modèle relationnel

Apprend à programmer des routines d'accès aux bases de données avec le langage SQL

Comprend les problèmes et les besoins liés à la gestion, à l’acquisition et au stockage de grands volumes de données.

Développer des applications impliquant la conception, la mise en œuvre et l'administration de bases de données

Maîtrisez les concepts de normalisation, de conception et d’administration des bases de données, ainsi que leur intégration dans les systèmes d’information.

Description du contenu

Structures de données dynamiques.

Algorithmes de recherche et de tri.

Introduction à l'efficacité des algorithmes.

Analyse de l'efficacité des algorithmes.

Application des structures de données à la résolution de problèmes.

Conception d'algorithmes.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP12.- Résolution de problèmes

AP14. – Exposés oraux

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités pédagogiques du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Objectifs

Initier l'étudiant à la programmation orientée objet (POO) avec Python. Comprendre les principes fondamentaux de la POO et les appliquer à l'élaboration de programmes.

Prérequis

Aucun prérequis n'est requis.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Les étudiants doivent avoir développé les aptitudes d’apprentissage nécessaires pour poursuivre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données permettant leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et opportune.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

Résultats d’apprentissage

Connaît les principes de la programmation orientée objet.

Comprend le fonctionnement des éléments de la programmation orientée objet.

Comprend le fonctionnement des classes et la manière dont on peut créer des instances à partir de celles-ci.

Implémente et appelle des méthodes. Comprend leur rôle au sein des classes.

Définir les attributs d’instance et les attributs de classe. Apprendre leurs différences.

Utilisez l’héritage pour réutiliser le code, améliorer la conception et éviter les redondances.

S'exercer aux aspects clés de la programmation orientée objet.

Appliquez la programmation orientée objet dans le langage Python.

Description du contenu

Introduction à la programmation orientée objet.

Encapsulation et héritage.

Polymorphisme.

Abstraction.

Gestion des exceptions.

Mémoire dynamique.

Programmation concurrente.

Programmation pour la science des données.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP11. – Élaboration de projets

AP13.- Activités d'ateliers et/ou de laboratoires

AP4.- Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE4.- Portfolio 10 %

Prérequis

Aucun prérequis n’a été défini.

Compétences

CB1 Les étudiants doivent avoir démontré qu’ils possèdent et comprennent des connaissances dans un domaine d’étude s’appuyant sur les bases de l’enseignement secondaire général, et se situant généralement à un niveau qui, bien que s’appuyant sur des manuels avancés, inclut également certains aspects nécessitant des connaissances issues de la pointe de leur domaine d’étude

CB2 Que les étudiants sachent appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et possèdent les compétences qui se manifestent généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Que les étudiants soient capables de collecter et d'interpréter des données pertinentes (généralement dans leur domaine d'études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d'ordre social, scientifique ou éthique

CB4 Que les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines dans la poursuite d’objectifs communs.

CT3 Pensée analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE8 Maîtriser les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE19 Connaître les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Comprendre et mettre en œuvre les différentes méthodes de résolution des systèmes linéaires, tant directes qu’itératives.

Maîtrise les différentes factorisations de matrices.

Calcule et représente graphiquement les polynômes d’interpolation et les fonctions splines cubiques d’interpolation d’une fonction à une variable réelle.

Il approxime la valeur d’intégrales définies et les racines d’une équation non linéaire avec une précision donnée, en choisissant la méthode la plus adaptée à la situation.

Description du contenu

Méthodes numériques pour la résolution d’équations non linéaires. Calcul des racines de polynômes.

Algèbre linéaire numérique : factorisation QR. Approximation des valeurs propres et des vecteurs propres d’une matrice.

Décomposition en valeurs singulières. Méthode des moindres carrés linéaires. Pseudo-inverse d'une matrice.

Résolution de systèmes d’équations linéaires à l’aide de méthodes directes et itératives

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours d'application pratique

AP10.- Résolution de problèmes

AP4. – Travail autonome

AP5. – Tutorat

AP6.- Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de toute autre exigence pouvant être définie dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Objectifs

L'objectif de ce cours est de doter l'étudiant des outils algébriques nécessaires pour proposer des solutions numériques basées sur l'intelligence artificielle de la manière la plus efficace possible afin de résoudre un problème donné.

Prérequis

Aucun prérequis n’a été défini.

Compétences

CB2 Les étudiants doivent être capables d'appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s'illustrent généralement par l'élaboration et la défense d'arguments ainsi que par la résolution de problèmes dans leur domaine d'études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Pensée analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas afin de proposer des solutions et de prendre des décisions.

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d’apprentissage

Utilise ses connaissances en algorithmique et en complexité algorithmique pour résoudre des problèmes pouvant se poser dans le domaine de l’informatique et de l’intelligence artificielle.

Identifie et propose des solutions aux problèmes d'efficacité des algorithmes

Calcule l’efficacité des algorithmes itératifs en appliquant les règles de calcul appropriées.

Conçoit et dimensionne des algorithmes pour des environnements de taille et de complexité variables.

Résout des problèmes pouvant se poser en informatique et en intelligence artificielle en appliquant ses connaissances relatives à la structure et à la programmation des systèmes informatiques.

Description des contenus

Structures de données dynamiques.

Algorithmes de recherche et de tri.

Introduction à l'efficacité des algorithmes.

Analyse de l'efficacité des algorithmes.

Application des structures de données à la résolution de problèmes.

Conception d'algorithmes.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP11. – Élaboration de projets

AP13.- Activités d'ateliers et/ou de laboratoires

AP4.- Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l'examen organisé pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) : 30 %

SE2.- Épreuves finales de connaissances : 60 %

SE3.- Cahier de travaux pratiques de laboratoire : 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin d’émettre des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données afin d’assurer leur exécution correcte sur une plateforme numérique.

CE6 Développer des systèmes ou des architectures informatiques centralisées ou distribuées en intégrant du matériel, des logiciels et des réseaux afin de construire des solutions numériques basées sur l'intelligence artificielle.

CE8 Maîtriser les problématiques liées aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d'apprentissage

RA-1 Conception de circuits numériques séquentiels et combinatoires.

RA-2 Rédaction de rapports sur la conception, la mise en œuvre et le test de programmes de bas niveau, ainsi que sur leurs essais en laboratoire.

RA-3 Rédaction de rapports sur la configuration matérielle de systèmes informatiques répondant à des critères spécifiques.

RA-4 Comprendre les éléments d'évaluation et de performance du matériel informatique et leur application aux systèmes informatiques.

RA-5 Connaissance des nouveaux composants matériels et des systèmes de stockage.

RA-7 Compréhension des concepts liés à la structure et au fonctionnement des systèmes d’exploitation.

RA-8 Conception de processus exploitant les services du système d’exploitation.

Description du contenu

Introduction à la structure des ordinateurs.

Instructions et modes d’adressage.

Unité de contrôle et chemin des données.

Mémoire et entrées/sorties dans le microprocesseur

Introduction aux systèmes d'exploitation.

Processus et threads.

Planification du processeur.

Communication et synchronisation.

Gestion de la mémoire.

Gestion des fichiers et des E/S

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2. Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

L'évaluation continue est subordonnée à une assiduité de 70 % aux cours. Si cette condition n'est pas remplie, l'étudiant perdra toutes ses notes d'évaluation continue et devra passer l'examen ordinaire portant sur l'intégralité du cours.

Objectifs

À travers les 4 unités didactiques de cette matière, l'objectif est de développer les compétences et les acquis d'apprentissage suivants :

- Compétences fondamentales :

Comprendre la philosophie d’entreprise axée sur les données

Comprendre les besoins qui sous-tendent un travail en science des données.

Savoir travailler à la résolution de problèmes.

- Compétences spécifiques :

Maîtriser la bibliothèque Python pandas.

Faire preuve d’agilité et d’aisance dans la conception et l’exécution de requêtes SQL

Connaître les techniques les plus courantes d’analyse exploratoire des données et d’ingénierie des variables

- Acquis d’apprentissage :

Être capable de travailler avec les différents systèmes d’acquisition, de transformation et d’écriture de données

Être capable d'utiliser les techniques d'analyse exploratoire pour générer un rapport analytique exploitable par l'entreprise

Pour atteindre les objectifs de ce module, nous avons besoin que vous participiez aux débats que nous proposons, car c’est ainsi que vous bénéficierez d’un apprentissage plus complet et enrichissant. Nous ne voulons pas d’étudiants passifs qui se contentent de recevoir des informations et de les traiter ; nous voulons des étudiants qui ont des opinions, envie d’apprendre et de partager d’autres points de vue. Pour cela, nous attendons de vous :

- Que vous participiez activement aux forums en partageant vos connaissances et vos expériences.

- Que vous travailliez sur les activités que nous vous proposons et que vous les rendiez dans les délais impartis.

- Que tu sois capable d’apprécier l’importance de la famille en tant qu’acteur de l’éducation.

- Que tu comprennes l’importance d’une bonne relation entre la famille et l’établissement et comment nous pouvons améliorer cette relation.

- Que tu effectues toutes les recherches nécessaires pour comprendre l’ensemble des contenus de ce module.

Description du contenu

Le plan de travail que nous te présentons ici est celui qui a été prédéfini pour réussir ce cours/module.

Le cours se compose de 4 unités didactiques :

o Unité 1 (1,5 ECTS) : Introduction à la science des données

o Unité 2 (2 ECTS) : Utilisation des outils ETL

o Unité 3 (1,5 ECTS) : Analyse exploratoire des variables

o Unité 4 (1 ECTS) : Ingénierie des variables

Le cours comprend 2 activités d'apprentissage, correspondant respectivement aux unités 1-2 et aux unités 3-4.

Ce cours/module débute le 7 septembre 2026 et se termine le 17 décembre 2026.

L'examen final de la matière/du module devra avoir lieu à la date indiquée sur le campus

Système et critères d'évaluation

Dans la classe virtuelle du cours, vous pourrez consulter en détail les activités que vous devez réaliser, ainsi que les dates de remise et les critères d’évaluation.

Votre note finale x sera calculée selon la formule suivante :

x = 0,5x_con + 0,5x_ord

Où x_ord est la note (comprise entre 0 et 10) obtenue lors de la session ordinaire (lors de l'examen final) et :

x_con = (4x_1 + x_2) / 5

Où x_1 est la note (comprise entre 0 et 10) obtenue lors de la remise de l’activité d’apprentissage correspondant aux unités 1-2-3. Et x_2 est la note (comprise entre 0 et 10) de l’examen partiel qui aura lieu fin novembre.

La formule ci-dessus s'appliquera si x_con et x_ord sont supérieurs ou égaux à 5 ; dans le cas contraire, x = 0. En résumé, si la moyenne pondérée est appliquée :

50 % de la note correspondra à celle que vous obtiendrez lors de l'évaluation continue.

L'examen final du cours représentera 50 % de la note finale.

L'étudiant qui décide de ne pas participer à l'évaluation continue obtiendra une note finale composée à 100 % de la note de l'examen final.

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l'exploitation de systèmes d'information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE4 Diriger des projets basés sur les technologies numériques, en élaborant la planification des tâches, en assurant le suivi des activités, en contrôlant le budget et en garantissant la réalisation des objectifs dans les délais et avec le niveau de qualité fixés.

CE6 Développer des systèmes ou des architectures informatiques centralisées ou distribuées en intégrant du matériel, des logiciels et des réseaux afin de créer des solutions numériques basées sur l’intelligence artificielle.

CE7 Développer des systèmes informatiques dans le cloud à l’aide de microservices afin que les utilisateurs finaux puissent facilement créer et exécuter des applications sur des serveurs distants.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE13 Écrire des programmes informatiques avec des langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

Acquis d’apprentissage

Apprendre les concepts généraux du cloud computing

Acquiert une compréhension des systèmes fondamentaux sur lesquels repose le cloud.

Gérer les exigences d’un système de cloud computing.

Découvre les techniques et les outils des modèles d’intégration continue des applications.

Apprenez les principes fondamentaux d'Amazon Web Services (AWS)

Développez des compétences pratiques en utilisant les principaux services d’Amazon Web Services (AWS)

Acquérez des connaissances allant du niveau débutant aux concepts avancés.

Comprenez comment commencer à travailler avec Azure

Créez des machines virtuelles

Utilisez des solutions de stockage telles que BLOB et SQL Server

Acquérir des connaissances de base sur des services tels qu’Azure Functions, Azure Web Apps, etc.

Description du contenu

Notions de base sur le cloud.

Introduction aux architectures d'applications dans le cloud.

Environnements de travail dans le cloud.

Technologie AWS.

Technologie MS-Azure.

Technologie Google Cloud.

Gestion du cycle de vie des applications.

Principes fondamentaux du DevOps et de l'intégration continue.

Sécurité et services de protection.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP12.- Résolution de défis

AP13.- Activités d'ateliers et/ou de laboratoires

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Objectifs

Le cours « Ingénierie Web I » est axé sur la maîtrise des éléments fondamentaux qui composent une application web. Dans ce cours, les étudiants se familiarisent avec les langages de base et la structure des applications et des pages web, tout en acquérant des compétences pratiques en matière de conception et de fonctionnalité.

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études.

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé.

CB5 Les étudiants doivent avoir développé les aptitudes d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données permettant leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE9 Définir et mettre en place les processus et procédures impliquant la programmation et la création d’applications ou de logiciels destinés aux appareils web.

CE13 Écrire des programmes informatiques à l'aide de langages de programmation modernes dédiés à l'intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

Acquis d’apprentissage

Apprendre à créer des sites web modernes à l’aide de frameworks de conception d’applications et de plateformes de développement, ainsi que de bibliothèques d’interfaces utilisateur hautement performantes.

Apprendre à créer des applications web adaptatives à l’aide de frameworks de développement spécifiques aux appareils mobiles.

Apprendre le HTML5, le CSS3 et le JavaScript.

Apprendre à créer des sites web en appliquant des normes garantissant l’interopérabilité des pages web sur différents navigateurs.

Développez des applications web front-end qui réagissent rapidement à toute interaction de l'utilisateur et permettent un stockage persistant des données.

Développez des applications web côté serveur.

Créez un site web complet.

Description du contenu

Introduction à l'intégration continue et au développement continu.

Principes fondamentaux du développement front-end : HTML, CSS, JS, jQuery, JSON.

Utilisation de frameworks spécifiques tels que Bootstrap, Angular et React.

Activités de formation

AP1. – Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP11. – Réalisation de projets

AP13. – Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de contrôle des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE4. – Portfolio : 10 %

Calendrier

Cliquez sur ce lien pour obtenir le calendrier détaillé au format Excel

Liens

HTML - Tutoriel de base : HTML sur W3School

CSS - Tutoriel de base : CSS sur W3School

JavaScript - Tutoriel de base : JavaScript sur W3School

jQuery - Tutoriel de base : jQuery sur W3School

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d'équipe : Être capable d'interagir, d'écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines dans la poursuite d'objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l'aide d'outils numériques et graphiques afin de décrire différentes caractéristiques d'intérêt de leurs variables et d'interpréter les résultats.

Résultats d’apprentissage

Apprendre à appliquer correctement les techniques d’apprentissage automatique afin d’obtenir des résultats fiables et significatifs.

Maîtrise les techniques les plus représentatives et actuelles d’apprentissage non supervisé, semi-supervisé et supervisé, avec et sans renforcement.

Maîtrise les techniques d'apprentissage profond.

Identifie les techniques d’analyse de données appropriées en fonction du problème.

Maîtrisez les outils et les environnements de travail les plus récents dans le domaine de l’apprentissage automatique.

Description du contenu

Introduction à l'apprentissage automatique.

Reconnaissance de formes.

Apprentissage supervisé.

Apprentissage non supervisé.

Apprentissage par renforcement.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP12.- Résolution de problèmes

AP13.- Activités d'ateliers et/ou de laboratoires

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités pédagogiques du cours, qui requièrent la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l'examen qui se tiendra pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d'interpréter des données pertinentes (généralement dans leur domaine d'études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d'ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CT1 Communication efficace : être capable de transmettre et d’adapter un message en s’appuyant sur l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE4 Diriger des projets basés sur les technologies numériques, en élaborant la planification des tâches, en assurant le suivi des activités, en contrôlant le budget et en garantissant la réalisation des objectifs dans les délais et avec la qualité fixés.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

Résultats d’apprentissage

Connaît les phases et les méthodologies du processus de création de produits numériques.

Réalise des prototypes de produits afin de réduire les écarts lors de leur développement.

Maîtrise les techniques de conception centrées sur l’utilisateur et utilise les guides de style.

Intègre la conception numérique et le développement logiciel dans la création de produits numériques.

Appliquer les principes d'ergonomie et d'accessibilité à la conception de produits numériques.

Découvrez les différentes interfaces utilisateur avancées pour les produits numériques.

Réalise des conceptions numériques spécifiques pour différentes plateformes technologiques.

Concevoir en équipe un projet numérique d’interface utilisateur à partir d’un cas concret.

Description du contenu

Introduction à la conception de produits numériques.

Principes fondamentaux de la recherche en expérience utilisateur.

Accessibilité.

Architecture de l'information.

Méthodologies pour la réalisation de projets liés à l'expérience utilisateur.

Conception et ergonomie.

Conception d'interfaces vocales.

Conception et expérience en réalité augmentée.

Conception et expérience en réalité virtuelle.

Conception et expérience en réalité augmentée.

Conception et expérience en matière de réalité virtuelle.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Analyse de cas

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités pédagogiques du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Les étudiants doivent avoir développé les aptitudes d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d'adapter un message en pratiquant l'écoute active afin d'établir un lien avec le public, en utilisant les ressources nécessaires pour s'adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données afin d’assurer leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE9 Définir et mettre en place les processus et procédures impliquant la programmation et la création d’applications ou de logiciels destinés aux appareils web.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

Résultats d’apprentissage

Se familiariser avec les environnements de programmation des services web.

Concevoir et développer des API permettant d’effectuer des opérations persistantes.

Développer des mécanismes d’authentification et d’autorisation pour les applications back-end.

Programmer des applications web interagissant avec la base de données

Intégrer les meilleures pratiques de sécurité dans les développements web.

Déployer des applications back-end prêtes pour la production sur Amazon Web Services

Écrivez un code propre et maintenable, conforme aux normes du secteur

Mettre en place un système de journalisation efficace dans une application back-end

Gérer la configuration des applications web en fonction de l’environnement et des variables d’environnement

Mettez en œuvre la validation des données

Description du contenu

Architectures de microservices (hexagonale, CQRS, EDA, etc.),

Développement d’API RESTful à l’aide d’outils open source tels que Python, Swagger, OAuth

Intégration avec des bases de données SQL et NoSQL.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP11.- Réalisation de projets

AP13. – Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE4.- Portfolio 10 %

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d'apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d'autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir d’une écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données permettant leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE13 Écrire des programmes informatiques à l'aide de langages de programmation modernes dédiés à l'intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Acquis d’apprentissage

Développer une compréhension écrite permettant de s'exprimer dans un contexte professionnel en anglais.

Développe une compréhension orale lui permettant de s’affirmer dans un contexte professionnel en anglais.

Possède des compétences en expression orale lui permettant de s’exprimer dans un contexte professionnel en anglais.

Possède des compétences en expression écrite lui permettant de s’exprimer dans un contexte professionnel en anglais.

Maîtrise le vocabulaire lié à l'informatique et à l'intelligence artificielle.

Description des contenus

Vocabulaire scientifique et professionnel des technologies numériques

Grammaire (niveau intermédiaire)

Communication avec les clients.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP14. – Exposés oraux

AP15.- Débats

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d’évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, une participation inférieure à 70 % aux activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2. – Épreuves finales de connaissances 60 %

Bibliographie

De base :

1.- Hill, David

English for Information Technology Level 2 Course Book

Pearson Educación. 2012.

ISBN : 9781408269909

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour poursuivre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques liés à la réalisation de projets en rapport avec l’informatique et l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents pour proposer des solutions et prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données afin d’assurer leur exécution correcte sur une plateforme numérique.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE14 Concevoir des interfaces homme-machine afin que les systèmes numériques offrent une expérience utilisateur optimale, dans le respect des normes d’accessibilité.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Connaître différentes techniques de création de visualisations de données.

Maîtrise différentes méthodes de conception, de codage visuel et d’interaction avec les données.

Comprend l'état de l'art en matière de visualisation des données.

Sait communiquer de manière claire et efficace les tendances qui se dégagent des données.

Utiliser des outils permettant de générer des visualisations de données.

Utiliser des outils permettant de créer des visualisations interactives dans un environnement web.

Identifier les différentes étapes d’un projet de visualisation de données, quel que soit l’outil logiciel utilisé.

Connaît et propose des méthodes alternatives pour visualiser un même ensemble de données.

Description du contenu

Types de données et sources de données

Visualisation des informations pour les données ordinales et numériques.

Visualisation des données multivariées : nuages de points, faces de Chernoff.

Visualisation de données structurées : graphes et représentations de réseaux.

Visualisation de données non structurées : texte, flux de données, etc.

Outils de visualisation pour les données dynamiques

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Analyse de cas

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d'appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s'expriment généralement par l'élaboration et la défense d'arguments ainsi que par la résolution de problèmes dans leur domaine d'études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Que les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message en s’appuyant sur l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes afin d’en extraire des informations et de faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d'apprentissage

Comprendre en profondeur les modèles d’apprentissage automatique (régression logistique, perceptrons multicouches, réseaux neuronaux convolutifs, traitement du langage naturel, etc.)

Développe la capacité à résoudre des problèmes complexes dans divers contextes industriels grâce à l’apprentissage automatique.

Acquiert une expérience pratique dans la mise en œuvre de modèles de science des données sur des ensembles de données.

Apprend à mettre en œuvre des algorithmes d'apprentissage automatique en langage Python.

Compréhension approfondie des modèles d’apprentissage automatique (régression logistique, perceptrons multicouches, réseaux neuronaux convolutifs, traitement du langage naturel, etc.).

Développer la capacité à résoudre des problèmes complexes à l’aide de l’apprentissage automatique dans divers contextes industriels.

Acquérir une expérience pratique dans la mise en œuvre de modèles de science des données sur des ensembles de données.

Apprenez à mettre en œuvre des algorithmes d'apprentissage automatique avec le langage Python

Description du contenu

Algorithmes d'apprentissage supervisé.

Régression linéaire

Régression logistique

Algorithmes d'apprentissage non supervisé.

Regroupement par la méthode des K-moyennes.

KNN.

Algorithmes d'apprentissage par renforcement.

Q-Learning

Applications de l'apprentissage automatique dans l'industrie.

Algorithmes d'apprentissage supervisé.

Régression linéaire

Régression logistique

Algorithmes d'apprentissage non supervisé.

Regroupement par la méthode des K-moyennes.

KNN.

Algorithmes d'apprentissage par renforcement.

Q-Learning

Applications de l'apprentissage automatique dans l'industrie.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP11.- Élaboration de projets

AP12. – Résolution de problèmes

AP13. – Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin d’émettre des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE6 Développer des systèmes ou des architectures informatiques centralisées ou distribuées en intégrant du matériel, des logiciels et des réseaux afin de construire des solutions numériques basées sur l’intelligence artificielle.

CE7 Développer des systèmes informatiques dans le cloud à l’aide de microservices afin que les utilisateurs finaux puissent facilement créer et exécuter des applications sur des serveurs distants.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision grâce à l’informatique et à l’intelligence artificielle.

CE11 Appliquer des modèles prédictifs et utiliser le traitement du langage naturel lors du traitement d’ensembles de données massifs.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive pour les appliquer à différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques pour décrire différentes caractéristiques d’intérêt de leurs variables et interpréter les résultats.

Résultats d’apprentissage

Connaît le panorama du big data, y compris des exemples concrets.

Identifie les problèmes liés aux mégadonnées et est capable de proposer des solutions en s'appuyant sur la science des données.

Connaît l’architecture et les modèles de programmation utilisés pour l’analyse des mégadonnées.

Identifie les techniques de traitement couramment utilisées dans l'exploitation des mégadonnées

Appliquer des techniques de gestion des données en flux continu.

Identifier quand un problème lié au big data nécessite une intégration de données.

Connaître les principes fondamentaux de l’extraction et de l’analyse des données, ainsi que leurs liens avec d’autres disciplines.

Maîtriser les techniques de classification, d’association et de dépendance pour l’extraction de connaissances.

Maîtriser les techniques d’analyse de données complexes de différents types.

Maîtrise les concepts de base de l'informatique distribuée et sait reconnaître quand les appliquer.

Maîtriser les concepts de base de l’« edge computing » et savoir quand les appliquer.

Description du contenu

Principes fondamentaux du Big Data.

Architectures Hadoop et Spark (Datasets, DataFrames, Pyspark) sur l’une des principales plateformes cloud du marché.

Modélisation des données massives.

Préparation et sélection de données massives.

Intégration et traitement des données massives.

Introduction à l'Edge Computing.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités pédagogiques du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3. – Cahier de travaux pratiques de laboratoire 10 %

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE8 Connaître les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d’apprentissage

Comprendre la théorie de la quatrième révolution industrielle et l’établir en lien avec les grandes avancées technologiques de l’humanité.

Connaît les technologies numériques exponentielles et leur fusion avec les technologies physiques et biologiques.

Identifie les possibilités offertes par l’automatisation et son impact sur l’innovation et la productivité des organisations.

Connaître les nouveaux modèles de relation et de communication numérique entre les entreprises et leurs clients, ainsi que les opportunités pour les entreprises disruptives.

Identifier les nouvelles approches en matière de réglementation et de gestion agile des services publics.

Reconnaître les défis en matière de sécurité, d’éthique et d’inégalités posés par l’économie numérique.

Comprendre la théorie de la quatrième révolution industrielle et la replacer dans le contexte des grandes avancées technologiques de l’humanité.

Comprendre les technologies numériques exponentielles et leur fusion avec les technologies physiques et biologiques.

Identifier les possibilités offertes par l’automatisation et son impact sur l’innovation et la productivité au sein des organisations.

Connaître les nouveaux modèles de relation et de communication numérique entre les entreprises et leurs clients, ainsi que les opportunités pour les entreprises disruptives.

Identifier de nouvelles approches en matière de réglementation et de gestion agile des services publics.

Reconnaître les défis posés par l'économie numérique en matière de sécurité, d'éthique et d'inégalités.

Description du contenu

Présentation de la quatrième révolution industrielle.

Les technologies exponentielles et la fusion des mondes.

Innovation et productivité liées aux technologies exponentielles

Les entreprises numériques disruptives.

Gouvernance et réglementation de l'économie et de la société numériques.

Défense et sécurité. Internet comme champ de bataille.

Éthique et inégalités dans la quatrième révolution industrielle.

Introduction à la 4e révolution industrielle.

Technologies exponentielles et fusion des mondes.

Innovation et productivité liées aux technologies exponentielles.

Entreprises numériques disruptives.

Gouvernance et réglementation de l'économie et de la société numériques.

Défense et sécurité. Internet, un champ de bataille.

Éthique et inégalités dans la 4e révolution industrielle.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Études de cas

AP14. – Exposés oraux

AP15. – Débats

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de collecter et d'interpréter des données pertinentes (généralement dans leur domaine d'études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d'ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG2 Communiquer efficacement, tant à l'écrit qu'à l'oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l'intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE4 Diriger des projets basés sur les technologies numériques, en élaborant la planification des tâches, en assurant le suivi des activités, en contrôlant le budget et en garantissant la réalisation des objectifs dans les délais et selon les critères de qualité fixés.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

Acquis d’apprentissage

Reconnaît et apprécie l’importance et la nécessité de la gestion de projets.

Utilise des outils d'aide à la planification et à la gestion de projets.

Connaît les fonctions les plus importantes du responsable de projet.

Analyse et prend des décisions concernant la gestion et la planification des différentes phases d’un projet, telles que la planification, l’intégration, la portée, les délais, les coûts, l’approvisionnement et la qualité, dans le cadre de ce cours.

Identifie et analyse les ressources, les communications et les risques dans le processus de développement d’un projet d’ingénierie dans le domaine des technologies numériques et de l’intelligence artificielle.

Compréhension des éléments qui déterminent la gestion de la technologie dans un environnement d'entreprise.

Connaît les phases de la mise en œuvre et de la gestion des projets de R&D&I.

Comprend et applique les normes de qualité et la réglementation en vigueur dans le domaine des technologies numériques et de l’intelligence artificielle.

Description des contenus

Méthodologie Scrum et Scrum SAFe.

Méthodologie Kanban.

Développement itératif et de produit minimum viable (Minimum Viable Product, MVP) à l'aide de méthodologies agiles.

Adaptation des méthodologies agiles à l’intelligence artificielle.

Gestion du changement.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3.- Analyse de cas

AP14.- Exposés oraux

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités pédagogiques du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Objectifs

Le cours « Modélisation avancée de l'information » est axé sur l'étude et l'application des bases de données non relationnelles, avec un accent particulier sur MongoDB. Dans ce cours, les étudiants approfondissent les concepts et principes fondamentaux des bases de données NoSQL et acquièrent des compétences pratiques en matière de conception, de mise en œuvre et de gestion de systèmes de stockage de données flexibles et évolutifs.

Prérequis

Aucun prérequis n’a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message en pratiquant l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles pour stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE6 Développer des systèmes ou des architectures informatiques centralisées ou distribuées en intégrant du matériel, des logiciels et des réseaux afin de construire des solutions numériques basées sur l’intelligence artificielle.

CE7 Développer des systèmes informatiques dans le cloud à l’aide de microservices afin que les utilisateurs finaux puissent facilement créer et exécuter des applications sur des serveurs distants.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision grâce au calcul et à l'intelligence artificielle.

CE11 Appliquer des modèles prédictifs et utiliser le traitement du langage naturel lors du traitement de grands ensembles de données.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive pour les appliquer à différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Apprendre à mettre en place des processus d’exploitation des données évolutifs et fiables.

Concevoir des systèmes de bases de données adaptés à chaque problème concret.

Conçoit des systèmes de bases de données pour l’apprentissage automatique.

Supervise les flux de données et les modèles d’apprentissage automatique.

Concevoir des systèmes de bases de données distribués et évolutifs.

Découvrez les différents modèles de bases de données NoSQL.

Connaît les caractéristiques des principales bases de données NoSQL.

Apprenez à manipuler les données de la base de données de documents MongoDB.

Description du contenu

Bases de données distribuées

Haute disponibilité des bases de données.

Tolérance aux pannes des bases de données.

Haute performance et évolutivité pour la gestion de volumes de données importants.

Principes fondamentaux des bases de données NoSQL.

Types de bases de données NoSQL.

Programmation d'accès aux bases de données NoSQL.

Introduction à MongoDB.

Requêtes de base et avancées dans MongoDB.

Principes fondamentaux des bases de données orientées graphe.

Introduction à Neo4J.

Requêtes de base et avancées dans Neo4J.

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10. – Résolution de problèmes

AP13. – Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Session ordinaire

- 60 % d'examens théoriques/pratiques.

- 40 % des travaux pratiques.

Pour valider le cours lors de la session ordinaire, il faut obtenir une note finale (moyenne pondérée) supérieure ou égale à 5,0 sur 10,0, et la note de l'examen doit être supérieure ou égale à 5,0 sur 10,0 pour pouvoir être prise en compte dans le calcul de la moyenne avec les travaux pratiques.

Session extraordinaire

- 100 % d’examens théoriques/pratiques.

Liens

MongoDB - Documentation - Documentation officielle en ligne

Neo4J – Documentation - Documentation officielle en ligne

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents pour proposer des solutions et prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE4 Diriger des projets basés sur les technologies numériques, en élaborant la planification des tâches, en assurant le suivi des activités, en contrôlant le budget et en garantissant la réalisation des objectifs dans les délais et avec la qualité fixés.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE6 Développer des systèmes ou des architectures informatiques centralisées ou distribuées en intégrant du matériel, des logiciels et des réseaux afin de construire des solutions numériques basées sur l’intelligence artificielle.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun. Comprendre les principes fondamentaux de la cryptographie.

Résultats d'apprentissage

Comprendre les principes fondamentaux de la cryptographie.

Connaît les principaux algorithmes de chiffrement.

Connaît les systèmes de signature et de vérification basés sur une clé publique

Comprendre les mesures de sécurité des systèmes d’information et des réseaux.

Connaît les mécanismes de vérification d'identité dans les systèmes numériques.

Définir des politiques de sécurité pour les systèmes d'information d'entreprise.

Réaliser des audits de sécurité des systèmes et réseaux numériques.

Comprendre les principes fondamentaux de la cryptographie.

Connaître les principaux algorithmes de chiffrement.

Connaître les systèmes de signature et de vérification basés sur la clé publique.

Comprendre les mesures de sécurité des systèmes d'information et des réseaux.

Connaître les mécanismes de vérification d’identité dans les systèmes numériques.

Définir des politiques de sécurité pour les systèmes d'information d'entreprise.

Réaliser des audits de sécurité des systèmes et réseaux numériques

Description du contenu

Introduction à la sécurité des systèmes d'information.

Cryptographie symétrique et asymétrique.

Algorithmes de chiffrement à clé publique.

Systèmes de vérification d'identité.

Sécurité des systèmes d'information et des réseaux.

Politiques et stratégies de sécurité.

Introduction à la sécurité des systèmes d'information.

Cryptographie symétrique et asymétrique.

Algorithmes de chiffrement à clé publique.

Systèmes de vérification d'identité.

Sécurité des systèmes d'information et des réseaux.

Politiques et stratégies de sécurité.

Activités pédagogiques

AP1. – Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Analyse de cas

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l'examen organisé pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Objectifs

• Concevoir et déployer des solutions informatiques cloud-native et en temps réel en appliquant les méthodologies DevOps et MLOps, les microservices, les conteneurs et les architectures distribuées, à l’aide de plateformes et de technologies cloud telles que Kafka pour traiter et gérer efficacement les données.

• Développer et évaluer de manière responsable des systèmes évolutifs basés sur l’IA, en appliquant des techniques d’apprentissage automatique et de traitement des données à des ensembles de données hétérogènes et à grande échelle, tout en tenant compte des risques éthiques, sociaux, économiques et environnementaux liés au développement et au déploiement de solutions d’IA.

Description du contenu

• Méthodologie DevOps.

• Méthodologie MLOps.

• Principes fondamentaux du cloud natif (microservices, conteneurs…).

• Architectures en temps réel (Kafka), en travaillant sur certaines des principales plateformes cloud du marché.

Système et critères d'évaluation

SESSION ORDINAIRE

La note finale du cours lors de la session ordinaire sera déterminée selon la pondération suivante :

• SE1. – Activités pratiques : 30 % de la note finale. Projet ULab « Técnicas Reunidas ».

• SE2. – Évaluations finales des connaissances : 50 % de la note finale. Il s’agira d’un examen synchrone portant sur l’ensemble du contenu du cours, qui se tiendra pendant la période d’examens officielle fixée par l’université.

• SE4. – Portfolio : 20 % de la note finale. Compilation progressive des preuves d’apprentissage (développement de code source structuré, conceptions UX/UI ou déploiements d’API REST), accompagnée d’une auto-évaluation critique réalisée par l’étudiant.

Pour valider le cours lors de la session ordinaire, les conditions suivantes doivent être remplies :

• Obtenir une moyenne pondérée de 5,0 sur 10,0 ou plus lors de l’évaluation continue (SE1 et SE4).

• Obtenir une note de 5,0 sur 10,0 ou plus à l’évaluation finale des connaissances (SE2).

Si la note minimale de 5,0 n’est pas atteinte dans l’une ou l’autre des deux composantes, la note finale pour la session ordinaire ne dépassera pas 4,9 (Échec).

Toute absence à un examen et/ou à une activité d’évaluation doit être dûment justifiée en présentant le justificatif officiel correspondant (médical, professionnel ou administratif) à l’enseignant responsable du cours. À défaut, l’étudiant ne pourra pas se présenter à une session de rattrapage de l’examen ou de l’activité d’évaluation.

Un étudiant qui ne réalise aucune des activités d’évaluation continue et ne se présente pas à l’examen final se verra attribuer la note « Non présenté (NP) ». Dans tous les autres cas, l’étudiant se verra attribuer la note correspondant aux résultats obtenus lors des activités d’évaluation réalisées.

Un étudiant qui ne réalise aucune des activités d’évaluation continue (SE1 et SE4) sera considéré comme s’étant retiré de l’évaluation continue. Dans ce cas, l’examen passé pendant la période d’évaluation officielle fixée par l’université constituera le seul critère d’évaluation et comptera pour 100 % de la note finale.

SESSION EXTRAORDINAIRE

Lors de la session extraordinaire, la note finale sera déterminée selon la même pondération que celle décrite ci-dessus :

• SE1. – Travaux pratiques : 30 % de la note finale.

• SE2. – Examen extraordinaire, qui se tiendra pendant la période d’examens officielle fixée par l’université : 60 % de la note finale.

• SE4. – Portfolio : 20 % de la note finale.

Les étudiants sont tenus de présenter et de soutenir les activités pratiques (SE1 et SE4) qui n’ont pas été validées ou qui n’ont pas été rendues lors de la session ordinaire.

Pour valider le cours lors de la session extraordinaire, les mêmes conditions que celles fixées pour la session ordinaire doivent être remplies :

• Obtenir une moyenne pondérée de 5,0 sur 10,0 ou plus aux travaux pratiques (SE1 et SE4).

• Obtenir une note de 5,0 sur 10,0 ou plus à l’évaluation finale des connaissances (SE2).

Si la note minimale de 5,0 n’est pas atteinte dans l’une ou l’autre des deux composantes, la note finale de la session extraordinaire ne dépassera pas 4,9 (Échec).

Un étudiant qui ne réalise aucune des activités d’évaluation continue et ne se présente pas à l’examen final se verra attribuer la note « Non présenté (NP) ». Dans tous les autres cas, l’étudiant se verra attribuer la note correspondant aux résultats obtenus lors des activités d’évaluation réalisées.

Un étudiant qui ne réalise aucune des activités d’évaluation continue (SE1 et SE4) sera considéré comme s’étant retiré de l’évaluation continue. Dans ce cas, l’examen passé pendant la période d’évaluation officielle fixée par l’université constituera le seul critère d’évaluation et comptera pour 100 % de la note finale.

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de rassembler et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE5 Concevoir l’accessibilité, l’ergonomie, la convivialité et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE8 Maîtriser les problématiques liées aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d’apprentissage

Savoir comment intégrer l’intelligence artificielle dans une stratégie d’entreprise.

Apprend à élaborer une feuille de route pour mettre en œuvre l’intelligence artificielle dans un contexte d’entreprise.

Identifie les implications organisationnelles de l’intégration de la robotique, du traitement du langage naturel et de l’apprentissage automatique dans les entreprises.

Sait tirer parti des connaissances clés en matière de gestion et de leadership dans le domaine de l’IA pour étayer une prise de décision stratégique éclairée.

Acquérir des bases pratiques en intelligence artificielle et ses applications en entreprise pour transformer les organisations en entreprises du futur.

Savoir intégrer l’intelligence artificielle dans une stratégie d’entreprise.

Apprendre à élaborer une feuille de route pour la mise en œuvre de l’intelligence artificielle dans un contexte d’entreprise.

Identifier les implications organisationnelles de l’intégration de la robotique, du traitement du langage naturel et de l’apprentissage automatique dans les entreprises.

Savoir tirer parti des connaissances clés en matière de gestion et de leadership issues de l’IA pour soutenir une prise de décision stratégique éclairée.

Acquérir des bases pratiques en intelligence artificielle et ses applications professionnelles afin de transformer les organisations en entreprises du futur.

Description du contenu

Stratégie de mise en œuvre de l’intelligence artificielle au sein d’une organisation.

L'apprentissage automatique en entreprise

Le traitement du langage naturel en entreprise

La robotique dans le monde des affaires.

L'intelligence artificielle dans l'entreprise et la société

Exemples de réussite.

L'avenir de l'intelligence artificielle.

Stratégie de mise en œuvre de l'intelligence artificielle au sein d'une organisation.

L'apprentissage automatique en entreprise

Le traitement du langage naturel dans le monde des affaires

La robotique dans le monde des affaires.

L'intelligence artificielle dans le monde des affaires et la société

Exemples de réussite.

L'avenir de l'intelligence artificielle.

Activités de formation

AP1. – Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Études de cas

AP14. – Exposés oraux

AP15. – Débats

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui est attribuée conformément au programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Prérequis

Aucun prérequis n'a été défini

Compétences

CB2 Les étudiants doivent être capables d'appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s'expriment généralement par l'élaboration et la défense d'arguments ainsi que par la résolution de problèmes dans leur domaine d'études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CG6 Intégrer des valeurs éthiques et une sensibilité à la transformation sociale, économique et environnementale dans son activité professionnelle et scientifique dans le domaine de l’informatique et des technologies de l’information et de la communication.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique à l’aide d’un langage de programmation adapté et préparer un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision à l’aide de l’informatique et de l’intelligence artificielle.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Comprendre le fonctionnement de l'apprentissage profond.

Connaît les fondements mathématiques des réseaux neuronaux et leurs différentes architectures.

Comprend les modèles mathématiques des réseaux neuronaux convolutifs.

Comprendre les techniques d'optimisation des réseaux neuronaux convolutifs.

Comprendre les concepts et les algorithmes de l'apprentissage par renforcement.

Connaître les différents types de problèmes auxquels les réseaux neuronaux peuvent s’appliquer.

Concevez des solutions basées sur des architectures spécifiques de réseaux neuronaux appliquées à des problèmes complexes dans différents secteurs d’activité.

Concevoir, programmer, entraîner et exécuter un modèle de réseau neuronal.

Description du contenu

Principes fondamentaux des réseaux neuronaux convolutifs.

Le perceptron multicouche.

Mise en œuvre d’un réseau neuronal convolutif.

Programmation d'applications mettant en œuvre des réseaux neuronaux convolutifs.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP11.- Réalisation de projets

AP12.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4.- Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec le pourcentage qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d'appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s'expriment généralement par l'élaboration et la défense d'arguments ainsi que par la résolution de problèmes dans leur domaine d'étude

CB3 Les étudiants doivent être capables de collecter et d'interpréter des données pertinentes (généralement dans leur domaine d'études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d'ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CG4 Identifier les risques liés à la réalisation de projets dans le domaine de l’informatique et de l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision à l’aide de l’informatique et de l’intelligence artificielle.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière d’apprentissage automatique.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Connaît les processus permettant de décrire une image numérique.

Applique les techniques de segmentation d’images et de reconnaissance de formes.

Applique les modèles d’apprentissage automatique et d’apprentissage profond au traitement numérique des images.

Conçoit des solutions basées sur l’apprentissage automatique et l’apprentissage profond, appliquées à des problèmes complexes de traitement d’images et de vision artificielle.

Concevoir, programmer, entraîner et exécuter un modèle de vision artificielle à l’aide de langages de programmation et d’environnements de développement spécifiques au traitement d’images.

Connaître les processus permettant de décrire une image numérique.

Appliquer des techniques de segmentation d’images et de reconnaissance de formes.

Appliquer des modèles d’apprentissage automatique et d’apprentissage profond au traitement numérique des images.

Concevoir des solutions basées sur l'apprentissage automatique et l'apprentissage profond, appliquées à des problèmes complexes de traitement d'images et de vision artificielle.

Concevoir, programmer, entraîner et exécuter un modèle de vision par ordinateur à l'aide de langages de programmation et d'environnements de développement spécifiques au traitement d'images.

Description du contenu

Introduction à la vision artificielle.

Segmentation d'images.

Reconnaissance de formes.

Modèles de représentation et de description des images.

Classificateurs d'images.

Arbres de décision

Classificateur Support Vector Machine (SVM).

Applications de la vision par ordinateur.

Introduction à la vision par ordinateur.

Segmentation d’images.

Reconnaissance de formes.

Modèles de représentation et de description d'images.

Classificateurs d’images.

Arbres de décision.

Classificateur par machines à vecteurs de support (SVM).

Applications de la vision artificielle

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP12.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de toute autre exigence pouvant être définie dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l’examen qui se tiendra pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Objectifs

L'objectif de ce cours est de comprendre comment les systèmes informatiques traitent le langage naturel afin de faciliter l'interaction avec le langage humain et d'approfondir les applications du traitement du langage naturel.

Prérequis

Les étudiants doivent justifier d’un niveau d’anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s’inscrire à ce cours.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Les étudiants doivent être capables de rassembler et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines dans la poursuite d’objectifs communs.

CT3 Pensée analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et opportune.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision à l’aide de l’informatique et de l’intelligence artificielle.

CE11 Appliquer des modèles prédictifs et utiliser le traitement du langage naturel lors du traitement d’ensembles de données massifs.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière de développement de l'apprentissage automatique.

CE13 Écrire des programmes informatiques avec des langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données en utilisant l’apprentissage automatique et l’analyse prédictive pour les appliquer à différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Appliquer les réseaux neuronaux au traitement du langage naturel, des modèles neuronaux simples aux plus complexes.

Comprendre le concept d’embeddings de mots et ses applications au traitement du langage naturel.

Comprendre les réseaux neuronaux récurrents et les modèles LSTM pour analyser des textes et en réaliser la synthèse.

Comprendre le modèle de réseau transformateur pour analyser les relations entre les mots d’un texte.

Concevoir des solutions basées sur des architectures spécifiques de réseaux neuronaux appliquées à des problèmes complexes du traitement du langage naturel.

Concevoir, programmer, entraîner et exécuter un modèle de traitement du langage naturel

Appliquer les réseaux neuronaux au traitement du langage naturel, des modèles neuronaux simples aux modèles complexes.

Comprendre le concept d'embeddings de mots et leurs applications dans le traitement du langage naturel.

Comprendre les réseaux neuronaux récurrents et les modèles LSTM pour l’analyse et la synthèse de textes.

Comprendre le modèle de réseau transformationnel pour analyser les relations entre les mots dans un texte.

Concevoir des solutions basées sur des architectures spécifiques de réseaux neuronaux appliquées à des problèmes complexes de traitement du langage naturel.

Concevoir, programmer, entraîner et exécuter un modèle de traitement du langage naturel.

Description du contenu

Introduction.

Niveaux de traitement (phonétique, morphologique, syntaxique, sémantique, discursif, pragmatique) et leur traitement.

Définition et construction de corpus linguistiques.

Utilisation des techniques d’apprentissage automatique et de deep learning dans le traitement du langage naturel.

Cas d'utilisation : reconnaissance de formes, extraction d'informations dans des textes, analyse des sentiments, chatbots.

Introduction.

Niveaux de traitement (phonétique, morphologique, syntaxique, sémantique, discursif, pragmatique) et leur traitement.

Définition et construction de corpus linguistiques.

Utilisation des techniques d’apprentissage automatique et d’apprentissage profond dans le PLN.

Cas d'utilisation : reconnaissance de formes, extraction d'informations dans des textes, analyse des sentiments, chatbots.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP11.- Élaboration de projets

AP12. – Résolution de défis

AP13.- Activités d'ateliers et/ou de laboratoires

AP4.- Travail autonome

AP5. – Tutorat

AP6.- Épreuves de connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Conditions préalables

Les étudiants doivent justifier d'un niveau d'anglais B-2 selon le Cadre européen commun de référence pour les langues avant de s'inscrire à ce cours

Compétences

CB2 Les étudiants doivent être capables d'appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s'expriment généralement par l'élaboration et la défense d'arguments ainsi que par la résolution de problèmes dans leur domaine d'études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en ayant conscience de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE5 Concevoir l’accessibilité, l’ergonomie, la facilité d’utilisation et la sécurité des systèmes, applications et services informatiques, ainsi que des informations qu’ils fournissent, conformément à la législation et à la réglementation en vigueur.

CE8 Maîtriser les problématiques liées aux sciences de l'informatique et à l'intelligence artificielle, afin d'appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d’apprentissage

Comprend les problèmes éthiques dans le domaine de l’intelligence artificielle.

Connaît la législation nationale et internationale traitant des questions éthiques liées à l’intelligence artificielle.

Connaît et applique la législation en matière de protection des données à caractère personnel et de vie privée.

Fait preuve d’intérêt et d’initiative pour intégrer les bonnes pratiques éthiques dans le développement de solutions basées sur l’intelligence artificielle.

Résoudre les problèmes éthiques liés à l’intelligence artificielle en s’efforçant d’éviter tout impact négatif sur les citoyens, en particulier les groupes les plus défavorisés.

Applique des critères de prudence dans la conception de systèmes basés sur l’intelligence artificielle, en tenant compte de conditions préalables très strictes afin d’éviter des résultats potentiellement préjudiciables.

Connaît et applique des techniques visant à éviter les biais lors de l’entraînement de modèles et d’algorithmes basés sur l’intelligence artificielle.

Comprendre les enjeux éthiques dans le domaine de l’intelligence artificielle.

Connaître la législation nationale et internationale relative aux questions éthiques liées à l’intelligence artificielle.

Connaître et appliquer la législation relative à la protection des données à caractère personnel et à la vie privée.

Faire preuve de sensibilité et d’initiative pour intégrer de bonnes pratiques éthiques dans le développement de solutions fondées sur l’intelligence artificielle.

Résoudre les problèmes éthiques liés à l’intelligence artificielle en s’efforçant de prévenir tout impact négatif sur les citoyens, en particulier sur les groupes les plus défavorisés.

Appliquer des critères de prudence lors de la conception de systèmes basés sur l’intelligence artificielle, en tenant compte de conditions préalables très strictes afin d’éviter tout résultat potentiellement préjudiciable.

Connaître et appliquer les techniques permettant d’éviter les biais lors de l’entraînement des modèles et des algorithmes basés sur l’intelligence artificielle

Description du contenu

Cadre juridique européen relatif à l'intelligence artificielle.

Réglementation relative à la protection des données à caractère personnel.

Fiabilité des systèmes d’intelligence artificielle.

Responsabilité des systèmes d’intelligence artificielle.

Responsabilité des systèmes d'intelligence artificielle.

Autonomie limitée des systèmes d’intelligence artificielle.

Le rôle des êtres humains dans les systèmes d’intelligence artificielle

Étude de cas : la voiture autonome.

Cadre juridique européen en matière d'intelligence artificielle.

Réglementation relative à la protection des données à caractère personnel.

Fiabilité des systèmes d’intelligence artificielle.

Responsabilité des systèmes d'intelligence artificielle.

Responsabilité civile des systèmes d’intelligence artificielle.

Autonomie limitée des systèmes d’intelligence artificielle.

Le rôle de l'humain dans les systèmes d'intelligence artificielle.

Étude de cas : la voiture autonome.

Activités pédagogiques

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP3.- Analyse de cas

AP14.- Exposés oraux

AP15. – Débats

AP4. – Travail autonome

AP5.- Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l'éventuelle définition d'une autre exigence dans le programme de cours correspondant, de manière générale, l'absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l'étudiant, entraînera la perte du droit à l'évaluation continue lors de la session ordinaire. Dans ce cas, l'examen organisé pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 40 %

SE2.- Épreuves finales de connaissances 60 %

Prérequis

Les cours magistraux consisteront en des séances pratiques destinées à préparer l'étudiant à développer ses compétences en communication et en travail d'équipe, ainsi qu'à se familiariser avec les environnements de travail professionnels.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message en s’appuyant sur l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT2 Travail d’équipe : Être capable d’interagir, d’écouter avec empathie et de proposer des solutions en intégrant les différents points de vue, afin de collaborer efficacement avec des personnes issues de différents domaines et disciplines pour atteindre des objectifs communs.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CT5 Leadership éthique : Être capable de motiver, d’influencer et de diriger d’autres personnes en favorisant leur développement, afin qu’elles collaborent efficacement et atteignent des objectifs communs dans un cadre de valeurs.

CE21 Mettre en pratique les connaissances acquises dans un environnement professionnel, pour gérer ses tâches avec un sens des responsabilités et travailler en équipe avec initiative et motivation.

Résultats d’apprentissage

RA-1. L’étudiant doit posséder des capacités d’organisation, de planification et de gestion efficace du temps.

RA-2. L'étudiant doit être capable d'élaborer des projets et des rapports, à l'oral comme à l'écrit, dans le domaine de l'entreprise.

RA-3. L'étudiant doit faire preuve de capacité d'apprentissage, de flexibilité et d'adaptation à l'environnement professionnel.

RA-4. L'étudiant doit être capable de prendre des décisions et de résoudre des problèmes en faisant preuve d'initiative, d'autonomie et de créativité.

RA-5. Que l'étudiant soit capable de s'engager sur le plan éthique et de se sensibiliser aux enjeux sociaux, économiques et environnementaux.

RA-6. Que l'étudiant fasse preuve de leadership et d'esprit d'équipe dans des environnements soumis à des contraintes.

RA-7. Que l’étudiant développe ses compétences interpersonnelles.

RA-8. Que l'étudiant soit capable de réfléchir de manière stratégique et axée sur les résultats.

RA-9. Que l’étudiant soit capable de se connaître soi-même et d’évoluer personnellement au sein de l’environnement professionnel.

RA-10. Que l’étudiant fasse preuve d’esprit d’initiative et développe sa capacité à percevoir par lui-même les problèmes sociaux dans divers contextes et environnements multiculturels

Description des contenus

Le contenu des stages externes que devra effectuer l’étudiant s’appuiera sur l’expérience professionnelle acquise au sein d’un établissement préalablement lié à l’université par une convention mentionnant expressément les activités de stage externe dans ledit établissement. Le thème choisi sera précisé avant le début du stage de l’étudiant et pourra porter sur différents aspects à caractère professionnel.

Activités de formation

AP1.- Cours magistraux participatifs

AP4. – Travail autonome

AP5. – Tutorat

AP9. – Stages en entreprise

Système et critères d'évaluation

SE.7 Rapport du tuteur de stage externe 45 %

SE.8 Rapport du tuteur académique des stages externes 40 %

SE.9 Rapport de stage externe 15 %

Conditions préalables

La soutenance du TFG pourra se dérouler par vidéoconférence à condition que :

1) Une personne représentant l'université vérifie en personne l'identité de l'étudiant sur le

lieu où celui-ci présente son mémoire de fin d’études et l’accompagne pendant celle-ci ;

2) La soutenance soit publique, soit là où se trouve l’étudiant, soit là où se trouve le jury ;

3) Il existe une possibilité d’interaction entre l’étudiant et le jury.

Les cours magistraux consisteront en des exercices pratiques visant à familiariser l’étudiant avec la méthodologie du travail par projet, l’identification des sources et les techniques de recherche d’informations.

Compétences

CB1 Que les étudiants aient démontré qu’ils possèdent et comprennent des connaissances dans un domaine d’étude qui s’appuie sur les bases de l’enseignement secondaire général, et qui se situe généralement à un niveau qui, bien qu’il s’appuie sur des manuels avancés, inclut également certains aspects impliquant des connaissances issues de la pointe de leur domaine d’étude

CB2 Que les étudiants sachent appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et possèdent les compétences généralement démontrées par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Que les étudiants soient capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’étude) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Que les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant à l’écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l’activité du professionnel des technologies numériques.

CG4 Identifier les risques associés à la réalisation de projets liés à l’informatique et à l’intelligence artificielle.

CG5 Planifier les tâches des projets informatiques ou liés aux TIC afin de garantir la réalisation des objectifs et le respect des délais fixés

CG6 Intégrer des valeurs éthiques et une sensibilité à la transformation sociale, économique et environnementale dans sa pratique professionnelle et scientifique dans le domaine de l’informatique et des technologies de l’information et de la communication.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE20 Défendre un travail personnel et original dans le domaine de l’informatique et de l’intelligence artificielle qui synthétise les connaissances et les compétences acquises dans le cadre du cursus.

Résultats d’apprentissage

RA-1. L'étudiant doit réaliser individuellement, présenter et défendre devant un jury universitaire un projet de nature professionnelle dans le domaine de l'intelligence d'affaires, dans lequel sont synthétisées et intégrées les compétences requises dans le cadre de la formation

Description des contenus

Le mémoire de fin d’études doit permettre de vérifier l’acquisition par l’étudiant des compétences générales et spécifiques du cursus, en synthétisant les compétences acquises au cours de la formation, ou dans le cadre d’un travail à caractère innovant dans l’un des domaines de compétence du cursus, d’une complexité suffisante, dans un environnement aussi proche que possible de la réalité. L’étudiant devra élaborer un travail cohérent, d’une durée réaliste au regard des objectifs visés. Il s’agira de proposer un travail original, fruit d’une recherche documentaire et d’une contribution personnelle de l’étudiant.

Activités de formation

AP1 Cours magistral participatif

AP5 Tutorat

AP7 Rédaction du mémoire de fin d’études

AP8 Soutenance publique du mémoire de fin d'études

Système et critères d'évaluation

SE 5 Rapport de fin d'études 70 %

SE 6 Soutenance et présentation du mémoire de fin d'études devant le jury d'évaluation 30 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB1 Les étudiants doivent avoir démontré qu’ils possèdent et comprennent des connaissances dans un domaine d’étude s’appuyant sur les bases de l’enseignement secondaire général, et se situant généralement à un niveau qui, bien qu’il s’appuie sur des manuels avancés, inclut également certains aspects faisant appel à des connaissances issues de la pointe de leur domaine d’étude

CB2 Que les étudiants sachent appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et possèdent les compétences qui se manifestent généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB3 Que les étudiants soient capables de collecter et d’interpréter des données pertinentes (généralement dans leur domaine d’études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d’ordre social, scientifique ou éthique

CB4 Que les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données afin d’assurer leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision à l'aide de l'informatique et de l'intelligence artificielle.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Acquis d’apprentissage

Connaître les concepts de base de la biologie moléculaire et cellulaire.

Connaît le projet « Génome humain », son utilité et son potentiel pour l’avenir.

Comprend les défis actuels de la biologie qui peuvent être relevés grâce aux technologies informatiques et à l’intelligence artificielle.

Comprend la contribution des outils de la science des données au projet « Génome humain ».

Connaître le contexte de la médecine numérique et les technologies qui contribuent à une nouvelle ère dans le domaine médical.

Comprenez les défis et les opportunités offerts par l’intelligence artificielle pour améliorer la médecine et les services de santé.

Connaître l’application de la science des données à la médecine numérique.

Connaissance des concepts fondamentaux de la biologie moléculaire et cellulaire.

Connaître le projet Génome humain, son utilité et son potentiel pour l’avenir.

Comprendre les défis actuels en biologie qui peuvent être relevés grâce aux technologies informatiques et à l’intelligence artificielle.

Comprendre la contribution des outils de science des données au Projet Génome.

Comprendre le contexte de la médecine numérique et les technologies qui contribuent à une nouvelle ère dans le domaine médical.

Comprendre les défis et les opportunités offerts par l’intelligence artificielle pour améliorer la médecine et les services de santé.

RA-9. Connaître les applications de la science des données en médecine numérique.

Description du contenu

Introduction à la biologie cellulaire et moléculaire.

Le projet « Génome humain ».

Génie génétique.

Bio-informatique et simulation des processus biologiques.

Analyse du Big Data et biologie des systèmes.

Introduction à la médecine numérique.

Technologies de la médecine numérique.

Science des données pour la médecine.

Application de l'intelligence artificielle au diagnostic des maladies et à la prise en charge des patients.

Introduction à la biologie cellulaire et moléculaire.

Le projet Génome humain.

Génie génétique.

Bio-informatique et simulation des processus biologiques.

Analyse du Big Data et biologie des systèmes.

Introduction à la médecine numérique.

Technologies de la médecine numérique.

Science des données appliquée à la médecine.

Application de l'intelligence artificielle au diagnostic des maladies et aux soins des patients.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP3. – Analyse de cas

AP12. – Résolution de problèmes

AP13. – Ateliers et/ou travaux pratiques

AP4.- Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucune condition préalable n'a été définie.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB4 Les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Les étudiants doivent avoir développé les aptitudes d’apprentissage nécessaires pour poursuivre des études supérieures avec un haut degré d’autonomie

CG1 Acquérir de manière autonome de nouvelles connaissances et techniques adaptées à la conception, au développement ou à l’exploitation de systèmes d’information numériques.

CG2 Communiquer efficacement, tant par écrit qu’à l’oral, des connaissances, des procédures, des résultats et des idées liés aux technologies numériques et à l’intelligence artificielle, en tenant compte de leur impact socio-économique.

CG3 Comprendre la responsabilité sociale, éthique et professionnelle, ainsi que civile le cas échéant, inhérente à l'activité du professionnel des technologies numériques.

CT1 Communication efficace : Être capable de transmettre et d’adapter un message à partir de l’écoute active afin d’établir un lien avec le public, en utilisant les ressources nécessaires pour s’adapter à ses caractéristiques et à celles du contexte.

CT3 Esprit d’analyse : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en identifiant des schémas récurrents afin de proposer des solutions et de prendre des décisions.

CT4 Créativité : Être capable de générer des idées et des solutions innovantes à des problèmes ou des situations complexes dans des environnements de collaboration et de co-création.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données afin d’assurer leur exécution correcte sur une plateforme numérique.

CE8 Connaître les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

Résultats d’apprentissage

Comprendre les principes fondamentaux de la technologie blockchain

Comprendre ce qu’est le Bitcoin et comment il fonctionne.

Connaît les applications et les cas d’utilisation de la technologie blockchain dans le secteur des services financiers

Découvre les différentes catégories de crypto-actifs et les différentes façons d’effectuer des transactions grâce à la technologie blockchain.

Découvrir comment la blockchain transforme l'économie et la société en général.

Comprenez le lien entre la technologie blockchain et le Bitcoin, ainsi que son importance.

Réfléchissez à des modèles innovants d’application de la technologie blockchain.

Acquérez les compétences nécessaires pour concevoir et mettre en œuvre des contrats intelligents.

Découvrez des méthodes pour développer des applications décentralisées en tirant parti de la technologie blockchain.

Découvrez les cadres de la blockchain spécifiques au secteur financier.

Découvrez la réglementation ainsi que le rôle fondamental des données et de la sécurité dans le secteur de la Fintech.

Description du contenu

Principes fondamentaux de la blockchain.

Plateformes technologiques de la blockchain.

Contrats intelligents.

Jetons numériques.

Applications décentralisées (Dapps)

Cryptographie et fonctions de hachage.

Introduction aux cryptomonnaies et au Bitcoin.

Fonctionnement du Bitcoin et rôle de la technologie blockchain.

Mine de Bitcoin.

Transformation des services financiers grâce à la technologie blockchain et au Bitcoin.

Réglementation dans le domaine de la FinTech.

Obstacles et défis liés à la technologie Bitcoin.

Activités de formation

AP1.- Cours magistraux participatifs

AP2.- Séminaires ou cours pratiques

AP3. – Analyse de cas

AP12.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme correspondant à la matière, de manière générale, l’absence à plus de 70 % des activités de formation de la matière, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l'examen qui se tiendra pendant la période officielle fixée par l'université constituera le seul critère d'évaluation, avec le pourcentage qui lui est attribué conformément au programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’études

CB3 Les étudiants doivent être capables de collecter et d'interpréter des données pertinentes (généralement dans leur domaine d'études) afin de formuler des jugements incluant une réflexion sur des questions pertinentes d'ordre social, scientifique ou éthique

CB4 Les étudiants doivent être capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données permettant leur exécution correcte sur une plateforme numérique.

CE3 Abstraire des données et des modèles afin de stocker les représentations internes des modèles d’intelligence artificielle, tels que les classificateurs linéaires et les réseaux d’apprentissage profond.

CE8 Connaître les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE10 Traiter des données hétérogènes pour en extraire des informations et faciliter la prise de décision à l’aide de l’informatique et de l’intelligence artificielle.

CE11 Appliquer des modèles prédictifs et utiliser le traitement du langage naturel lors du traitement d’ensembles de données massifs.

CE12 Utiliser les méthodologies agiles de développement logiciel avec les outils de pointe en matière de développement de l’apprentissage automatique.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE16 Traiter de grandes quantités de données à l’aide de l’apprentissage automatique et de l’analyse prédictive en vue de leur application dans différents contextes de connaissance.

CE19 Maîtriser les modèles statistiques à l’aide d’outils numériques et graphiques afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d’apprentissage

Comprendre les principes physiques fondamentaux de l’informatique quantique.

Connaît les défis de l’informatique quantique qui ne peuvent être résolus par l’informatique classique.

Connaît les modèles mathématiques utilisés en informatique quantique.

Connaît les principaux algorithmes utilisés en informatique quantique.

Comprendre les architectures, les compilations et les langages de programmation destinés aux processeurs quantiques.

Utiliser les plateformes technologiques et les frameworks qui exploitent l'informatique quantique.

Découvrez les applications actuelles des solutions basées sur l'informatique quantique et leurs perspectives d'avenir.

Description du contenu

Introduction à l'informatique quantique.

Modèles mathématiques. Le qubit.

L'algorithme de Grover.

L'algorithme de factorisation de Shor.

Plateformes technologiques pour l'informatique quantique.

Applications pratiques.

Activités pédagogiques

AP1. – Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP10. Résolution de problèmes

AP11. Élaboration de projets

AP13. – Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de cours correspondant, de manière générale, l’absence à plus de 70 % des activités de formation du cours, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme de la matière.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini.

Compétences

CB2 Les étudiants doivent être capables d’appliquer leurs connaissances à leur travail ou à leur vocation de manière professionnelle et posséder les compétences qui s’expriment généralement par l’élaboration et la défense d’arguments ainsi que par la résolution de problèmes dans leur domaine d’étude

CB4 Les étudiants soient capables de transmettre des informations, des idées, des problèmes et des solutions à un public tant spécialisé que non spécialisé

CB5 Les étudiants doivent avoir développé les aptitudes d’apprentissage nécessaires pour entreprendre des études supérieures avec un haut degré d’autonomie

CE1 Résoudre des problèmes abstraits et complexes liés à l’intelligence artificielle en utilisant des méthodes, des techniques et des concepts mathématiques pour concevoir des solutions numériques.

CE2 Concevoir des algorithmes pour résoudre un problème spécifique en utilisant un langage de programmation adapté et en préparant un ensemble de données pour leur exécution correcte sur une plateforme numérique.

CE8 Identifier les problèmes liés aux sciences de l’informatique et à l’intelligence artificielle, afin d’appliquer la meilleure solution de manière efficace et en temps opportun.

CE13 Écrire des programmes informatiques à l’aide de langages de programmation modernes dédiés à l’intelligence artificielle afin de développer des prototypes de solutions numériques.

CE15 Construire des dispositifs mécaniques ou des robots capables d’effectuer des tâches en recevant des ordres de la part d’humains.

CE17 Résoudre des problèmes mathématiques en appliquant des techniques issues de la théorie des graphes et de l’algorithmique.

Résultats d’apprentissage

Comprendre l'exploration des processus et son lien avec le traitement des données.

Comprendre les concepts de base de l’automatisation des processus robotiques (RPA).

Distingue la RPA de l’automatisation traditionnelle

Comprend comment la RPA va influencer les processus métier au sein d’une organisation.

Comprendre les différentes architectures RPA permettant de mettre en place des solutions via la création de robots logiciels qui automatisent les tâches répétitives.

Comprendre et réaliser une analyse de faisabilité et de complexité des processus candidats à la RPA identifiés

Identifier, au sein d’une organisation, les types de processus les plus adaptés à l’automatisation par la RPA.

Description du contenu

Principes fondamentaux de la réingénierie des processus.

Méthodologie Lean.

Extraction de processus (Process Mining).

Automatisation robotisée des processus (RPA).

Outils RPA.

Application de l'apprentissage automatique à l'automatisation des processus (Cognitive Automation).

Activités de formation

AP1.- Cours magistraux participatifs

AP2. – Séminaires ou cours pratiques

AP3. – Analyse de cas

AP12.- Résolution de problèmes

AP13.- Ateliers et/ou travaux pratiques

AP4. – Travail autonome

AP5. – Tutorat

AP6. – Évaluations des connaissances

Système et critères d'évaluation

Sans préjudice de l’éventuelle définition d’une autre exigence dans le programme de la matière concernée, de manière générale, l’absence à plus de 70 % des activités de formation de la matière, nécessitant la présence physique ou virtuelle de l’étudiant, entraînera la perte du droit à l’évaluation continue lors de la session ordinaire. Dans ce cas, l’examen organisé pendant la période officielle fixée par l’université constituera le seul critère d’évaluation, avec la pondération qui lui correspond selon le programme du cours.

----

SE1.- Activités pratiques (résolution de cas, de problèmes et de défis, réalisation de projets, exposés oraux, débats, etc.) 30 %

SE2.- Épreuves finales de connaissances 60 %

SE3.- Cahier de travaux pratiques de laboratoire 10 %

Prérequis

Aucun prérequis n'a été défini

Compétences