Diplôme en ligne en intelligence artificielle et informatique

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.

Description du contenu

Systèmes d'équations linéaires.

Espaces vectoriels.

Applications linéaires.

Diagonalisation des endomorphismes.

Théorie des graphes

Statistiques et combinatoire.

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.) : 30 %

SE2.- Épreuves finales de connaissances : 60 %

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

Objectifs

Objectif général : Fournir à l'étudiant une base solide sur les concepts et méthodes fondamentaux des statistiques et des probabilités, afin de lui permettre de décrire, d'analyser et de tirer des conclusions à partir de données dans des contextes propres à l'informatique et à l'intelligence artificielle.

Objectifs spécifiques :

À l'issue de ce cours, l'étudiant sera capable de :

Comprendre les éléments de base de l'analyse des données et leur rôle dans la prise de décision.

Maîtriser les techniques de statistique descriptive pour résumer et présenter des informations de manière claire et rigoureuse.

Identifier et modéliser des variables aléatoires, en distinguant leurs types et leurs propriétés.

Connaître et appliquer les principales distributions de probabilité, tant discrètes que continues.

Distinguer les statistiques des paramètres, et comprendre les propriétés des estimateurs.

Appliquer l'approche fréquentialiste : estimation ponctuelle, intervalles de confiance et tests d'hypothèses.

Introduire l'approche bayésienne : mise à jour des informations à l'aide du théorème de Bayes, obtention de distributions a posteriori, d'intervalles de crédibilité et de tests bayésiens.

Développer des compétences pratiques à l’aide de logiciels statistiques et d’environnements de programmation (par ex. Python, R).

Description du contenu

Unité 1. Éléments de l'analyse des données

Types de données et échelles de mesure.

Processus d'analyse des données : collecte, nettoyage, exploration, modélisation et interprétation.

Rôle des statistiques dans l'intelligence artificielle et l'apprentissage automatique.

Unité 2. Statistiques descriptives

Mesures de position : moyenne, médiane, mode, quantiles.

Mesures de dispersion : variance, écart-type, écart interquartile.

Mesures de forme : asymétrie et kurtosis.

Représentations graphiques : histogrammes, diagrammes en boîte, diagrammes de dispersion.

Distributions des caractéristiques d'échantillon.

Unité 3. Variables aléatoires

Notion d'expérience aléatoire.

Définition des variables aléatoires discrètes et continues.

Fonctions de probabilité et de densité.

Fonction de distribution cumulée.

Espérance, variance et moments.

Unité 4. Distributions de probabilité

Distributions discrètes : Bernoulli, binomiale, géométrique, de Poisson.

Distributions continues : uniforme, exponentielle, normale.

Distributions dérivées : chi-carré, t de Student, F de Fisher.

Théorème de la limite centrale.

Unité 5. Modèles d'inférence statistique

Différence entre paramètres et statistiques.

Propriétés des estimateurs : absence de biais, cohérence, efficacité.

Distributions d'échantillon.

Unité 6. Approche fréquentialiste

Estimation ponctuelle des paramètres.

Intervalles de confiance pour les moyennes, les proportions et les variances.

Tests d'hypothèses : formulation, erreurs de type I et II, puissance d'un test.

Exemples d'application.

Unité 7. Approche bayésienne

Théorème de Bayes et mise à jour des croyances.

Distribution a priori, vraisemblance et distribution a posteriori.

Intervalles de crédibilité.

Tests bayésiens.

Comparaison entre l'approche bayésienne et l'approche fréquentialiste.

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’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 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.

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 qui résolvent des problèmes en utilisant 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV11. – Élaboration de projets

AV13.- Activités d'ateliers et/ou de laboratoires

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

SE4.- Portfolio : 10 %

Objectifs

L'objectif de ce cours est de doter l'étudiant des compétences relationnelles 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'art oratoire 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 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.

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 le résultat 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 des contenus

Communication efficace

Présentations efficaces

Prise de parole en public

Travail d'équipe.

Gestion des conflits.

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3. – Études de cas

AV14.- Exposés oraux

AV15.- Débats

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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 %

Objectifs

L'objectif de ce cours est de doter l'étudiant de connaissances en statistiques, graphes, logique, ensembles et théorie des nombres, qui lui permettront de résoudre des problèmes plus complexes en informatique et en 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 qui s’appuie sur les bases de l’enseignement secondaire général et se situe généralement à un niveau qui, bien qu’il s’appuie 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 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 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.

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

CT3 Pensée analytique : être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas permettant 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.

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 opportune.

CE17 Résoudre des problèmes mathématiques en appliquant des techniques issues de la théorie des graphes et de l’algorithmique.

Résultats d'apprentissage

RA-1. Développer la capacité à penser de manière abstraite et mathématique.

RA-2. Apprendre les fondements de la théorie des ensembles.

RA-3. Apprendre les lois de De Morgan.

RA-4. Apprend à créer des tables de vérité.

RA-5. Démontrer des énoncés mathématiques.

RA-6. Comprend les expressions booléennes, les portes logiques et les circuits numériques.

RA-7. Comprendre le théorème fondamental de l'arithmétique.

RA-8. Acquérir des bases solides en matière de fonctions.

RA-9. Apprenez à identifier les relations d'équivalence et les classes d'équivalence.

RA-9 Maîtriser les suites arithmétiques et géométriques.

RA-10 Apprendre les concepts fondamentaux de la théorie des graphes.

Description des contenus

Ensembles.

Logique

Théorie des nombres

Fonctions

Théorie des graphes

Statistiques et combinatoire.

Activités pédagogiques

AV1. – Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5. – Tutorat en ligne

AV6.- 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.) : 40 %

SE2.- Épreuves finales de connaissances : 60 %

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 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.

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 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.

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 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.

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.

Identifier le type d'apprentissage (supervisé, non supervisé) le plus adapté à un problème donné et mettre 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3.- Analyse de cas

AV14.- Exposés oraux

AV15.- Débats

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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.) : 20 %

SE2.- Épreuves finales de connaissances : 60 %

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

Objectifs

L'objectif de ce cours est d'approfondir les connaissances des étudiants en statistiques afin qu'ils puissent aborder 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 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

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 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.

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 Maîtriser 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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

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.

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 Pensée analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas 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 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.

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.

Acquis d'apprentissage

Connaît la technologie des bases de données

Apprendre 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.

CONTENU

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

AV1.- Cours magistraux

AV2.- Séminaires virtuels

AV12.- Résolution de défis

AV14.- Exposés oraux

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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.)

SE2.- Épreuves finales de connaissances

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 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.

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 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.

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 comment 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 de formation

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AP10.- Résolution de problèmes

AP-11.- Élaboration de projets

AP-13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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.) 60 %

SE2.- Épreuves finales de connaissances 20 %

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 qui s’appuie sur les bases de l’enseignement secondaire général et se situe généralement à un niveau qui, bien qu’il s’appuie sur des manuels avancés, inclut également certains aspects nécessitant des connaissances issues de la pointe de leur domaine d’étude

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 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 Les étudiants doivent être 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 pour atteindre des 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 trace 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. Moindres carrés linéaires. Pseudo-inverse d’une matrice.

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

Activités pédagogiques

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5. – Tutorat en ligne

AV6.- 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.)

SE2.- Épreuves finales de connaissances

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 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 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.

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 les 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

AV1.- Cours magistraux

AV2.- Séminaires virtuels

APV10.- Résolution de problèmes

APV11.- Élaboration de projets

APV13.- Activités d'ateliers et/ou de laboratoires

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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’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.

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 les tests 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 Compréhension des éléments d’évaluation et de performance du matériel informatique et de 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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’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.

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 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.

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

Connaît le domaine du traitement des données et ses principaux défis.

Connaît les différentes phases d’un projet de traitement et d’interprétation des données.

Applique les différentes techniques existantes pour effectuer le traitement des données.

Applique des techniques de visualisation des données à un problème d’exploration de données.

Maîtriser les techniques de traitement des données et leurs algorithmes pour la découverte de connaissances.

Description du contenu

Introduction au traitement et à l'interprétation des données.

Méthodologies pour la découverte de connaissances dans les données.

Préparation des données.

Traitement des données.

Transformation des données.

Modélisation et analyse.

Évaluation des résultats

Activités de formation

AV1.- Cours magistraux

AV2.- Séminaires virtuels

AV12 – Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6. – 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’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 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 la 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 à l’aide de 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

Acquérir 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

Concepts de base du 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

AV1.- Cours magistraux

AV2.- Séminaires en ligne

AV12.- Résolution de défis

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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

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 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.

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.

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

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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV11.- Réalisation de projets

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

SE4.- Portfolio 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

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 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 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 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

AV1.- Cours magistraux

AV2.- Séminaires virtuels

AV12.- Résolution de défis

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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 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 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.

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 sait utiliser 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV3. – Études de cas

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6. – 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

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 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.

Résultats d’apprentissage

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.

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.

Description des contenus

Architectures de microservices (Hexagonale, CQRS, EDA, …),

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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV11.- Réalisation de projets

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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’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

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 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.

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’exprimer 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV14.- Exposés oraux

AV15.- Débats

AV5.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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.) 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.

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.

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.

Résultats d'apprentissage

Connaît 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 de 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV3. – Analyse de cas

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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’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

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.

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 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

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.

Apprendre 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

AV1.- Cours magistraux

AV2.- Séminaires virtuels

AV11.- Élaboration de projets

AV12.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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 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 Pensée analytique : Être capable d’analyser et d’évaluer des informations, de décomposer des problèmes ou des situations complexes, en détectant des schémas permettant 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 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.

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 afin de décrire différentes caractéristiques d’intérêt de leurs variables et d’interpréter les résultats.

Résultats d'apprentissage

Connaître le paysage du big data, y compris des exemples concrets.

Identifier les problèmes liés aux mégadonnées et être 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.

Identifier 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 des données massives.

Intégration et traitement des données massives.

Introduction à l'Edge Computing.

Activités de formation

AV1.- Cours magistraux

AV2.- Séminaires virtuels

AV10.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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’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.

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 opportune.

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 qu’ils offrent aux 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 comme champ de bataille.

Éthique et inégalités dans le cadre de la 4e révolution industrielle.

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AP3.- Études de cas

AP14. – Exposés oraux

AP15.- Débats

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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.) 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

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 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.

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 chef 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 cette matière.

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 mise en œuvre et de gestion des projets de R&D&I.

Comprend et respecte les normes de qualité et la réglementation applicables 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3. – Études de cas

AV14.- Exposés oraux

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6 – 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 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 %

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’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 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.

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 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 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 importants de données.

Principes fondamentaux des bases de données NoSQL.

Types de bases de données NoSQL.

Programmation d'accès aux bases de données NoSQL.

Introduction à MongoDB.

Principes fondamentaux des bases de données orientées graphe.

Introduction à Neo4J.

Requêtes de base et avancées dans Neo4J.

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4. – Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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’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

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.

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.

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 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

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.

Comprend 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 numériques et des réseaux

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 de formation

AV1. – Cours magistraux

AV2. – Séminaires virtuels

AV3. – Analyse de cas

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6. – 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 %

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 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.

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.

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.

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.

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 de cloud computing 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.

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

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.

Acquis d’apprentissage

Connaître les outils DevOps adaptés pour exécuter des applications de meilleure qualité.

Connaît le processus DevOps et ses différents environnements pour améliorer les performances.

Apprend à superviser la transformation des applications, depuis les installations jusqu’aux déploiements hybrides et dans le cloud.

Comprendre comment moderniser la gestion des opérations technologiques grâce à l’intelligence artificielle.

Découvrez les meilleures pratiques en matière de développement agile et de livraison continue.

Apprenez à créer, tester et déployer des applications dans le cloud à l’aide d’outils et de pratiques DevOps.

Découvrez les principes fondamentaux de l'intégration continue, de la livraison continue et du déploiement continu.

Apprenez à installer et à configurer des systèmes de conteneurs.

Exécutez des applications sans état et avec état dans des systèmes de conteneurs.

Faites évoluer vos applications à l'aide de métriques.

Découvrez les outils DevOps adaptés pour exécuter des applications de meilleure qualité.

Maîtrisez le processus logiciel DevOps et ses différents environnements pour améliorer les performances.

Apprenez à superviser la transformation des applications, du déploiement sur site vers des déploiements hybrides et dans le cloud.

Comprenez comment moderniser la gestion des opérations technologiques grâce à l’intelligence artificielle.

Découvrez les meilleures pratiques en matière de développement agile et de livraison continue.

Apprenez à créer, tester et déployer des applications dans le cloud à l’aide des outils et des pratiques DevOps.

Découvrez les concepts de base de l'intégration continue, de la livraison continue et du déploiement continu.

Apprenez à installer et à configurer des systèmes de conteneurs.

Soyez capable d'exécuter des applications sans état et avec état sur des systèmes de conteneurs.

Soyez capable de faire évoluer vos applications à l'aide de métriques.

Description du contenu

Méthodologie DevOps,

Méthodologie MLOps

Principes fondamentaux du cloud natif (microservices, conteneurs),

Architectures en temps réel (Kafka), en travaillant sur l'une des principales plateformes cloud du marché.

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.

Activités de formation

AV1.- Cours magistraux

AV2.- Séminaires en ligne

APV11.- Réalisation de projets

APV12.- Résolution de problèmes

APV13.- Activités d'ateliers et/ou de laboratoires

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6. – 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 %

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’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 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.

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

Sait 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 mettre à profit les connaissances clés en matière de gestion et de leadership dans le domaine de l’IA pour soutenir une prise de décision stratégique éclairée.

Acquérir une base pratique 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

AV1. – Cours magistraux

AV2. – Séminaires en ligne

AV3. – Études de cas

AV14. – Exposés oraux

AV15.- Débats

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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 %

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 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 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.

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 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 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

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 de formation

AV1.- Cours magistraux

AV2. – Séminaires virtuels

APV11.- Élaboration de projets

APV12.- Résolution de problèmes

APV13.- Activités d'ateliers et/ou de laboratoires

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6. – 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 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’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 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.

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 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 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

Appliquer 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 les 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV12.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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 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.

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 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 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.

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 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

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

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 appliquées au traitement du langage naturel.

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

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV11.- Réalisation de projets

AV12.- Résolution de défis

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 %

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’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

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.

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 sur 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.

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.

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. – 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 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 %

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 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.

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 le 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. L'étudiant doit être 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 une forte pression.

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 lui-même et d’évoluer personnellement dans le cadre 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 l'étudiant devra effectuer 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 d’ordre professionnel.

Activités de formation

AV2.- Séminaires virtuels

AV4. – Travail autonome

AV5. – Tutorat en ligne

AV9. – 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 mémoire de fin d'études pourra se dérouler par visioconférence 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 la soutenance ;

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 de travail par projets, 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 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 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 Présenter 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 la Business Intelligence, dans lequel sont synthétisées et intégrées les compétences requises dans le cadre de la formation

Description du contenu

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, grâce à la recherche de sources et à l’apport personnel de l’étudiant.

Activités de formation

AV2 Séminaire virtuel

AV5 Tutorat virtuel

AV7 Rédaction du mémoire de fin d’études

AV8 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 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 s’expriment 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

CB5 Que les étudiants aient développé les compétences d’apprentissage nécessaires pour poursuivre 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

Connaît 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.

Comprendre les défis et les opportunités offerts par l’intelligence artificielle pour améliorer la médecine et les services de santé.

Découvrir 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.

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3.- Analyse de cas

AV12.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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

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.

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 pour 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 et 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3. – Études de cas

AV12.- Résolution de problèmes

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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 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 poursuivre 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 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.

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 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 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

AV1.- Cours magistraux

AV2. – Séminaires virtuels

AV10. Résolution de problèmes

AV11. Élaboration de projets

AV13. – Ateliers et/ou travaux pratiques

AV4. Étude des contenus et de la documentation complémentaire (travail autonome)

AV5. Tutorat en ligne

AV6. 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’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

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.

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’êtres 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 grâce à 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

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3. – Analyse de cas

AV12.- Résolution de défis

AV13.- Ateliers et/ou travaux pratiques

AV4.- Étude des contenus et de la documentation complémentaire (travail autonome)

AV5.- Tutorat en ligne

AV6.- 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 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

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.

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.

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

Apprendre à organiser, planifier et gérer efficacement son temps.

Développe ses capacités de prise de décision et de résolution de problèmes en faisant preuve d’initiative, d’autonomie et de créativité.

Acquiert un engagement éthique et une sensibilisation aux enjeux sociaux, économiques et environnementaux.

Développe ses compétences interpersonnelles.

Apprendre à penser de manière stratégique et axée sur les résultats.

Découvrez de manière pratique les processus de création d’entreprise et comprenez les spécificités de la gestion entrepreneuriale numérique.

Description du contenu

L'entrepreneuriat dans l'environnement numérique.

Évolution historique et tendances des modèles d'entreprise numériques.

Identifier et analyser les modèles économiques numériques.

L'esprit d'entreprise.

Créativité et idée d'entreprise.

Le modèle d'entreprise.

L'analyse stratégique et les objectifs.

Le plan marketing, de production, d'organisation et financier de l'entreprise.

Étapes de la création d'entreprise.

Avantages et inconvénients de la création d'une entreprise numérique.

Activités de formation

AV1.- Cours magistraux

AV2. – Séminaires en ligne

AV3. – Études de cas

AV14.- Exposés oraux

AV15. – Débats

AV5.- Tutorat en ligne

AV6. – 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 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 %