Différences
Ci-dessous, les différences entre deux révisions de la page.
public:fiches_ue:2015_16:electifs [2016/09/01 10:46] – créée fbrucker | public:fiches_ue:2015_16:electifs [2016/09/01 10:52] (Version actuelle) – fbrucker | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
+ | ====== Electifs ====== | ||
+ | |||
+ | Quatre jeux d’électifs sont proposés. Aucun électif n’a de prérequis autre que l’envie de le suivre, c’est donc un bon moment pour se spécialiser ou se diversifier selon ses inclinaisons ou son projet professionnel. Les options sont divisées en trois grandes thématiques : la data science, les systèmes d’information, | ||
+ | |||
+ | ===== Data Science ===== | ||
+ | |||
+ | Deux électifs pouvant être pris indépendamment : | ||
+ | * Data Science (DS1) | ||
+ | * Deep Learning (DS2) | ||
+ | |||
+ | Le terme data science semble avoir été inventé par William Cleveland dans un article programmatique paru en 2001 intitulé « Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics ». La discipline est particulièrement jeune et actuelle, avec un développement extrêmement fort de sociétés et de services innovants (voir le salon datajob), donc d’emplois, | ||
+ | |||
+ | Le domaine de la data science s’est largement construit sur l’essor et la maturité de techniques d' | ||
+ | |||
+ | ==== Profils ==== | ||
+ | La data science correspond ainsi un spectre très large de compétences qu’une personne peut difficilement maitriser seule. Il n’y a donc pas un mais plusieurs profils de data scientists, le parcours OMIS en formant trois : | ||
+ | * certains plus mathématiques (adossé au parcours M), | ||
+ | * d’autres plus informatiques (adossé au parcours I), | ||
+ | * et enfin des profils plus axés sur les usages, la visualisation et les problèmes métiers (adossé au parcours O). | ||
+ | |||
+ | {{public: | ||
+ | |||
+ | Deux électifs | ||
+ | |||
+ | ==== Electif DS1 : Data Science ==== | ||
+ | |||
+ | Le cours de Data Science introduit la science des données à travers un panorama de l’apprentissage automatique et de l’apprentissage statistique : | ||
+ | |||
+ | Le cours est partagé en séances de cours pour introduire les aspects fondamentaux et en des travaux sur machine avec le langage python. Les exemples utilisés en TP sont issus de cas réels et concerneront notamment des tâches de recommandation de produits (films, videos, livres etc), de filtrage automatique d’emails, de détection de fraudes (par ex. cartes bancaires), d’inférence d’information dans des réseaux sociaux (prédiction de lien), etc. | ||
+ | |||
+ | |||
+ | Pour en savoir plus: | ||
+ | * Doing Data Science, Straight Talk from the Frontline, By Cathy O' | ||
+ | * Learning scikit-learn: | ||
+ | * Chris Bishop: Pattern Recognition and Machine Learning, [[http:// | ||
+ | |||
+ | |||
+ | ==== Electif DS2 : Deep Learning ==== | ||
+ | |||
+ | Élu par le MIT comme l’une des 10 plus grandes avancées technologiques en 2013, le deep learning réunit des algorithmes du domaine de l’apprentissage automatique ou " | ||
+ | Pour Y. LeCun, directeur du centre de recherche en Intelligence Artificielle de Facebook : //Le cerveau des humains et des animaux est « profond », en ce sens que chaque action est le résultat d’une longue chaîne de communications synaptiques qui représentent plusieurs couches de traitement. L’apprentissage profond tente de faire quelque chose de similaire dans les machines. Nous créons des réseaux de neurones computationnels, | ||
+ | |||
+ | L’[[http:// | ||
+ | |||
+ | Le cours fera une part importante au développement logiciel en python de modèles neuronaux profonds, en mettant l’accent sur la qualité des représentations intermédiaires des données et sur les moyens pour les obtenir, et sur des tests grandeur nature à l’aide de calcul GPU sur des problèmes complexes de reconnaissance d’objets dans les images et plus généralement sur des tâches de computer vision, et enfin sur l’annotation automatique d’images par mots-clés. | ||
+ | |||
+ | |||
+ | Pour en savoir plus : | ||
+ | * Y. LeCun, New York university (NYU): [[http:// | ||
+ | * [[http:// | ||
+ | * Yoshua Bengio, [[http:// | ||
+ | |||
+ | ===== Systèmes d' | ||
+ | |||
+ | Deux électifs pouvant être pris indépendamment : | ||
+ | * Systèmes d' | ||
+ | * Management par les Systèmes d' | ||
+ | |||
+ | |||
+ | Les systèmes d’information sont devenus une composante essentielle du fonctionnement et de la performance des organisations. Ils ont des impacts sur les performances des entreprises en contribuant à l’optimisation opérationnelle (ERP), à la création de nouvelles opportunités commerciales (CRM…), en facilitant le reporting et la prise de décision (business intelligence). Ils sont aussi au cœur de l’organisation du travail et des modalités de coopération entre les acteurs de l’entreprise. | ||
+ | |||
+ | Pour que le système d’information constitue un atout pour les organisations, | ||
+ | |||
+ | Ce sont ces thématiques qui sont déclinées dans deux électifs qui se veulent complémentaires mais peuvent aussi être suivis indépendamment l’un de l’autre selon la coloration que chaque élève souhaite donner à son parcours. L’électif SI1 est centré sur le développement des systèmes d’information, | ||
+ | |||
+ | ==== Profils ==== | ||
+ | Les compétences développées par ces électifs peuvent satisfaire les trois profils disciplinaires de l’option OMIS | ||
+ | |||
+ | * Pour les M. : l’architecture des systèmes d’information et leur paramétrage conditionnent les possibilités d’extraction et de représentation des tendances, par exemple pour le reporting et la prise de décision. En ce sens, les S.I. constituent un domaine applicatif des méthodes statistiques. | ||
+ | |||
+ | * Pour les I : l’infrastructure technologique du SI fait appel à des compétences en matière de génie logiciel, de plateformes matérielles, | ||
+ | |||
+ | * Pour les O : en tant que support intégré des processus, des métiers et de la prise de décision, les systèmes d’information sont une composante essentielle de l’organisation des entreprises aujourd’hui. Les problématiques organisationnelles jalonnent toutes les étapes de la conception à la mise en place du S.I. et jusqu’à l’analyse des impacts sur les relations humaines et managériales. | ||
+ | |||
+ | |||
+ | ===== Approfondissements thématiques ===== | ||
+ | |||
+ | * Développement java/C# | ||
+ | * Programmation VBA et excel | ||
+ | * Recherche d’information | ||
+ | * Administration Réseau | ||
+ | * Gestion des risques | ||
+ | * Calcul scientifique | ||
+ | * Partenariat avec l’institut Galilée | ||
+ | * Ergonomie et lean service | ||
+ | |||
+ | ==== SAS et données ==== | ||
+ | |||
+ | Cette UE pratique permet aux étudiants de connaitre les bases du logiciel [[http:// | ||
+ | |||
+ | ==== Programmation VBA et excel ==== | ||
+ | |||
+ | Ce cours permet de mettre en œuvre et de synthétiser un ensemble de connaissances diverses (informatique, | ||
+ | |||
+ | Cette UE a pour objectifs : | ||
+ | * de maîtriser | ||
+ | * de maîtriser les outils scientifiques spécifiques de MS Excel (Outil Valeur Cible, fonctions de tableaux, Solveur) | ||
+ | * de découvrir et de pratiquer l’environnement de programmation VBA. | ||
+ | * de pouvoir réaliser une application scientifique avec un contenu de calcul et une interface utilisateur de type MS. | ||
+ | |||
+ | ==== Recherche d’information ==== | ||
+ | |||
+ | Avec la mise en réseau et l' | ||
+ | |||
+ | Nous verrons en particulier : | ||
+ | * Comment évaluer les performances d’un programme de recherche d’information? | ||
+ | * Les méthodes d' | ||
+ | * Classification de documents | ||
+ | * Recherche web | ||
+ | * Systèmes de recommandation | ||
+ | |||
+ | |||
+ | ==== Administration Réseau ==== | ||
+ | |||
+ | Les réseaux IP sont aujourd’hui au cœur de quasiment toutes les activités économiques : ils impactent les organisations (messagerie, | ||
+ | |||
+ | Cette UE permet de donner de solides compétences opérationnelles en réseaux, parfaitement structurées, | ||
+ | |||
+ | Seront abordés : | ||
+ | * Bases réseau IP | ||
+ | * Protocoles et couches réseaux | ||
+ | * Administration d’un réseau local | ||
+ | |||
+ | ==== Gestion des risques ==== | ||
+ | |||
+ | L' | ||
+ | |||
+ | Description du programme : | ||
+ | |||
+ | - Introduction à l’analyse de risque | ||
+ | - Modélisation et propagation probabiliste de l’information incertaine | ||
+ | - Modélisation de données par méthodes de régression | ||
+ | - Méthodes de la géostatistique : cas de la géostatistique stationnaire et cas de la géostatistique non stationnaire | ||
+ | - Mini projet sur la cartographie pour la télésurveillance de l’environnement à l’aide des techniques géostatistiques | ||
+ | - Plan d’expérience, | ||
+ | - Modélisation de l’information dans le cadre des théories de l’incertain | ||
+ | - Propagation et fusion d’information dans le cadre des théories de l’incertain | ||
+ | |||
+ | ==== Calcul scientifique ==== | ||
+ | |||
+ | En deux partie. Tous les schémas abordées seront mise en oeuvre sous Scilab. | ||
+ | |||
+ | La première partie est consacrée aux équations linéaire. Elle permettra d' | ||
+ | * Equations scalaires : propriétés mathématiques, | ||
+ | * Système d’équations : propriétés, | ||
+ | * Résolution de problèmes de Riemann, exemple de l’acoustique. | ||
+ | * Schémas numériques : problème de consistance et stabilité ; étude des schémas Volumes finis ; upwind Lax-Wendroff ; problème de diffusion et de dispersion numérique. Schéma limiteur de flux. | ||
+ | |||
+ | La seconde partie traitera des équations non-linéaires. On y verra : | ||
+ | * Equations scalaires : méthode des caractéristiques, | ||
+ | * Systèmes : plan de phase, courbes d’Hugoniot, | ||
+ | * Schémas volumes finis : Roe, Lax-Friedrich, | ||
+ | |||
+ | ==== Partenariat avec l’institut Galilée ==== | ||
+ | |||
+ | Une semaine de cours en partenariat avec l' | ||
+ | |||
+ | ==== Ergonomie et lean service ==== | ||
+ | |||
+ | Electif en deux parties permettant de mieux appréhender le //facteur humain//, cruxial dans les services. | ||
+ | |||
+ | La première partie consacrée à l' | ||
+ | |||
+ | La seconde partie, en partenariat avec [[http:// |