Syllabus - Master IA

Ce module explore les concepts mathématiques essentiels utilisés en apprentissage automatique. Les sujets abordés incluent les opérations matricielles, les valeurs propres, les vecteurs propres, l'ACP, la SVD, le calcul multivarié, les statistiques, l'optimisation convexe et la théorie de l'estimation, fournissant une base mathématique solide pour des études ultérieures en apprentissage automatique.

Les étudiants apprennent différentes méthodes et systèmes de représentation et de raisonnement avec la connaissance. Le programme comprend les réseaux sémantiques, les techniques de raisonnement automatisé comme le chaînage avant et arrière, les ontologies et les applications dans le Web sémantique, visant à développer des capacités de conception de systèmes basés sur la connaissance.

Ce module introduit les bases des bases de données relationnelles, y compris SQL et la programmation Python pour la manipulation et les requêtes de données. Les étudiants apprennent à concevoir des bases de données en utilisant le modèle Entité-Relation et à les implémenter et les manipuler en utilisant SQL, fournissant une base pour des systèmes de données complexes.

Couvrant les fondamentaux de l'IoT, ce module se concentre sur l'intégration et la fonction des capteurs, actionneurs, microcontrôleurs et communications cloud. Les applications pratiques incluent la configuration des dispositifs et passerelles IoT et la compréhension de la sécurité IoT et des protocoles réseau.

Ce module fournit une introduction aux méthodologies de la recherche académique, y compris la formulation des questions de recherche, la conception des études et les considérations éthiques. Les étudiants apprennent sur différents paradigmes de recherche, techniques de collecte de données et les essentiels de rédaction et de présentation des résultats de recherche.

Visant à améliorer les compétences linguistiques en français et en anglais, ce module couvre la grammaire, le vocabulaire et la prononciation, ainsi que les aspects culturels pour améliorer les compétences en communication dans des environnements professionnels et académiques.

Ce cours complet sur les techniques d'apprentissage automatique couvre la modélisation prédictive, les algorithmes d'apprentissage automatique, l'évaluation des modèles et les méthodes d'optimisation. Les aspects pratiques incluent la mise en œuvre d'algorithmes en Python et l'utilisation de bibliothèques comme scikit-learn et PyTorch.

Ce module offre une approche intégrée pour apprendre le TALN et la vision par ordinateur. Les sujets incluent le traitement de texte, les applications d'apprentissage automatique aux données textuelles et d'image, et l'utilisation de bibliothèques Python pour implémenter des algorithmes qui traitent le langage et les données visuelles.

Un regard avancé sur les bases de données non relationnelles et le développement web, ce module couvre les bases de données NoSQL, le framework Flask pour les applications web et les techniques d'intégration de bases de données avec les services web.

Les étudiants apprennent les concepts fondamentaux de l'apprentissage par renforcement, y compris les méthodes de fonction de politique et de valeur, les simulations de Monte Carlo et l'apprentissage par différences temporelles, avec des applications dans les jeux, la robotique et les problèmes d'optimisation.

Ce module approfondit les connaissances en TALN, couvrant les modèles linguistiques neuronaux, les transformateurs, la reconnaissance vocale et des méthodes sophistiquées pour l'analyse et le traitement de texte, en mettant l'accent sur la mise en œuvre pratique à l'aide de cadres IA modernes.

Élargissant les concepts de base de la vision par ordinateur, ce module explore des techniques avancées de détection d'objets, de segmentation d'images et de modèles génératifs, avec des applications dans des domaines tels que la conduite autonome et l'imagerie médicale.

Couvrant des sujets avancés dans les applications d'apprentissage automatique sur des données structurées en graphe, ce module inclut l'apprentissage sur les réseaux de neurones, les graphes de connaissances et leurs applications dans la technologie et la science.

Dans ce module, les étudiants s'engagent dans un projet d'application basé sur l'IA, intégrant des connaissances de différents sous-domaines de l'IA pour développer des solutions à des problèmes du monde réel, en mettant l'accent sur l'innovation et la collaboration interdisciplinaire

Le focus de ce semestre se déplace vers des applications plus spécialisées des compétences linguistiques. Ce module vise à préparer les étudiants aux défis de communication de haut niveau auxquels ils seront confrontés dans des entreprises multinationales ou des collaborations de recherche mondiale.

Préparant les étudiants pour le marché du travail, ce module couvre les techniques de recherche d'emploi, la rédaction de CV et de lettres de motivation, la préparation aux entretiens et la compréhension de l'environnement professionnel, en mettant l'accent sur l'alignement des qualifications personnelles avec les besoins du marché.

Ce module de projet de fin d'étude est conçu pour intégrer et appliquer les connaissances et compétences AI acquises tout au long du programme. Les étudiants entreprennent un projet dans un cadre de recherche ou de développement, souvent au sein d'une entreprise ou d'un laboratoire académique. L'accent est mis sur le développement d'une approche scientifique pour résoudre un problème complexe dans le domaine de l'IA, aboutissant à une thèse écrite et à une présentation devant un jury académique et professionnel. L'expérience vise à favoriser la pensée critique et analytique, pouvant conduire à une publication ou à servir de base à des recherches postuniversitaires supplémentaires.