Master Informatique | Parcours type : Intelligence artificielle et apprentissage automatique (IAAA)

RESPONSABLE

  • Thierry ARTIÈRES

OBJECTIF

Le parcours IAAA introduit les avancées les plus récentes en intelligence artificielle et forme à l'exploitation des méthodes et techniques associées dans des applications innovantes. Les thèmes abordés sont l'apprentissage automatique, l’apprentissage profond, le traitement automatique du langage naturel, la modélisation et de la résolution de problèmes à base de contraintes, et la représentation et le traitement des connaissances. Ces thèmes s’inscrivent notamment dans le cadre de la science des données et de l’informatique fondamentale.

Le parcours IAAA partage des unités d'enseignement avec le master data science de la mention mathématiques appliquées, avec l’option Science des Données de l’École Centrale Marseille, et avec le master sciences cognitives de l'institut convergence ILCB sur les aspects apprentissage à la confluence des thèmes cerveau et ordinateur, et donnera lieu à des projets communs avec des étudiants sur l'ensemble des disciplines de l’institut.

Le parcours IAAA est fortement orienté « recherche » et « recherche et développement » avec de forts débouchés en thèse, permettant aussi d'intégrer directement une entreprise au sein de projets qui développent des applications mettant en jeu des technologies à base d'IA.

Ce parcours sera tourné vers l’international par le biais notamment du recrutement d'étudiants étrangers via l’Ecole Centrale Marseille.

Métiers visés :

  • Ingénieur R&D
  • Chargé de veille ou de recherche, Enseignant-chercheur ou chercheur
  • Chef de projet
  • Ingénieur études et développement
  • « Data scientist » ou « Data analyst »

FORMATION ET RECHERCHE

Ce parcours est adossé aux équipes QARMA, TALEP, COALA et LIRICA du laboratoire d’informatique et systèmes (LIS). De nombreux contenus font appel aux travaux de recherche de ces équipes. Le parcours a une finalité à la fois recherche et professionnelle. Les candidats peuvent intégrer une équipe de recherche dans l’industrie ou continuer en thèse dans le monde académique.

PRÉ-REQUIS OBLIGATOIRES

Licence en informatique, Mathématiques-Informatique ou Mathématiques.

PRÉ-REQUIS RECOMMANDÉS

Il est recommandé d’avoir déjà pratiqué la programmation en python et en C. De même des connaissances de mathématiques de licence en algèbre linéaire, probabilités et statistiques sont un plus. Savoir travailler dans un environnement linux est aussi un plus.

PLAQUETTE DE LA FORMATION

T�l�charger la plaquette de la formation au format PDF

COMPÉTENCES VISÉES

Créer ou exploiter des méthodes et des algorithmes innovants dans le domaine de l'apprentissage automatique, de l’apprentissage profond, du traitement automatique du langage naturel, de la modélisation et de la résolution de problèmes à base de contraintes, et de la représentation et du traitement des connaissances.

PLAQUETTE DE LA FORMATION

T�l�charger la plaquette de la formation au format PDF

M1 Informatique (60 crédits)

Semestre 1 (30 crédits)

Anglais S1 (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Travaux dirigés : 18 heures

Génie logiciel (6 crédits)

CONTENU

1) Versioning

  • Git : Branches, Dépôts Lointains, Dépôts Lointains multiples avec branches, Workflows.

2) Building

  • Gradle : Automatisation de compilation, de tests, de dépendances, langage de tâches interdépendantes.

3) Méthodes

  • Les acteurs du logiciel.
  • Cycles en V. Motivation et détail de chacune des phases. Forces et Faiblesses.
  • Méthodes agiles. Motivations. Notamment XP et Scrum. Détail de chacune des réunions et instruments. Forces et Faiblesses.
  • GL Libre : the cathedral and the bazaar

4) Documentation

  • Du GL : Cahier des charges, Spécifications, Conception,…
  • Du code : Javadoc, Commentaires, Wikis, Issues trackers

5) UML

  • Motivations. Tous les principaux diagrammes (classe, object, séquence, com, package, états-transitions,…). 2 TD

6) Tests

  • Types de Test (Blanche/Noire, Intégration (continue), Correction/Validation,…), Couverture (Exos sur les différents critères), Quand les faire (TDD…)
  • Découverte du debugger eclipse
  • Concepts d'invariants, d'assertions, d'analyse statique

7) Estimation

  • Rapports PrixDev vs TempsDev vs LignesCode
  • % observés de failed projects, causes observées
  • % observés de bugs

8) Veille technologique sur l'actualité du GL

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 18 heures
  • Travaux dirigés : 18 heures
  • Travaux pratiques : 18 heures

Complexité (6 crédits)

CONTENU

  • Rappels sur les notions d'analyse de la complexité des algorithmes et des problèmes.
  • Notion de problèmes (décision, recherche, dénombrement, énumération, optimisation). Bornes inférieures de complexité.
  • Classes P et NP. Problèmes NP-complets.
  • Méthodes de résolution des problèmes NP-Complets.

Contenu en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 20 heures
  • Travaux dirigés : 20 heures
  • Travaux pratiques : 14 heures

Introduction à la sciences des données (3 crédits)

CONTENU

A travers trois cas d’utilisation, ce cours introduit la notion d’analyse de données, selon trois points de vue : le clustering (apprentissage non supervisé, ACP, kmeans, visualisation), la classification (apprentissage supervisé, notion d’erreur et de modèle, erreur de Bayes, kppv, généralisation et sur-apprentissage), et la régression (notion de causalité, notion d’erreur, protocoles d’évaluation). Sensibilisation aux aspects éthiques (GAFAM). L’objectif est de sensibiliser les étudiants aux techniques de base de l’analyse de données et de l’apprentissage, avec des liens vers approches probabilistes (Bayes), statistiques, et modes d’évaluation et de visualisation. On partira de données réelles, on illustrera de fait la difficulté du nettoyage de données en amont de tout le reste.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Programmation objet concurrente (3 crédits)

CONTENU

Depuis la généralisation des architectures multi-cœurs, la programmation parallèle est devenue incontournable pour développer des applications exploitant pleinement les capacités de traitement offertes par les ordinateurs actuels. Elle est aussi un moyen de simplifier la structure du logiciel en l'organisant sous la forme de tâches distinctes qui interagissent entre elles afin de répondre aux requêtes de l'utilisateur (ou de l'environnement).

Cette UE présente aux étudiants du M1 les principales difficultés de la programmation multi-thread et les techniques classiques permettant de développer un code correct et performant. Tout d'abord, les instructions de base liées à la classe Thread en Java sont introduites avec les concepts sous-jacents de verrou et de variable de condition. L'effet de ces instructions sur l'état d'un thread est illustré sur des exemples simples s'appuyant sur des diagrammes de séquence. Les notions d'indépendance et d'atomicité permettent ensuite de spécifier précisément les problèmes classiques de synchronisation en séparant le besoin d'exclusion mutuelle des contraintes d'attente particulières. L'approche recommandée pour débuter est celle de la conception et de la programmation de moniteurs (à la Hoare), étudiée sur plusieurs exemples classiques.

Les outils dédiés à la programmation parallèle en Java sont également présentés en cours et exploités en Travaux Pratiques : locks divers, pools de threads, collections synchronisées ou concurrentes, objets atomiques, etc. Les difficultés propres à la programmation sans verrou sont illustrées par la construction de structures de données simples et de verrous performants.

Enfin, un aperçu du modèle mémoire Java permet d'initier les étudiants à la notion de programme « bien synchronisé » et aux risques d'exécutions inconsistantes séquentiellement du fait des optimisations de codes réalisées lors de la compilation ou de l'exécution.

Description en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 8 heures

Réseaux (4 crédits)

CONTENU

  • Architecture en couches, standard OSI
  • Couche physique
  • Couche liaison de Données
  • Réseau IP
  • Algorithmes de routage, routage IP
  • Protocole TCP/IP
  • Couche Application : HTTP, SMTP, FTP,…
  • Bases des protocoles cryptographiques (terminologie, architecture à clef publique).
  • Introduction à la Sécurité des réseaux.

Contenu en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 12 heures
  • Travaux dirigés : 12 heures
  • Travaux pratiques : 14 heures

Algorithmique et recherche opérationnelle (3 crédits)

CONTENU

  • Programmation linéaire.
  • Notions et algorithmes de flots.
  • Applications (couplage, affectation, transport,…)
  • Programmation dynamique (sac à dos, ordonnancement,…)
  • Algorithmes à performance garantie

Contenu en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 9 heures

Environnement et R&D en informatique (2 crédits)

CONTENU

Description en cours de rédaction.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 6 heures
  • Travaux dirigés : 6 heures
  • Travaux pratiques : 6 heures

Semestre 2 (30 crédits)

Communication (3 crédits)

CONTENU

Chapitre 1 : Théories de la communication :

  • La théorie mathématique de l’information (Shannon, Weaver), la cybernétique (Wiener)
  • La théorie de Palo Alto (Bateson, Watzlawick) et la théorie de la communication par les processus (Mucchielli)

Chapitre 2 : Rôle de l’interculturalité dans le travail en équipe :

  • L’enquête interculturelle de Hofstede pour IBM
  • La gestuelle et le paralangage et la proxémie dans le monde (Hall)

Chapitre 3 : Notions de management et de travail collaboratif

  • Le travail collaboratif vs le travail coopératif
  • La notion de groupes
  • Les compétences managériales

Contenu en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

6 crédits à choisir

Introduction au traitement automatique du langage (3 crédits)

CONTENU

L'objectif de ce cours est d'apporter aux étudiants des connaissances fondamentales en traitement automatique des langues (TAL). Le cours abordera des modèles de TAL statistiques classiques. Après un bref rappel de notions de probabilité appliquées aux textes, nous aborderons la représentation de documents, c.-à-d. l'encodage de textes, la tokenisation et la représentation de documents sous la forme vectorielle avec des techniques fondées sur les « sac de mots ». Nous étudierons également des modèles distributionnels pour la représentation de mots sous la forme de vecteurs, avec des applications en classification de textes et en similarité de mots. Les modèles de langage fondés sur les n-grammes s'en suivent, avec des applications à la génération de textes. Le dernier sujet abordé ce sont les étiqueteurs fondés sur des machines à état (tels que les modèles de Markov cachés) et leurs applications, par exemple en étiquetage morphosyntaxique.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 7 heures
  • Travaux pratiques : 10 heures

Cryptographie (3 crédits)

CONTENU

Algorithmes cryptographiques – chiffrement symétrique, asymétrique et hachage.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Modélisation géométrique et maillages (3 crédits)

CONTENU

La modélisation géométrique est l’ensemble des outils informatiques, numériques et mathématiques, qui combinés permettent de construire un modèle virtuel (ou modèle informatique) d’un objet réel. Cet objet peut être plus ou moins complexe, plus ou moins schématisé. Il peut être le fruit de l’imagination (jeux vidéo, films d’animation), d’une tendance ou une solution plus ou moins exacte d’un problème physique donné, voire un compromis entre les deux. Ce module propose un tour d’horizon des modèles géométriques les plus courants (surfaces à pôles, maillages, nuages de points) et des algorithmes spécifiques pour représenter, modifier et analyser des formes 3D dans les contextes de la CAO, du jeu vidéo et de l’impression 3D.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 15 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 4 heures

Intégration des données (3 crédits)

CONTENU

L’objectif est d’intégrer des données provenant de plusieurs sources de données hétérogènes, pour une exploitation unifiée de façon matérialisée ou virtuelle. Y seront abordés les concepts et architectures d’entrepôts de données et de médiateurs, ainsi que le traitement optimisé de requêtes.

Contenu :

  • Mise en niveau en base de données
  • Entrepôt de données
  • Médiation
  • Optimisation
  • (SQL3)

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Calculabilité avancée (3 crédits)

CONTENU

La théorie de la calculabilité s'intéresse essentiellement à la question suivante : au moyen d'un ordinateur, quelles fonctions peut-on calculer et quels problèmes peut-on résoudre ? Son développement est concomitant de l'apparition des principaux modèles de calcul (fonctions récursives, machines de Turing, lambda-calcul,…) et est très étroitement lié à la logique mathématique : théorème d'incomplétude de Gödel (qui sera abordé dans ce cours), lambda-calcul typé (cours Preuves et types)…

La complexité cherche quant à elle à mesurer le degré de difficulté d'un problème, typiquement en termes de temps de calcul et d'espace utilisé. Il s'agit donc de questions plus fines, qui font l'objet de nombreuses recherches actuelles, notamment en rapport avec la logique.

L'objectif de ce cours est de présenter les outils et résultats fondamentaux pour aborder ces questions.

Programme :

  • Fonctions récursives, théorème de Kleene.
  • Machines de Turing, thèse de Church.
  • Arithmétique de Peano, théorème de Gödel.
  • Quelques méthodes et théorèmes de base en théorie de la complexité.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 12 heures
  • Travaux dirigés : 14 heures

Algorithmes à performance garantie (3 crédits)

CONTENU

Algorithmes d’approximation pour des problèmes NP-complets, algorithmes en ligne.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 4 heures
  • Travaux pratiques : 12 heures

Interface homme-machine (3 crédits)

CONTENU

  • Qt / programmation événementielle
  • informatique graphique/OpenGL
  • Ergonomie/Responsive
  • mise en niveau en C++

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Informatique et calcul quantique (3 crédits)

CONTENU

Cette unité d'enseignement a pour vocation de faire découvrir aux étudiants les spécificités et les possibilités qu'ouvrent le traitement quantique de l’information et de leur donner les bases pour décrire et analyser des circuits quantiques simples.

On montrera comment la mise au point d'algorithmes quantiques permet de résoudre certains problèmes de façon exponentiellement plus efficace que les algorithmes classiques traditionnels (recherche, tri,…), et notamment le problème de la factorisation des grands nombres. Il s’en suit que la mise au point d'un ordinateur quantique de grande taille remettrait en cause les algorithmes à clés publiques aujourd'hui utilisés pour sécuriser Internet (d’où la nécessité d’une post-quantum cryptography).

On introduira également les idées principales du domaine de la cryptographie quantique. On évoquera les possibilités offertes par ce nouveau paradigme dans d’autres champs de l’informatique, tels que le machine learning.

Contenu :

  1. Fondamentaux du calcul quantique I (linéarité de la théorie, qubits, superpositions, intrication) ;
  2. Fondamentaux du calcul quantique II (portes quantiques et circuits)
  3. Algorithme quantique de Grover ; (iii) Algorithme de Shor et Cryptage RSA ;
  4. Éléments de cryptographie quantique.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Programmation des processeurs graphiques (3 crédits)

CONTENU

Description en cours de rédaction.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Programmation fonctionnelle (3 crédits)

CONTENU

  • Introduction à la programmation fonctionnelle, sur l'exemple du langage Ocaml (expressions, évaluation, types de base. polymorphisme, ordre supérieur).
  • Fonctions récursives, filtrage. Les diverses stratégies d'évaluation, application à la programmation d'un opérateur de point fixe.
  • Les types (sommes, types récursifs, polymorphes. arbres. filtrage).
  • Sémantique opérationnelle (liaisons, environnements, clôtures, évaluation des fonctions récursives).
  • Aspects impératifs (exceptions, entrées-sorties, séquencement, fichiers, références, tableaux, enregistrements).
  • Implantation du filtrage en Ocaml (termes formels, substitutions, filtrage).

Contenu en cours d'actualisation.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 10 heures
  • Travaux pratiques : 10 heures

6 crédits à choisir en fonction du parcours

Architecture Java Entreprise Edition et sécurité des applications (6 crédits)

Architecture JEE

CONTENU

  • Architecture n-tiers
  • partie accès aux données (JDBC/JPA)
  • partie métier (Spring, IoC, Composants métier)
  • partie application WEB (JSP/Servlet, Spring MVC, bootstrap)

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 6 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 12 heures

Sécurité des applications

CONTENU

cyberedu (panorama des attaques – défenses standards).

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Méthodes numériques et probabilistes pour l’informatique (6 crédits)

Aspects probabilistes pour l’informatique

CONTENU

En cours de rédaction.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 12 heures
  • Travaux pratiques : 6 heures

Méthodes numériques pour l’informatique

CONTENU

En cours de rédaction.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

9 crédits à choisir en fonction du parcours

Parcours IMD (9 crédits)

Calculabilité avancée (3 crédits)

CONTENU

La théorie de la calculabilité s'intéresse essentiellement à la question suivante : au moyen d'un ordinateur, quelles fonctions peut-on calculer et quels problèmes peut-on résoudre ? Son développement est concomitant de l'apparition des principaux modèles de calcul (fonctions récursives, machines de Turing, lambda-calcul,…) et est très étroitement lié à la logique mathématique : théorème d'incomplétude de Gödel (qui sera abordé dans ce cours), lambda-calcul typé (cours Preuves et types)…

La complexité cherche quant à elle à mesurer le degré de difficulté d'un problème, typiquement en termes de temps de calcul et d'espace utilisé. Il s'agit donc de questions plus fines, qui font l'objet de nombreuses recherches actuelles, notamment en rapport avec la logique.

L'objectif de ce cours est de présenter les outils et résultats fondamentaux pour aborder ces questions.

Programme :

  • Fonctions récursives, théorème de Kleene.
  • Machines de Turing, thèse de Church.
  • Arithmétique de Peano, théorème de Gödel.
  • Quelques méthodes et théorèmes de base en théorie de la complexité.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 12 heures
  • Travaux dirigés : 14 heures

Algorithmes à performance garantie (3 crédits)

CONTENU

Algorithmes d’approximation pour des problèmes NP-complets, algorithmes en ligne.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 4 heures
  • Travaux pratiques : 12 heures

Théorie des graphes avancée (3 crédits)

CONTENU

Théorie des graphes, combinatoire, revêtements et complexes simpliciaux.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 12 heures
  • Travaux dirigés : 14 heures

Parcours FSI (9 crédits)

Fiabilité logicielle (3 crédits)

CONTENU

Méthodologie du test ; intégration continue.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Analyse de programmes (3 crédits)

CONTENU

Analyse statique ; ingénierie inverse ; introduction aux outils et méthodes formelles.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Cryptographie (3 crédits)

CONTENU

Algorithmes cryptographiques – chiffrement symétrique, asymétrique et hachage.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Parcours GIG (9 crédits)

Modélisation géométrique et maillages (3 crédits)

CONTENU

La modélisation géométrique est l’ensemble des outils informatiques, numériques et mathématiques, qui combinés permettent de construire un modèle virtuel (ou modèle informatique) d’un objet réel. Cet objet peut être plus ou moins complexe, plus ou moins schématisé. Il peut être le fruit de l’imagination (jeux vidéo, films d’animation), d’une tendance ou une solution plus ou moins exacte d’un problème physique donné, voire un compromis entre les deux. Ce module propose un tour d’horizon des modèles géométriques les plus courants (surfaces à pôles, maillages, nuages de points) et des algorithmes spécifiques pour représenter, modifier et analyser des formes 3D dans les contextes de la CAO, du jeu vidéo et de l’impression 3D.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 15 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 4 heures

Programmation graphique (3 crédits)

CONTENU

Le développement d'interface de visualisation ou d'édition de données graphiques nécessite la gestion d'un canevas spécifique (où l'affichage 2D ou 3D est accéléré par la carte graphique), une boucle de rendu pour une visualisation dynamique, le contrôle des événements (clavier, souris, timers…). L'affichage utilise des primitives simples (points, lignes, faces triangulaires) et nécessite donc une modélisation géométrique des objets à afficher (structures de données, choix de la représentation). Environnement de développement : interfaces QT et pipeline graphique OpenGL.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 15 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 4 heures

Modélisation de surfaces 3D (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 15 heures
  • Travaux dirigés : 8 heures
  • Travaux pratiques : 4 heures

Parcours IAAA (9 crédits)

Introduction à l’apprentissage artificiel (3 crédits)

CONTENU

L’apprentissage automatique et ses approches linéaires : techniques et limites. Autour de l’étude en profondeur de deux algorithme de séparation linéaire (le perceptron et SVM) : implémentation complète, preuves de convergence, propriétés, étude des performances sur des jeux de données, approfondissement des notions de généralisation, introduction Rademacher et Kolmogorov. Tout le long de l’UE, un cas d’étude sera mené, sur la base d’images ou de videos. La problématique de l’acquisition de données privées sera traitée, avec une mise en perspective sociétale (éthique, PI, rôle du citoyen, rôle de l’ingénieur). Mise en perspective des modèles non-linéaires.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Introduction au traitement automatique du langage (3 crédits)

CONTENU

L'objectif de ce cours est d'apporter aux étudiants des connaissances fondamentales en traitement automatique des langues (TAL). Le cours abordera des modèles de TAL statistiques classiques. Après un bref rappel de notions de probabilité appliquées aux textes, nous aborderons la représentation de documents, c.-à-d. l'encodage de textes, la tokenisation et la représentation de documents sous la forme vectorielle avec des techniques fondées sur les « sac de mots ». Nous étudierons également des modèles distributionnels pour la représentation de mots sous la forme de vecteurs, avec des applications en classification de textes et en similarité de mots. Les modèles de langage fondés sur les n-grammes s'en suivent, avec des applications à la génération de textes. Le dernier sujet abordé ce sont les étiqueteurs fondés sur des machines à état (tels que les modèles de Markov cachés) et leurs applications, par exemple en étiquetage morphosyntaxique.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 7 heures
  • Travaux pratiques : 10 heures

Modélisation et résolution pour la décision (3 crédits)

CONTENU

Introduction aux différents aspects du raisonnement automatique, dont l’objectif est de permettre d’obtenir des solutions à tout type de problèmes uniquement à partir de leurs descriptions et grâce à des solveurs générant une preuve du résultat inspiré du raisonnement humain. Cette UE aborde les formalismes les plus simples, les problèmes SAT et CSP binaires, qui correspondent à des problèmes de décision, et étudie la façon de modéliser un problème dans ces formalismes, les méthodes de résolution arborescente (avec filtrages, heuristique de choix de variable, de valeur), et des solveurs existants (Minisat, Choco).

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 10 heures
  • Travaux pratiques : 7 heures

Parcours ILD (9 crédits)

Fiabilité logicielle (3 crédits)

CONTENU

Méthodologie du test ; intégration continue.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Intégration des données (3 crédits)

CONTENU

L’objectif est d’intégrer des données provenant de plusieurs sources de données hétérogènes, pour une exploitation unifiée de façon matérialisée ou virtuelle. Y seront abordés les concepts et architectures d’entrepôts de données et de médiateurs, ainsi que le traitement optimisé de requêtes.

Contenu :

  • Mise en niveau en base de données
  • Entrepôt de données
  • Médiation
  • Optimisation
  • (SQL3)

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Données post-relationnelles (3 crédits)

CONTENU

  • XML / XPath / XSL / Xquery
  • Json / NoSQL / NewSQL

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

6 crédits à choisir

Travail d'étude et de recherche (6 crédits)

CONTENU

Le but du projet est de mettre en oeuvre, de l'analyse à la programmation, les notions présentées en cours. C'est l'occasion, pour les étudiants, d'utiliser sur un cas pratique, les éléments exposées dans les UE. Travail effectué sous la direction pédagogique d'un enseignant, et donnant lieu à la rédaction d'un mémoire et d'une soutenance orale.

Plaquette de l'enseignement.

Stage de M1 (6 crédits)

CONTENU

Le stage de première année dure entre deux et cinq mois. Il doit être en rapport avec le parcors choisi par l'étudiant. Il peut se dérouler en entreprise ou en laboratoire. Il se termine par la rédaction d'un rapport de stage et une soutenance orale.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Stage : 8 semaines

M2 IAAA (60 crédits)

Semestre 3 du parcours IAAA (30 crédits)

Anglais S3 (3 crédits)

CONTENU

Expression orale et écrite : exposés sur des sujets scientifiques et / ou professionnels, travaux écrits. Préparation et passage du TOEIC.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Travaux dirigés : 18 heures

Modélisation et résolution pour l'optimisation (3 crédits)

CONTENU

Cette UE poursuit l’introduction au raisonnement automatique en étudiant des formalismes plus complexes et proches des problèmes réels, qui sont souvent des problèmes d’optimisation : les CSP valués non binaires (et d’autres formalismes ?). On étudiera les méthodes de résolution arborescente associées, les méthodes de résolution incomplète (recherche locale/réparation) et des solveurs d’optimisation (Toulbar, LocalSolver).

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 10 heures
  • Travaux pratiques : 7 heures

Data science et deep learning (9 crédits)

Science des données

CONTENU

L’objectif de ce cours est de former les étudiants à pouvoir répondre à une compétition Kaggle quelle qu’elle soit avec des méthodes avancées de machine learning. Le cours dresse un panorama avancé de l’apprentissage automatique qu’il s’agisse des paradigmes d’apprentissage (supervisé, non supervisé, semi-supervisé, actif, transductif…), des tâches (classification, régression, ranking, metric learning, prédiction structurée, classification multilabel, multi-instances ou multitaches) ou des méthodes.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Deep learning

CONTENU

Le deep learning a permis des avancées majeures pour des problèmes difficiles tels que des tâches de perception (vision, audition), de traitement de la langue (traduction…). Cette technologie envahit de nombreux champs applicatifs est est intégrée dans des systèmes industriels chez de multiples acteurs y compris les plus grands (Google, Microsoft, Amazon, Facebook, etc). L’objectif du cours est de former les étudiants à l’utilisation de toolkits de deep learning et à la conception de systèmes basés sur des architectures classiques, autoencodeurs, réseaux convolutionnels, réseaux récurrents, et des idées récentes telles que les embeddings, l’adversarial learning, les mécanismes d’attention…

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Maths pour l’intelligence artificielle

CONTENU

L’objectif de cette unité est de mettre à niveau les étudiants sur l’ensemble des concepts mathématiques nécessaires à la maîtrise des méthodes d’intelligence artificielle et d’apprentissage abordées au cours du M2. Elle traitera des concepts suivants : probabilités (lois usuelles discrètes et continues, loi conditionnelles, indépendance…), statistiques (lois usuelles, estimation, corrélations, tests…), algèbre linéaire (opérations matricielles, tenseurs, factorisation…), optimisation continue (différentiabilité, convexité, optimalité, algorithmes).

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 18 heures

Traitement du langage naturel et linguistique (3 crédits)

CONTENU

Le traitement automatique du langage naturel est à la confluence de nombreuses disciplines, dont la linguistique, l’apprentissage automatique, l’intelligence artificielle… L’objectif est de faire un tour d'horizon des modèles linguistiques, problématiques d’annotation et d’évaluation sur corpus, les approches modulaires, les différentes tâches de reconnaissance et synthèse du langage (niveaux syntaxique, sémantique, discursif). Ces thématiques seront développées dans un contexte multilingue, en couvrant les problématiques de l’adaptation au domaine.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Option S3 IAAA - 12 crédits à choisir

Introduction aux sciences cognitives (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 15 heures
  • Travaux dirigés : 15 heures

Apprentissage par renforcement (3 crédits)

CONTENU

L’apprentissage par renforcement vise à l’acquisition automatisée de compétences pour la prise de décisions (actions ou contrôle) en milieu complexe et incertain. Il s’agit d’apprendre par l'expérience une stratégie comportementale (appelée politique) en fonction des échecs ou succès constatés. Ce paradigme d’apprentissage est très utilisé en robotique et pour des problématiques complexes d’intelligence artificielle (Voir le logiciel AlphaGo). Certains principes généraux, comme le dilemme exploitation / exploration, sont introduits par l’étude des bandits (les machines à sous) puis le cours aborde les notions de Processus de Décision Markoviens (MDP, POMDP), d’apprentissage de politique (policy iteration, value iteration, policy gradient…), et de deep reinforcement learning.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Signal, apprentissage et multimédia (3 crédits)

CONTENU

Cette UE abordera des problématiques spécifiques au traitement de données multimédia en général, des données de type séquences ou signaux telles que l'audio, les images, les vidéos, et pour des tâches de modélisation, de classification, de segmentation, ou encore d’inpainting. L’UE introduira des notions telles que le filtrage, la convolution, l’échantillonnage, mais aussi des aspects perceptifs et des problématiques de traitement de données multimodales et cross modales.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Prédictions structurées pour le traitement automatique du langage naturel (3 crédits)

CONTENU

Cette UE a pour ambition de faire une exploration en profondeur des modèles de séquence pour le traitement automatique du langage. Les applications envisagées sont la traduction automatique, la génération de texte, résumé automatique, les agents conversationnels, la reconnaissance de la parole. Seront vues en détails les représentations de mots (méthodes d’apprentissage des embeddings), les différentes architectures récurrentes, bidirectionnelles, multicouches, ainsi que les mécanismes d’attention (pointer networks, copynets), les réseaux à mémoire, etc.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Raisonnement automatique en milieu industriel (3 crédits)

CONTENU

Applications du raisonnement automatique pour la résolution de problèmes en milieu industriel : planification de tâches, diagnostic (déterminer les causes possibles de panne), allocation de ressources, etc.

Plaquette de l'enseignement.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 10 heures
  • Travaux dirigés : 10 heures
  • Travaux pratiques : 7 heures

Théorie de l'apprentissage et statistique non paramétrique (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 12 heures
  • Travaux dirigés : 12 heures

Langage et cognition (6 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 20 heures
  • Travaux dirigés : 30 heures
  • Travaux pratiques : 10 heures

Introduction à la neurobiologie (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 18 heures
  • Travaux dirigés : 3 heures
  • Travaux pratiques : 9 heures

Semestre 4 IAAA (30 crédits)

Communication scientifique (3 crédits)

Contenu non disponible.

VOLUME DES ENSEIGNEMENTS

  • Cours magistraux : 9 heures
  • Travaux dirigés : 9 heures
  • Travaux pratiques : 9 heures

Stage IAAA (27 crédits)

Contenu non disponible.

INFORMATIONS DIVERSES

Secrétariat pédagogique :

MODALITÉS D'INSCRIPTION

RÉGIMES D'INSCRIPTION

Cette formation est accessible en

  • Formation initiale
  • Formation continue
https://formations.univ-amu.fr/xml/ME5SIN.xml