Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	DS	EET	EET	Total
		Durée		0h15	1h30	2h	2h
Points	Cas général	1ère session	40	40	20	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Présenter l?Intelligence Artificielle, son histoire fondatrice de l?informatique, ses concepts, ses résultats, son actualité, les critiques et propositions d?évolution contemporainesPrésenter les techniques classiques de l?Intelligence Artificielle
Compétences spécifiques visées :
Test de TuringProgrammation dans les principaux langages de l?IA (LISP, PROLOG)Conception de systèmes interactifs intelligentsRetours d?usage en IA
Compétences générales visées :
Culture générale et opérationnelle en IAEléments d?épistémologie contemporaine et de sciences cognitives
Connaissances requises :
Logique du premier ordre, logique des prédicats

Programme :
? Logique propositionnelle, logique des prédicats, logique modale, logique floue? Résolution de problèmes et parcours heuristiques d'espaces d'états? Eléments de représentation des connaissances (réseaux sémantiques)? Eléments d?acquisition des connaissances et apprentissage? Introduction aux réseaux bayésiens? Introduction aux systèmes multi-agents, fouille de données, intelligence artificielle distribuée, systèmes d?information interactifs, ingénierie des connaissances, traitement de l?incertain et de l?imprécis

Responsables :
François ALIN (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	TP	Total
Durée	10h	10h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	DST	EET	Total
		Durée		1h30	1h30
Points	Cas général	1ère session	60	40	0	100%
		2ème session	60	0	40	100%
	Dispense contrôle continu	1ère session	60	40	0	100%
		2ème session	60	0	40	100%

Objectifs :

Compétences spécifiques visées :
- Comprendre l?approche machine learning/deep learning- Comprendre l?architecture des réseaux de neurones et les bases fondamentales de leur convergence- Maîtriser les outils disponibles bas et haut niveau
Compétences générales visées :
- Les différentes approches du « machine learning » ;- Architecture des réseaux de neurones élémentaires ;- Principaux algorithmes du « machine learning »
Connaissances requises :
Algorithmique et structures de données élémentaires. Programmation C/C++

Programme :
- Le machine learning et le deep learningo Historiqueo Intelligence collectiveo Bases théoriques et utilisation- Les réseaux de neuroneso Bases mathématiqueso Architecture, fonctions d'activation et de pondérationo L'apprentissage d'un réseau de neuroneso Modélisation d'un réseau de neuroneso Approximation- Outils usuels en deep learningo Haut niveau : PyTorch, Keras, Lasagneo Bas niveau : Theano, Torch, Caffe, Tensorflow

Responsables :
Stéphane CORMIER (Responsable) - département Informatique (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	CRTP	DST	EET	Total
		Durée		1h30	1h30
Points	Cas général	1ère session	30	70	0	100%
		2ème session	30	0	70	100%
	Dispense contrôle continu	1ère session	0	100	0	100%
		2ème session	0	0	100	100%

Objectifs :
Développer des fonctions avancées de structuration et d?accès aux données
Compétences spécifiques visées :
Création d?une base de données et Programmation avancée sous les SGBD Oracle et/ou SQL Server
Compétences générales visées :
Connaître les structurations et la programmation des accès en Base de Données
Connaissances requises :
Création d?une base de données, Langage SQL, Programmation C ou C++ ou Java

Programme :
1. Langages et modèles avancés de base de donnéesa. Requêtes complexesb. Triggersc. Curseursd. PL/SQLe. Packagesf. SQL Dynamiqueg. Relationnel objeth. Optimisationi. Stockage d?objets binaires2. Interfaçage d?une base de données avec des langages objets et non objets

Responsables :
Hacène FOUCHAL (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	TP	Total
Durée	15h	5h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	DST	EET	Total
		Durée		1h30	1h30
Points	Cas général	1ère session	50	50	0	100%
		2ème session	50	0	50	100%
	Dispense contrôle continu	1ère session	50	50	0	100%
		2ème session	50	0	50	100%

Objectifs :
Développer, simuler des applications de collecte de données sur des réseaux de capteurs
Compétences spécifiques visées :
Développement dans un environnement distribuéProgrammer sur une plateforme sans fil
Compétences générales visées :
Acquérir les concepts généraux de la simulation
Connaissances requises :
Programmation C ou C++ ou Java

Programme :
- Introduction aux réseaux sans fil et réseaux de capteurs sans fil- Développement évènementiel distribué- Méthodes d?agrégation de données- Techniques de simulation- Introduction aux outils de simulation- Développement sur une plateforme de réseaux de capteurs

Responsables :
Ithéri YAHIAOUI (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	CR	DST	EET	Total
		Durée			1h30	1h30
Points	Cas général	1ère session	30	20	50	0	100%
		2ème session	30	20	0	50	100%
	Dispense contrôle continu	1ère session	30	20	50	0	100%
		2ème session	30	20	0	50	100%

Objectifs :
Présentation des différentes techniques d?analyse des données uni-variées, bi-variées et multi-variées. Les différentes techniques seront mise en ?uvre à l?aide du logiciel R
Compétences spécifiques visées :
Apprendre les bases de l?analyse des données
Compétences générales visées :
Apprendre les bases de l?analyse des données
Connaissances requises :

Programme :
Statistique descriptive- Notions de base (population, caractères)- Variables aléatoires, lois de probabilités discrètes ou continues- Densités de probabilités, fonction de répartition- Effectifs, distributions, discrétisationAnalyse uni-variée- Caractéristiques statistiques (moyenne, médiane, quantiles empiriques, variance, étendu)- Histogramme, modeAnalyse des données bi-variées :- Etude de corrélation- Etude d?indépendance- Analyse de la variance- Analyse multi-variée et visualisation :- Analyse en composantes principales,- Analyse factorielle des correspondances,- Analyse des correspondances multiples,- Analyse des données mixtes,- Analyse factorielle discriminante

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	15h	5h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	DS	DST	EET	Total
		Durée	1h	1h30	1h30
Points	Cas général	1ère session	40	60	0	100%
		2ème session	0	0	100	100%
	Dispense contrôle continu	1ère session	0	100	0	100%
		2ème session	0	0	100	100%

Objectifs :
- Comprendre et maîtriser les algorithmes d?optimisation
Compétences spécifiques visées :
- Algorithmes classiques d?optimisation
Compétences générales visées :
- Théorie de l?optimisation
Connaissances requises :

Programme :
- Le problème général d?optimisation- Quelques rappels de calcul différentiel, analyse convexe et extremum- Calcul différentielo Gradient et Hessienneo Formules de Taylor- Fonctions convexes- Conditions nécessaires de minimum- Méthodes d?Optimisation sans contrainteso Relaxationo Méthodes de gradient- Optimisation avec contrainteso Multiplicateurs de Lagrange- Minimisation avec contrainteso Méthodes de relaxationo Méthodes de projection

Responsables :
Ithéri YAHIAOUI (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	10h	10h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	DST	EET	Total
		Durée	2h	2h
Points	Cas général	1ère session	100	0	100%
		2ème session	0	100	100%
	Dispense contrôle continu	1ère session	100	0	100%
		2ème session	0	100	100%

Objectifs :
le langage Python est le langage le plus largement utilisé pour développer des applications en intelligence artificielle. Il s'agit d'un module de transition permettant d'apprendre la syntaxe et étudier comment les concepts de programmation déjà connus s'expriment en Python.
Compétences spécifiques visées :
programmation Python
Compétences générales visées :
programmation Python
Connaissances requises :
maîtrise d'un langage programmation

Programme :
? Interpréteur Python? Types de base, structures de données (Listes, Tuples, Ensembles, Dictionnaires)? Contrôle de flux et fonctions.? Entrées/sorties.? Espace de nommages, classes, héritages.? Erreurs et exceptions.? Bibliothèque standard et modules? Débogage

Responsables :
Ithéri YAHIAOUI (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	10h	10h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	CRTP	ITP	Total
		Durée		1h
Points	Cas général	1ère session	30	70	100%
		2ème session	30	70	100%
	Dispense contrôle continu	1ère session	30	70	100%
		2ème session	30	70	100%

Objectifs :
R est l?un des langages de programmation les plus utilisés en « machine learning » et « data-mining ». L?objectif est d?apprendre à programmer en R, notamment pour la mise en ?uvre de techniques de base de d?analyse de données et de classification.
Compétences spécifiques visées :
Programmation en R
Compétences générales visées :
Programmation en R
Connaissances requises :

Programme :
- Introduction à R- Syntaxe de base- Structures de contrôles (boucles, branchement conditionnelles, etc)- Manipulation de structures de données (vecteurs, facteurs, matrices, listes et tableaux)- Procédures, fonctions et modules- Utilisation des packages en R- Graphes en R

Responsables :
Hélène BELLECAVE (Responsable) - département Langues (UFR SEN)
Annabelle BULIN (Responsable) - département Langues (UFR SEN)

Volume horaire :

Nature	TD	Total
Durée	30h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	DM	Oral	EOT	Total
		Durée		0h15	0h15
Points	Cas général	1ère session	40	60	0	100%
		2ème session	40	0	60	100%
	Dispense contrôle continu	1ère session	0	100	0	100%
		2ème session	0	0	100	100%

Objectifs :
Acquérir les compétences de base de l'anglais technique dans le domaine de l'informatique.
Compétences spécifiques visées :
Faire une présentation orale convaincante d'un thème/document étudié (méthodologie de la communication)Ecrire un texte argumentatif (méthodologie de l'essay)Elargir sa connaissance du lexique relatif à l'informatique et aux TIC à travers les documents étudiés
Compétences générales visées :
Compétences relatives à l'apprentissage d'une langue étrangère au niveau B2 du Cadre Européen Commun de Référence pour les Langues (CECRL) :Compréhension de l'oral, compréhension de l'écrit, expression orale en continu et en interaction, expression écrite
Connaissances requises :
Etude de la langue anglaise dans l'enseignement secondaire et supérieur

Programme :
L'ordinateur et les TIC : matériel et logiciels, les systèmes d'exploitation, les langages de programmation, informatique, internet et société (programme non exhaustif).Remarque : étant donné le niveau attendu en fin de diplôme de Master (B2/C1), il est vivement recommandé de compléter les enseignements et apprentissages en TD d'anglais par un travail personnel au CRL (Centre de Ressources en Langues) du campus, bâtiment 5ter. Ce travail se fera en autonomie mais l'étudiant pourra bénéficier du guidage et de l'accompagnement de son enseignant d'anglais.

Responsables :

Volume horaire :

Nature	Total
Durée	0h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Total
		Durée
Points	Cas général	1ère session	100	100%
		2ème session	100	100%
	Dispense contrôle continu	1ère session	100	100%
		2ème session	100	100%

Objectifs :
Acquérir les techniques de présentation et de rédaction
Compétences spécifiques visées :
Maîtriser les techniques d?expression écritesMaîtriser l?expression orale
Compétences générales visées :

Connaissances requises :

Programme :
Construction d?un exposéPrésentation d?un exposéStructuration d?un compte-renduAide à la recherche d?emploi

Responsables :
Joris FALIP (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	6h	26h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	DS	EET	EET	Total
		Durée		0h15	1h30	2h	2h
Points	Cas général	1ère session	40	40	20	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Former aux techniques d?ingénierie de besoin, d?acquisition et de modélisation des connaissances pour l?aide informatisée, interactive ou non, à la décision, l?action et l?interprétationIntroduire les champs d?application des Humanités Numériques dans leur diversité et leur actualité
Compétences spécifiques visées :
Formation à la R&D en Humanités NumériquesNotions d?intelligence collectiveSensibilisation aux questions de DRM et de propriété intellectuelle
Compétences générales visées :
Conception de modèles orientés connaissances pour des systèmes d?information interactifsPlacement au sein des Humanités Numériques
Connaissances requises :
Logique, Intelligence Artificielle, Analyse de données

Programme :
? Acquisition des connaissances et modélisation par les collections? Ingénierie des connaissances et des besoins? Systèmes info-centrés/centrés utilisateurs? Fouille interactive de données? Ontologies? Humanités Numériques (déplacement des méthodes, enjeux, observables des Humanités)

Responsables :
Joris FALIP (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	DS	EET	EET	Total
		Durée		0h15	1h30	2h	2h
Points	Cas général	1ère session	40	40	20	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Modélisation de la décisionIntroduction aux techniques d?aide à la décision (arbres de décision, règles d?association, systèmes experts, ?)
Compétences spécifiques visées :
Culture anthropologique sur la décision individuelle et collective
Compétences générales visées :
Conception de systèmes informatisés interactifs capables de décision et d?interprétation
Connaissances requises :
Logique, Intelligence Artificielle

Programme :
Hypothèses de la rationalité limitéeDécision individuelle et collectiveClassification, collection, catégorisationL?aide à la décision en IA face à la recherche opérationnelleApplications contemporaines de l?aide à la décision

Responsables :
Ithéri YAHIAOUI (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	6h	26h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	CR	DST	EET	Total
		Durée			1h30	1h30
Points	Cas général	1ère session	30	20	50	0	100%
		2ème session	30	0	0	70	100%
	Dispense contrôle continu	1ère session	30	0	70	0	100%
		2ème session	30	0	0	70	100%

Objectifs :
Ce cours a comme objectif d?introduire les différentes applications de reconnaissance de formes et de présenter plusieurs approches de description; en particulier, celles portant sur les formes géométriques dans un but d?identification d?objets.
Compétences spécifiques visées :
Approches de description de formes géométriques pour la reconnaissance motifs.
Compétences générales visées :
Approches de description et de reconnaissance de formes
Connaissances requises :

Programme :
? Applications de reconnaissance de formes: Vision, Écriture, Parole, etc.? Approches Statistiques? Approches Structurelles? Extraction des caractéristiques? Paramètres de formes? Descripteurs morphologiques? Descripteurs géométriques? Transformées spectrales? Méthodes Fractales? Relations Spatiales? L?analyse multi-échelles? Méthodes de graphes? Sélection des caractéristiques

Responsables :
Zahia GUESSOUM (Responsable) - département Informatique IUT (IUT RCC - Reims)

Volume horaire :

Nature	CM	TD	TP	Total
Durée	15h	10h	5h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	DS	EET	EET	Total
		Durée		0h15	1h30	2h	2h
Points	Cas général	1ère session	40	40	20	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Ce cours présente les concepts de base des systèmes multi-agents, les architectures d?agents, les modèles organisationnels,les méthodologies multi-agents ainsi que les langages et les plates-formes de programmation de SMA.
Compétences spécifiques visées :
Architecture d?agents, modèle organisationnels, modèles d?interactions, modèles de coordination
Compétences générales visées :
Conception de systèmes informatisés interactifs capables de d?organiser de manière dynamique et adaptativeConception et contrôle de systèmes complexes
Connaissances requises :
Logique, Intelligence Artificielle, Génie logiciel

Programme :
Systèmes complexesArchitectures d?agentsModèles d?interactionModèles organisationnelsMéthodologiesSimulation multi-agentsOutils

Responsables :
Pascal MIGNOT (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	DST	EET	Total
		Durée	2h	2h
Points	Cas général	1ère session	100	0	100%
		2ème session	0	100	100%
	Dispense contrôle continu	1ère session	100	0	100%
		2ème session	0	100	100%

Objectifs :
? Modèles théoriques de traitement informatique? Notions de décidabilité et de calculabilité? Notions de complexité temporelle et spatiale? Notions de complétude et problèmes NP et NL complets? Problème NP-complets
Compétences spécifiques visées :
? Comprendre les limites théoriques de l'informatique? Distinguer les problèmes que l?on peut résoudre en informatique et, parmi eux, ceux que l?on sait pouvoir résoudre efficacement ou pas
Compétences générales visées :
? Informatique théorique
Connaissances requises :
? Langages et compilation

Programme :
? Introduction, définitions et motivations de l?étude sur la décidabilité? Machine de Turing? Décidabilité, Indécidabilité? Introduction, définitions et motivations de la théorie de la complexité? Calculabilité? Complexité temporelle : classes P, NP et NP-complétude? Complexité spatiale : classes L, NL, et NL-complétude? Présentation de problèmes NP-complets, et introduction à leurs méthodes de résolution

Responsables :
Philippe REGNAULT (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	16h	14h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	DS	CR	EOT	EOT	Total
		Durée	1h30		0h30	1h
Points	Cas général	1ère session	50	50	0	0	100%
		2ème session	0	50	0	50	100%
	Dispense contrôle continu	1ère session	0	50	50	0	100%
		2ème session	0	50	0	50	100%

Objectifs :
Cet enseignement vise à faire acquérir les connaissances et compétences nécessaires à la mise en ?uvre d?une analyse statistique descriptive rigoureuse d?une base de données. Précisément, les différentes étapes d?une analyse (préparation des données, description, visualisation, formalisation de la problématique d?intérêt, tests d?hypothèses et leur interprétation) sont décrites, les méthodes afférentes présentées. Il s?agit donc notamment de modéliser la répartition de données réelles afin d?en extraire les lois sous-jacentes.
Compétences spécifiques visées :
Maîtrise des différentes étapes de la mise en ?uvre d?une analyse statistique descriptive ;Maîtrise des tests paramétriques usuels ;Maîtrise des procédures (logiciel R).
Compétences générales visées :
Préparation d?une base de données ;Description et visualisation de données sous R ;Mise en ?uvre d?une procédure de tests statistiques répondant à une problématique donnée.
Connaissances requises :
Probabilités et statistique niveau licence de mathématiques, économétrie ou informatique ; Connaissances de base du logiciel R.

Programme :
- Estimation et tests d?hypothèses paramétriques usuels :- Test de Student,- Test de Welch,- Test de Fisher,- ANOVA- Tests d?adéquation à une loi- χ²- Kolmogorov-Smirnof- Application à des jeux de données variés.

Responsables :
Stéphane CORMIER (Responsable) - département Informatique (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	20h	6h	26h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	CR	DST	EET	Total
		Durée			1h30	1h30
Points	Cas général	1ère session	60	10	30	0	100%
		2ème session	60	10	0	30	100%
	Dispense contrôle continu	1ère session	60	0	40	0	100%
		2ème session	60	0	0	40	100%

Objectifs :
Comprendre les spécificités des systèmes interactifsImplanter via les techniques de programmation spécifiques, les périphériques et les outils
Compétences spécifiques visées :
Programmation d?une IHM et de périphériques d?interaction (.NET / JavaFX / PyQt)
Compétences générales visées :
Connaître les styles et modèles d?interaction et les technologies innovantes en Interaction
Connaissances requises :
Programmation en langage objet (Java ou C# ou C++) + Programmation Python

Programme :
1. Les IHMa. Histoireb. Place de l?ergonomie2. Conception des systèmes et modèles3. Styles d?interactiona. Conversationnelb. Manipulation directec. Gestuelled. Crossinge. Autres4. Programmation des IHMa. Périphériquesb. Architectures Logicielles & MVCc. Techniques émergentes

Responsables :
Joris FALIP (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	10h	10h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	Projet	EET	EET	Total
		Durée		0h10	0h30	1h	1h
Points	Cas général	1ère session	30	40	30	0	0	100%
		2ème session	0	0	30	0	70	100%
	Dispense contrôle continu	1ère session	40	0	0	60	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Permettre aux étudiants d?appréhender via une pédagogie orientée projet les différents concepts de la visualisation de données et d?être efficace dans leur choix.
Compétences spécifiques visées :
Connaître les modes de représentation des donnéesDéterminer le graphique le plus pertinent selon le message à délivrer
Compétences générales visées :
Concevoir et expérimenter des concepts, Justifier ses Analyses et choix graphiques
Connaissances requises :

Programme :
1. Type de graphiques et type de donnéesa. Types d?informationb. Graphiques pour distributions statistiquesc. Graphiques pour séries continues ou temporellesd. Graphiques pour données hiérarchiques ou en réseaue. Graphiques pour données spatialisées2. Principes perceptifs et cognitifsa. Perception visuelle et cognition : pré-attention et théorie de la forme (Gesltat)b. Sémiologie graphiquec. Variables visuelles, conjonction de variablesd. Langages graphiques : principese. Couleur et visualisationf. Savoir gérer la couleur : cercle chromatique, palettes graphiquesg. Ergonomieh. Adéquation variable visuelle / type de données3. Mise en ?uvre pratiquea. Choix du projetb. Identification des objectifsc. Collecte et triage des donnéesd. Choix des graphiquese. Codagef. Analyse des résultats et compréhension

Responsables :
Hélène BELLECAVE (Responsable) - département Langues (UFR SEN)
Annabelle BULIN (Responsable) - département Langues (UFR SEN)
Aline LELARGE (Responsable) - département Langues (UFR SEN)

Volume horaire :

Nature	TD	Total
Durée	30h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	DS	Oral	EOT	Total
		Durée	2h	0h15	0h15
Points	Cas général	1ère session	70	30	0	100%
		2ème session	30	0	70	100%
	Dispense contrôle continu	1ère session	100	0	0	100%
		2ème session	0	0	100	100%

Objectifs :
Consolider ses connaissances de l?anglais technique dans le domaine de l?informatiquePour obtenir 10/20, les étudiants devront avoir le niveau B2 dans les compétences évaluées par l'enseignant.
Compétences spécifiques visées :
Extraire des informations pertinentes dans un texte ou un dossier de textesPrendre part à une discussion contradictoireElargir sa connaissance du lexique relatif à l?informatique et aux TIC à travers les documents étudiés
Compétences générales visées :
Compétences relatives à l?apprentissage d?une langue étrangère au niveau B2 du CadreEuropéen Comme de Référence pour les Langues (CECRL) : compréhension de l?oral, compréhension de l?écrit, expression orale en continu et en interaction, expression écrite.
Connaissances requises :
Etude de la langue anglaise dans l?enseignement secondaire et supérieur

Programme :
La sécurité des données et des réseaux, le Cloud, la technologie portable, l?internet des objets, le Big Data (programme non exhaustif).Remarque : étant donné le niveau attendu en fin de diplôme de Master (B2/C1), il est vivement recommandé de compléter les enseignements et apprentissages en TD d?anglais par un travail personnel au CRL (Centre de Ressources en Langues) du campus, bâtiment 5ter. Ce travail se fera en autonomie mais l'étudiant pourra bénéficier du guidage et de l?accompagnement de son enseignant d'anglais.

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	Total
Durée	1h	1h

Modalités de contrôle des connaissances :

Épreuves		Nature	Oral	CR	Projet	Total
		Durée	0h20
Points	Cas général	1ère session	30	30	40	100%
		2ème session	30	30	40	100%
	Dispense contrôle continu	1ère session	30	30	40	100%
		2ème session	30	30	40	100%

Objectifs :

Compétences spécifiques visées :
Rédaction et présentation d?un travail de recherche ou de développement sur un sujet proposé par l?équipe pédagogique
Compétences générales visées :
Maîtriser la rédaction d?un rapportPrésentation d?un travail face au public
Connaissances requises :

Programme :

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	Total
Durée	1h	1h

Modalités de contrôle des connaissances :

Épreuves		Nature	Oral	CR	Stage	Total
		Durée	0h20
Points	Cas général	1ère session	40	40	20	100%
		2ème session	40	40	20	100%
	Dispense contrôle continu	1ère session	40	40	20	100%
		2ème session	40	40	20	100%

Objectifs :

Compétences spécifiques visées :
Travail en équipe et en entreprise
Compétences générales visées :

Connaissances requises :

Programme :
Traiter d?un sujet en entreprise préalablement étudié dans le cursus (Bases de données, IA, ?)

Responsables :
Amor KEZIOU (Responsable) - département Mathématiques (UFR SEN)
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	20h	30h	50h

Modalités de contrôle des connaissances :

Épreuves		Nature	IE	CR	EOT	EOT	Total
		Durée	1h30		0h30	0h30
Points	Cas général	1ère session	50	50	0	0	100%
		2ème session	0	50	0	50	100%
	Dispense contrôle continu	1ère session	0	50	50	0	100%
		2ème session	0	50	0	50	100%

Objectifs :
Allant de pair avec le développement des outils informatiques, les bases de données très volumineuses sont de plus en plus nombreuses. Il s?agit alors de chercher à en extraire de l'information pertinente pour aider à la décision. Le Data Mining se base sur une articulation spécifique de différentes techniques statistiques. Ce cours vise à construire les différentes techniques statistiques utilisées lors du processus de Data Mining, en apprentissage statistique, classification et scoring, en particulier, en grande dimension et pour des données massives. La mise en ?uvre des différentes techniques explorées, d?apprentissage statistique, de classification et de scoring, se fera à l?aide du logiciel R ou Python. Des exemples de scoring, issus des secteurs : bancaire, assurance ou marketing, seront présentés, par le biais d?intervention de professionnels.
Compétences spécifiques visées :
- Acquérir les différentes méthodes d?apprentissage statistique et de classification, notamment en grande dimension ;- Savoir mettre en ?uvre les techniques, à l?aide du logiciel R ou Python, pour répondre aux multiples problèmes réels du domaine d?application du Data Mining ;- Savoir créer un score adéquat ; Etre à même d?utiliser et d?interpréter de manière pertinente un score.
Compétences générales visées :

Connaissances requises :
Statistique niveau Master 1 de mathématiques, économétrie ou informatique ; Connaissances de base de R/Python.

Programme :
? Analyse discriminante linéaire, quadratique et K-plus proches voisins? Classification binaire par régression logistique? Classification multi-groupes par régression logistique multinomiale? Modèles de rapport de densités pour la classification binaire ou multi-groupe? Sélection de modèles pour la classification par critères AIC et BIC, et validation croisée (leave-one- out, k-fold cross-validation, bootstrap)? Les machines à vecteurs de support (SVM)? Apprentissage statistique et classification en grande dimension : Méthodes de réduction de dimension ; Méthodes de régularisation ; Modèles à noyau? Application : Scoring

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	15h	5h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	Projet	EET	EET	Total
		Durée		0h10		2h	2h
Points	Cas général	1ère session	30	40	30	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Introduire aux domaines applicatifs particuliers que sont les Smart Cities, la Smart Agriculture et les Smart Factories
Compétences spécifiques visées :
Données géographiques/géomatiquesLa notion d?Agencement en Sciences Humaines et SocialesCompétences métier liées à la notion de territoire
Compétences générales visées :
Permettre aux étudiants de comprendre les enjeux, l?état de l?art ainsi que la demande sociale, théorique et technique des deux domaines en pleine expansion que constituent actuellement les Smart Cities, la Smart Agriculture et les Smart Factories (Industries 4.0)Envisager les liens qu?entretiennent ces deux domaines d?application
Connaissances requises :
Logique, Intelligence Artificielle, Visualisation de données, Bases de données, Modélisation des connaissances et Humanités Numériques, Systèmes d?aide à la décision, IHM/Interactions, Outils d?optimisation pour la classification

Programme :
Notions de territoire, villes, agricultureGéographie numériqueAgencements en philosophie contemporaine (Deleuze, Foucault, ?)Modélisation des Agencements numériques (Complexes simpliciaux d?Atkin)Etat de l?art des domaines Smart Cities, Smart Agriculture, et Smart FactoriesEsquisses d?applications en vraies grandeurs

Responsables :
Stéphane CORMIER (Responsable) - département Informatique (UFR SEN)
Frédéric BLANCHARD (Responsable) - département Informatique IUT (IUT RCC - Reims)

Volume horaire :

Nature	CM	TP	Total
Durée	10h	10h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	CR	DST	EET	Total
		Durée			1h30	1h30
Points	Cas général	1ère session	30	10	60	0	100%
		2ème session	30	10	0	60	100%
	Dispense contrôle continu	1ère session	30	10	60	0	100%
		2ème session	30	10	0	60	100%

Objectifs :
Comprendre les bases de données noSQL et les outils BigData
Compétences spécifiques visées :
Conception de bases de données noSQL et d'applications BigData
Compétences générales visées :

Connaissances requises :
Développement Java et/ou Python et R

Programme :
1. Bases noSQLa. Définition et outilsb. noSQL versus SQLc. Comparatif MongoDb, Cassandra, Oracle NoSql2. Architecture noSQLa. Fonctionnalités serveurb. Architecture distribuéec. Paradigme MapReduce3. Les schémas de données4. Hadoop et Spark et les autres outils du BigData

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)
Frédéric BLANCHARD (Responsable) - département Informatique IUT (IUT RCC - Reims)

Volume horaire :

Nature	CM	TD	Total
Durée	15h	10h	25h

Modalités de contrôle des connaissances :

Épreuves		Nature	IE	CR	EOT	EOT	Total
		Durée	1h		0h30	0h30
Points	Cas général	1ère session	50	50	0	0	100%
		2ème session	0	50	0	50	100%
	Dispense contrôle continu	1ère session	0	50	50	0	100%
		2ème session	0	50	0	50	100%

Objectifs :
L'objectif de ce module est de comprendre les problématiques du machine learning et de maîtriser l'usage d'une sélection d'algorithmes emblématiques. À travers des exemples concrets, nous aborderons les problèmes de clustering, d'aide à la décision, d'extraction de règles d'association, et d?analyse de données liées.Une attention particulière sera apportée à l?intégration des méthodes dans un worflow complet d?analyse, ainsi qu?à la présentation synthétique et visuelle des résultats.D'un point de vue pratique, les travaux seront réalisés en R à l'aide de packages dédiés.
Compétences spécifiques visées :
Comprendre les problématiques associées au machine learningSavoir identifier la méthode à utiliser en fonction du problèmeEtre capable de la mise en ?uvre dans un processus complet d?analyse et de fournir une restitution et une interprétation des résultatsUtilisation de packages dédiés en R
Compétences générales visées :

Connaissances requises :
Notions de base en R

Programme :
1. Contexte, problématique et workflow en machine learning2. Apprentissage non superviséa. Clustering (k-means, CAH)b. Clustering par modèles de mélanges gaussiens, algorithme EMc. Extraction de règles d'association (a priori)d. Analyse de données liées (pagerank)3. Apprentissage superviséa. Réseaux de neuronesb. Arbres de décision, forêts aléatoiresc. Bagging, Boosting

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	15h	5h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	CR	Oral	Projet	EET	EET	Total
		Durée		0h15		2h	2h
Points	Cas général	1ère session	30	40	30	0	0	100%
		2ème session	0	0	0	0	100	100%
	Dispense contrôle continu	1ère session	0	0	0	100	0	100%
		2ème session	0	0	0	0	100	100%

Objectifs :
Introduire à la modélisation des systèmes participatifs et bio-inspirés
Compétences spécifiques visées :
Données géographiques/géomatiquesLa notion d?Agencement en Sciences Humaines et SocialesCompétences métier liées à la notion de territoire
Compétences générales visées :
Permettre aux étudiants de comprendre les enjeux, l?état de l?art ainsi que la demande sociale, théorique et technique des modèles participatifs d?une part, des modèles bio-inspirés d?autre partEnvisager les liens qu?entretiennent ces deux domaines d?application
Connaissances requises :
Logique, Intelligence Artificielle, Visualisation de données, Bases de données, Modélisation des connaissances et Humanités Numériques, Systèmes d?aide à la décision, IHM/Interactions, Outils d?optimisation pour la classification

Programme :
Notions élémentaires de participation, de concertation et de démocratie participative (votes, sondages, ?)Notions de bioinformatique contemporaine (modélisation moléculaire, arbres phylogénétiques et clades, ?)Esquisses d?applications en vraies grandeurs

Responsables :
Pascal MIGNOT (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	15h	5h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	DST	EET	Total
		Durée	2h	2h
Points	Cas général	1ère session	100	0	100%
		2ème session	0	100	100%
	Dispense contrôle continu	1ère session	100	0	100%
		2ème session	0	100	100%

Objectifs :
? Proposer un modèle alternatif aux modèles probabilistes standards (Bayésien) pour comprendre et modéliser les raisonnements humains? Utilisation d'aspects de la théorie quantique pour modéliser des systèmes probabilistes dynamiques (interférence de l'incertitude sur les décisions, approche non réductionniste de la cognition).
Compétences spécifiques visées :
? Modèles décisionnels quantiques.? Modèles cognitifs quantiques.
Compétences générales visées :
? Intelligence artificielle : modèle d'apprentissage et de décision
Connaissances requises :
? Algèbre matricielle et linéaire ? Théorie des probabilités

Programme :
? Introduction à la théorie quantique? Probabilité des erreurs humaines de jugement? Modèles quantique de combinaison de concepts? Modèle cognitif quantique de reconnaissance conjointe? Application du modèle quantique à la prise de décision? Modélisation avec la théorie de l'information quantique? Apprentissage des systèmes quantiques

Responsables :
Hacène FOUCHAL (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TP	Total
Durée	20h	10h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	EOT	Total
		Durée		0h15
Points	Cas général	1ère session	100	0	100%
		2ème session	0	100	100%
	Dispense contrôle continu	1ère session	100	0	100%
		2ème session	0	100	100%

Objectifs :
? Programmation avancée en Python? Modèles de programmation? Cycle ou outil de développement d'un code
Compétences spécifiques visées :
? Maîtrise des concepts avancés en Python? Maîtrise des patrons de programmation classique? Maîtrise des outils de développement Python? Cycle de développement
Compétences générales visées :
? Conception et programmation objets? Génie logiciel? Développement logiciel
Connaissances requises :
? Programmation python

Programme :
? Concepts avancés Python (lambda, méthodes magiques, décorateur, méta-classes, ...)? Patrons de programmation,? Conception de module,? Optimisation,? Outils : contrôleur de codes, tests unitaires, générateur de documentation

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	Total
Durée	20h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	Assiduité	Total
		Durée
Points	Cas général	1ère session	100	100%
		2ème session	100	100%
	Dispense contrôle continu	1ère session	100	100%
		2ème session	100	100%

Objectifs :
Interagir avec des professionnels lors de conférences-métiers des domaines concernés par la formation (I.A., Bases de données, Big Data etc.)
Compétences spécifiques visées :

Compétences générales visées :

Connaissances requises :

Programme :

Responsables :
Hélène BELLECAVE (Responsable) - département Langues (UFR SEN)

Volume horaire :

Nature	TD	Total
Durée	30h	30h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	Oral	EOT	Total
		Durée		0h15	0h15
Points	Cas général	1ère session	40	60	0	100%
		2ème session	40	0	60	100%
	Dispense contrôle continu	1ère session	40	60	0	100%
		2ème session	40	0	60	100%

Objectifs :
Consolider ses connaissances de l?anglais technique et professionnelPour obtenir 10/20, les étudiants devront avoir le niveau B2 dans les compétences évaluées par l'enseignant.
Compétences spécifiques visées :
Savoir parler de son parcours universitaire et/ou professionnel, décrire ses missions et responsabilitésRédiger CV et lettre de motivation en anglaisRépondre aux questions type d?un entretien d?embauche en anglais
Compétences générales visées :
Compétences relatives à l?apprentissage d?une langue étrangère au niveau B2/C1 du Cadre Européen Commun de Référence pour les Langues (CECRL) : compréhension de l?oral, compréhension de l?écrit, expression orale en continu et en interaction, expression écrite.
Connaissances requises :
Avoir étudié et pratiqué la langue anglaise dans l?enseignement secondaire et universitaire

Programme :
Anglais technique et professionnel relatif à l?informatique (20h)Présentation à l?oral et à l?écrit d?un stage / d?un projet de rechercheElaboration d?un dossier de candidature (recherche d?une offre d?emploi, étude et élaboration du CV et d?une lettre de motivation en fonction de l?offre)S?entraîner à l?entretien d?embauche en anglaisPréparation au TOEIC (20h)TOEIC 2 skills (listening & reading)Remarque : étant donné le niveau attendu en fin de diplôme de Master (B2/C1), il est vivement recommandé de compléter les enseignements et apprentissages en TD d?anglais par un travail personnel au CRL (Centre de Ressources en Langues) du campus, bâtiment 5ter. Ce travail se fera en autonomie mais l'étudiant pourra bénéficier du guidage et de l?accompagnement de son enseignant d'anglais.

Responsables :

Volume horaire :

Nature	Total
Durée	0h

Modalités de contrôle des connaissances :

Épreuves		Nature	Projet	Total
		Durée
Points	Cas général	1ère session	100	100%
		2ème session	100	100%
	Dispense contrôle continu	1ère session	100	100%
		2ème session	100	100%

Objectifs :
Maitriser les techniques de gestion de d'organisation des projets informatiques
Compétences spécifiques visées :
? Connaître les méthodes de gestion de projet? Savoir rédiger un cahier des charges? Savoir planifier des tâches et quantifier le travail associé
Compétences générales visées :
? Rédaction de documents techniques? Organisation des équipes
Connaissances requises :

Programme :
? Le contenu et la rédaction d'un cahier des charges? Les outils de la gestion de projet (cycle en V, démarche en 5 phases, diagrammes de Gantt)? Méthodes agiles (SCRUM, Extreme Programming ?)? Evaluation et facturation

Responsables :
Marc DE LA VILLEFROMOIT (Responsable) - département Economie et sciences sociales (UFR LSH)

Volume horaire :

Nature	CM	Total
Durée	20h	20h

Modalités de contrôle des connaissances :

Épreuves		Nature	DST	EET	Total
		Durée	1h30	1h30
Points	Cas général	1ère session	100	0	100%
		2ème session	0	100	100%
	Dispense contrôle continu	1ère session	100	0	100%
		2ème session	0	100	100%

Objectifs :
Connaitre les mécanismes de gestion et d?organisation des entreprises
Compétences spécifiques visées :

Compétences générales visées :
Structure organisationnelle d?une entrepriseManagement des personnes
Connaissances requises :

Programme :
1. Science des organisations au sein des entreprises, modèles classiques2. Les structures de l?entreprisea. La répartition des tâches dans l?organisationb. La structure de pouvoir et les principales missions relatives à l'activité managérialec. La coordination et ses mécanismes, le management des personnes3. L?évolution des structures d?entreprises

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	1h	1h	2h

Modalités de contrôle des connaissances :

Épreuves		Nature	Oral	CR	Projet	Total
		Durée	0h20
Points	Cas général	1ère session	30	30	40	100%
		2ème session	30	30	40	100%
	Dispense contrôle continu	1ère session	30	30	40	100%
		2ème session	30	30	40	100%

Objectifs :

Compétences spécifiques visées :
Rédaction et présentation d?un travail de recherche ou de développement sur un sujet proposé par l?équipe pédagogique
Compétences générales visées :
Maîtriser la rédaction d?un rapportPrésentation d?un travail face au public
Connaissances requises :

Programme :

Responsables :
Francis ROUSSEAUX (Responsable) - département Mathématiques (UFR SEN)

Volume horaire :

Nature	CM	TD	Total
Durée	1h	1h	2h

Modalités de contrôle des connaissances :

Épreuves		Nature	Oral	CR	Stage	Total
		Durée	0h20
Points	Cas général	1ère session	40	40	20	100%
		2ème session	40	40	20	100%
	Dispense contrôle continu	1ère session	40	40	20	100%
		2ème session	40	40	20	100%

Objectifs :

Compétences spécifiques visées :
Travail en équipe et en entreprise
Compétences générales visées :

Connaissances requises :

Programme :
Traiter d?un sujet en entreprise pour une intégration professionnelle