Tiré à part

Responsable : Bob-Antoine Jerry Ménélas

Regroupement de programmes : Programmes d'études de cycles supérieurs en informatique

Secrétariat : (418) 545-5011, poste 2901

Coordonnatrice : Justine Lévesque

Coordonnatrice : Stéphanie Girard

Adresse électronique : spcs_informatique@uqac.ca

Grade :

Objectifs

L'objectif du Diplôme d'études supérieures spécialisées en informatique appliquée est de former des spécialistes capables de concevoir et de réaliser des systèmes informatiques afin de satisfaire aux besoins des organisations. Le programme s'adresse aux personnes désireuses de développer ou, le cas échéant, d'améliorer leurs connaissances et leurs compétences dans ce domaine en constante évolution qu'est l'informatique appliquée.

Le programme comprend des cours obligatoires sur l'analyse, la conception, la validation et la vérification des logiciels de même que sur la gestion des projets en informatique. Cette formation de base donne à l'étudiant les outils modernes requis dans le développement de logiciels et l'introduit à la norme de qualité ISO-9000.

L'étudiant complète sa formation théorique par des cours dans une spécialité, telle que l'intelligence artificielle, l'interaction personne/système, la simulation et le contrôle des systèmes ou l'informatique de gestion.

L'étudiant termine sa formation par un projet ou un stage/projet qui lui permet d'appliquer les connaissances acquises et qui témoigne de l'atteinte des objectifs du programme.

Conditions d'admission

Être titulaire d'un baccalauréat, ou l'équivalent, en informatique ou en informatique de gestion ou en informatique-mathématique ou en génie informatique ou dans un domaine connexe, obtenu avec une moyenne d'au moins 3/4,3 ou l'équivalent. Cependant, tout dossier de candidats détenteurs d'un baccalauréat obtenu avec une moyenne cumulative inférieure à 3 mais, égale ou supérieure à 2,8/4,3 (ou équivalent) sera étudié par le sous-comité d'admission et d'évaluation du programme et pourrait faire l'objet d'une recommandation d'admission.

Posséder les connaissances requises, une formation appropriée et une expérience jugée pertinente.

Note:

Normalement, les sujets suivants doivent avoir été couverts avant l'admission au programme: mathématiques discrètes, structures de données, algorithmes et conception de logiciels, gestion de fichiers, base de données, ingénierie du logiciel, architecture des ordinateurs, systèmes d'exploitation, réseaux d'ordinateurs.

Durée du programme et régime d'études

Temps complet: durée maximale de six trimestres;
Temps partiel: durée maximale de dix trimestres.

Règlement pédagogique particulier

Certains cours d'option exigent des préalables spécifiques à la spécialité. La réussite des cours obligatoires est préalable aux cours Projet et Stage/projet.

Tout étudiant dont la langue maternelle est autre que le français qui éprouve des difficultés ou qui a une faiblesse en français peut, après avoir avisé la direction de programme, s'inscrire au cours 7FRA419 Français global et actes de paroles II. Ce cours sera hors programme.

Perspectives d'emploi

Les cours obligatoires sur les méthodes et outils de développement de logiciel, les cours d'option à la fine pointe de la technologie et le projet réalisé dans un environnement de qualité donnent à l'étudiant une formation adaptée au milieu de travail. Le détenteur d'un baccalauréat récent y verra un complément lui permettant d'accéder à des emplois de qualité et le professionnel y trouvera une mise à jour de ses connaissances essentielle dans ce domaine.

Environnement de travail

Afin d'assurer la qualité des enseignements et la formation pratique, l'Université du Québec à Chicoutimi met à la disposition des étudiants un ensemble de ressources informatiques de haute qualité.

Structure du programme

Plan de formation

Cours optionnnels

Six à huit cours parmi les suivants (30 crédits) incluant un stage/projet (de 6 ou 12 crédits)

Fournir à l'étudiant des connaissances avancées en simulation des systèmes discrets qui pourront lui servir dans tous genres d'applications. Présenter une approche méthodologique pour la conception d'un modèle, sa validation et l'analyse des résultats.

Principes de la simulation par ordinateur. Construction et validation de modèles : cueillette et analyse de données, génération de nombre pseudo-aléatoires, vérification et validation de modèles. Langages de simulation à évènements discrets. Prise de décision basée sur la simulation. Optimisation par simulation.

Approfondir les concepts de modélisation et d'implantation d'une base de donnée répartie et hétérogène selon les approches traditionnelles, actuelles et futures. Initier l'étudiant aux fonctionnalités et aux applications des bases de données spatiales, temporelles et déductives ainsi qu'au concept des entrepôts de données.

Modélisation, justification et implantation d'un cas complexe selon les approches réseau, relationnel et objet dans un environnement réparti hétérogène en considérant une stratégie de répartition choisie en fonction d'une topologie donnée. Application des contraintes de clients sur l'architecture technologique. Application des concepts de la réplication manuelle et automatisée et utilisation des mécanismes d'interconnexion de SGBD hétérogènes en accès lecture (Ingres Net, Ingres Star, Oracle, Access, lien odbc, tcp/ip), réplication et mise à jour (ex. snapshot, trigger, commit à 2 phase, réplicateur,...). Étude de cas sur les bases de données multimédia (stratégies, impact réseau, création, chargement), spatiales (ex. Oracle Spatial), déductives (ex. Datalog), temporelles (ex. TSQL, Oracle Time Series) et sur les entrepôts de données (ex. Oracle Data Warehousing).

En plus de cours magistraux, la méthode d'enseignement sera basée sur la lecture et la recherche personnelle, les rencontres individuelles et les discussions de groupe. Plusieurs concepts seront mis en pratique par l'élaboration d'un cas pratique complexe implanté dans un environnement hétérogène.

Introduire les différentes méthodes utilisées en vision artificielle et en imagerie numérique. Vise l'apprentissage des fondements de ce domaine. Comprendre en profondeur des notions utilisées dans le traitement numérique des images et la vision artificielle, tant du point de vue algorithmique que mathématique.

Langage de programmation Python; Installation et utilisation des modules spécialisés pour la vision artificielle et le traitement des images: NumPy, OpenCV, scikit-image, scikit-learn, tensorflow, keras; Manipulation et transformation des images; Filtrage; Espaces de couleurs; Segmentation; Observation des caractéristiques des images; Extraction des caractéristiques; Application de l'apprentissage machine classique et profond; Réalisation d'une étude complète : hypothèses, choix des outils, validation, présentation des résultats.

Acquérir une vue d'ensemble de la démarche à suivre en vue de résoudre un problème d'optimisation donné. Familiariser l'étudiant aux différentes méthodes utilisées ainsi que leurs justifications pour la résolution de problèmes d'optimisation combinatoire.

Approches de résolution de problèmes d'optimisation combinatoire: méthodes énumératives (Branch and Bound, CSP, ...), programmation mathématique, réseaux, heuristiques, métaheuristiques, simulation, etc.

Introduire l'étudiant à la théorie de la complexité et aux limites infrangibles des ordinateurs.

Théorie de la NP-complétude. Algorithmes et problèmes algorithmiques. Machines de Turing déterministes, non déterministes et probalistes. Mesures de complexité : temps et espace mémoire. Principales classes de complexité. NP-complétude. Réductions polynomiales. Théorème de Cook. Sujets choisis : hiérarchie polynomiale, preuves interactives, théorème PCP, complexité parallèles, complexité de la communication, etc.

Acquérir les fondements théoriques et pratiques des structures de données et leurs algorithmes dans le but de comprendre comment les justifier, les utiliser et les incorporer dans la résolution des problèmes. L'accent sera mis sur les propriétés fondamentales de ces structures et l'étude de leur complexité (spatiale et temporelle : pire cas, cas moyen et amortie), sans toutefois négliger les aspects reliés à leurs implantations et leurs applications.

Introduction à la complexité algorithmique: pire cas, cas moyen et cas amorti. Recherche en table et chaînes de caractères. Listes, piles, files et applications. Arbres : de recherche, AVL, rouge et noir, B-arbres, tas et files de priorité, splay, binomial, Fibonacci, etc. Ensembles disjoints. Graphes: algorithmes de parcours, de cheminement, de flots et géométriques.

Introduire l'étudiant à un nouveau paragdime de résolution collective de problèmes qui est celui de l'intelligence artificielle distribuée. Comprendre l'évolution possible de l'approche orientée objet au travers de la technologie agent. S'initier à la problématique de recherche dans le domaine des systèmes multi-agents.

Résolution distribuée de problèmes et fondements des systèmes multi-agents. Concepts de base des agents. Représentation de connaissances et logiques du savoir et des croyances. Logique de description. Théorie de l'action. Communication et théorie des actes de langages. Coopération et coordination dans une société d'agents. Génie logiciel orienté agent.

Le cours veut permettre à l'étudiant d'acquérir des connaissances dans le domaine des technologies de l'information et plus particulièrement dans le domaine des avantages concurrentiels et du soutien à la décision. De plus, il veut permettre à l'étudiant d'acquérir certaines connaissances et compétences dans le domaine de l'innovation technologique.

Conditions de succès pour le changement en technologie de l'information (TI). TI et avantage concurrentiel. La perception, la communication et la motivation. Le processus créatif. Les outils et les applications de la créativité. Processus de changement technologique et ses répercussion sur l'organisation. Étude critique de modèles d'adaptation de l'organisation et des acteurs au changement. Gestion de la connaissance appliquée aux TI et à l'innovation. La création de produits stratégiques. Politiques gouvernementales. La veille. La gestion de l'innovation. Tableaux de bord et tableaux de bord prospectifs appliqués à la gestion, à la gestion de l'innovation et à la gestion de projets informatiques.

Offrir les bases nécessaires pour la compréhension, la conception et le développement de systèmes exploitant les technologies de la réalité virtuelle. Aquérir un ensemble de connaissances théoriques et pratiques qui permettra d'exploiter efficacement les technologies de la Réalité Virtuelle dans des applications relevant de l'éducations ou encore visant les troubles mentaux.

Principales caractéristiques des technologies de la Réalité Virtuelle et facteurs. Techniques d'interaction 3D. Usage des technologies de la Réalité Virtuelle en éducation. Usage des technologies de la Réalité Virtuelle dans le divertissement. Usage des technologies de la Réalité Virtuelle dans les troubles mentaux. Évaluation des applications de Réalité Virtuelle.

Permettre à l'étudiant d'approfondir ses connaissances du processus de développement de logiciel et de décompostion modulaire. Permettre à l'étudiant d'analyser les différentes méthodes et les outils qui améliorent la qualité et diminuent le coût de développement et de gestion de systèmes logiciels.

Rappel sur les différentes phases de développement de logiciel. Méthodes de développement de logiciels (classiques, itératives, spirales et agiles). Processus unifié (RUP): concept et modèle. Spécification des exigences selon une norme standard. Approche du développement par modèles : cas d'utilisation, modèles en langage UML. Décomposition et composition modulaires des applications. Réutilisation, évolution et maintenance du logiciel. Développement des applications avec les patrons de conception et l'architecture orientée modèle (MDA: Model Driven Architecture). Techniques de développement orientées objet, aspect et composant (programmation orientée objet, programmation par aspect, programmation par sujet, programmation par vue). Norme de qualité (ISO9000). Système qualité. Vérification et validation des logiciels.

Familiariser les étudiants aux outils d'optimisation permettant la résolution de problématiques théoriques ou pratiques complexes. Donner aux étudiants les bases techniques et théoriques nécessaires pour concevoir, analyser et évaluer les heuristiques qu'ils doivent développer dans le cadre de leurs travaux de recherche.

Méthodes d'intelligence artificielle (métaheuristiques) telles que l'algorithme du recuit simulé, l'algorithme génétique, la recherche avec tabous et l'optimisation par colonie de fourmis. L'apprentissage d'une démarche scientifique pour aborder des problèmes d'optimisation, les résoudre et présenter les résultats obtenus est également visé.

Amener l'étudiant à approfondir les concepts liés au développement et à l'architecture des applications d'entreprises. Amener l'étudiant à acquérir des compétences à travailler dans un environnement de programmation ayant des composantes complexes. L'étudiant sera exposé à la technologie Java, aux modèles objets et aux services orientés architecture. Enfin,l'étudiant se familiarisera avec certaines technologies touchant les aspects d'infrastructure de développement et de déploiement d'applications d'entreprises.

Concepts fondamentaux d'interfaces usagers. Études de cas avec Java (Swing). Développement et déploiement d'applications d'entreprises (Enterprise applications). Technologie Java. EJB, Java Beans et architecture client-serveur RMI-Java. Modèles orientés architectures. Modèle (MDA). Architecture orientée service (SOA).

Permettre à l'étudiant de comprendre et de maîtriser les concepts et l'utilité de l'intelligence d'affaires. Présenter les différentes technologies utilisées en intelligence d'affaires. Donner un aperçu des méthodologies et techniques liées à la mise en place d'une solution d'intelligence d'affaires.

Intelligence d'affaires: définition, caractéristiques, tendances, enjeux, impact au niveau de la prise de décision. Bénéfices tangibles des solutions d'intelligence d'affaires. Exemples d'application dans des entreprises. Entrepôt de données: différence entre entrepôt de données (datawarehouse) et magasin de données (datamart), approche Kimball versus approche Inmon, stratégie de mise en oeuvre des entrepôts de données, gestion d'un projet d'entrepôt de données, modélisation d'un entrepôts de données. Tableaux de bord de gestion: tableau de bord prospectif (Balanced Scorecard) de Kaplan et Norton, défis - enjeux liés à l'établissement des indicateurs de gestion tableau de bord de la gestion de la performance organisationnelle. Forage des données et vues multidimensionnelles (OLAP, ROLAP, MOLAP). Le forage des données: pré-requis et applications potentielles. Intégration des données et la gestion qualitative des données. Survol des outils d'intelligence d'affaires et critères de choix.

Développer les capacités d'identifier le parallélisme potentiel d'une application informatique; connaître les différents modèles (abstraits et réels) d'ordinateurs parallèles; développer les capacités de concevoir des algorithmes efficaces en utilisant le parallélisme.

Modèles d'ordinateurs parallèles: Systèmes parallèles et distribués; Algorithmes parallèles; Langages de programmation et parallélisme; Programmation sur ordinateurs à mémoire partagée. Multithreads (e.g. POSIX, OpenMP); Programmation sur ordinateurs distribués (e.g. MPI).

S'initier aux différents aspects liés à la sécurité des organisations, des systèmes et des réseaux informatiques.

Concepts de base de sécurité informatique. Propriétés fondamentales : confidentialité, intégrité et disponibilité. Vulnérabilité des systèmes informatiques. Mécanismes de contrôle d'accès et sécurisation des applications d'entreprises. Analyse de risque au niveau organisationnel. Cadres de références en sécurité informatique.

Permettre à l'étudiant d'approfondir ses connaissances sur la définition et l'importance des progiciels de gestion d'entreprise (ERP). Maîtriser la démarche de modélisation de processus dans un projet d'implémentation d'un progiciel de gestion d'entreprise. Comprendre les facteurs de succès et les risques dans une démarche d'implémentation d'un progiciel de gestion d'entreprise.

Rappel sur les différentes fonctions de l'entreprise. Les systèmes d'information et les ERP. L'apport des ERP pour l'entreprise: gains, limites et risques. La sélection d'un ERP: fonction, technologie, marché et budgets. Les principaux intervenants: éditeurs, intégrateurs et consultants. Les différentes étapes pour l'implémentation d'un ERP dans une démarche de gestion de projet: phases, livrables, gestion du changement et processus d'amélioration continue. L'utilisation d'un logiciel (SAP) pour en comprendre son fonctionnement et l'intérêt de son utilisation par l'entreprise. Les liens avec d'autres domaines tels la gestion intégrée de la chaîne logistique et le e-commerce.

Apprendre à gérer des projets de développement en informatique et en jeu vidéo. Maîtriser les principes et les pratiques actuelles de la gestion de projets, et ce, tant avec les approches de gestion dites prédictives qu'avec les méthodes de gestion dites adaptatives.

Planification de projet avec approche prédictive de gestion de projets. Structure et découpe de projet (WBS). Estimation des coûts à l'aide d'approches basées sur l'historique ainsi qu'avec des méthodes s'appuyant sur le consensus d'experts. Optimisation des ressources. Gestion de risques. Assurance de la qualité et du suivi du projet. Gestion du changement, résistance aux changements et gestion des conflits. Gestion d'une équipe. Planification de projet avec approche adaptative de gestion de projets. Artéfacts du Scrum (Incrément, Backlog de produit, Backlog de Sprint). Rôles et responsabilités des différents acteurs (Scrum Master, Development Team, Product Owner). Événements du processus Scrum. Processus d'inspection et d'adaptation. Découpe de projet par histoires utilisateurs. Estimation des histoires utilisateurs avec méthode du Planning Poker (point d'histoire et vélocité). Logiciels utilisés en entreprise pour la gestion de projets. Enjeux de la gestion de projets avec des équipes virtuelles en télétravail.

Histoire de la cryptologie. Cryptographie classique mono-alphabétique et poly-alphabétique. Cryptographie moderne symétrique et asymétrique (DES, AES, RSA, courbes elliptiques, etc.). Fonctions de hachages et leurs applications. Protocoles cryptographiques, Infrastructure à clé publique Principes de cryptanalyse. Application de la cryptographie. Techniques d'attaques physiques des cartes à puce.

Permettre d'acquérir les connaissances nécessaires pour mettre en œuvre des applications réparties capables d'exploiter des ressources distantes ou de répartir la charge de calcul sur plusieurs ordinateurs dans un souci d'amélioration de performances et de tolérance aux pannes.

Rappel des protocoles de communication ; Concepts fondamentaux comme les modèles, les types et les architectures des systèmes distribués (client-serveur, Peer-to-Peer, hybride); Divers moyens de communication (synchrone, asynchrone, persistant, transitoire, discrète, et streaming), le passage et l'identification des objets/messages/service/ressource (socket, sérialisation, Marshaling, références d'objets distants), l'ouverture, la mise à l'échelle, la fiabilité, et le partage des ressources. Architectures des systèmes répartis contemporains en termes de services et protocoles de communication et de problèmes d'interconnexion de systèmes hétérogènes, indépendamment de la plate-forme matérielle et logicielle, et du langage de programmation : Technologies et Frameworks standards comme NodeJS, CORBA, JEE-EJB (Java Enterprise Edition), Servlets et JSP, Services Web (REST, GraphQL, SOAP).

Introduire la discipline de l'intelligence artificielle et faire une brève introduction aux différentes problématiques et techniques qui y sont liées. Comprendre les techniques qui permettent de créer un agent intelligent.

Histoire et philosophie de l'intelligence artificielle en tant que science. Résolution de problèmes à l'aide d'exploration non-informée, informée, locale et adverse. Planification logique, dordre partiel et planification probabiliste. Systèmes experts, agent intelligent logique et probabiliste. Introduction à la perception et aux actions dans un agent intelligent par la vision artificielle, les mouvements d'actionneurs robotiques et l'analyse sonore. Principes des agents apprenants à base de statistiques et/ou renforcement

Ce cours a pour but de favoriser l'accès à divers domaines spécialisés ou nouveaux en informatique ainsi que d'initier à la recherche.

Ingénierie de la connaissance. Processus et tâches du forage de données. Entrepôt de données. Méthodes descriptives et prédictives pour l'extraction de connaissances. Reconnaissances des formes. Ontologies et organisation automatique de connaissances.

Concepts avancés de logiciels. Réutilisation de composants logiciels (patrons, modèles, librairies, plateformes). Concept de patrons. Patrons dans les étapes de développement de logiciels : patrons d'analyse, patrons d'architecture, patrons de conception et patrons de programmation. Autres formes de patrons: patrons ressources (Réflection, Plugin, Sérialisation, etc.), les patrons à distance (Remoting patterns: pooling, leasing, Lookup, etc.), etc.

Développement orienté (MDA): modèle, architecture et plateforme. Types de modèles: Computation Independent Model (CIM), Platform-Independent Model (PIM), Platform-specific model (PSM) et un modèle de composants (Platform model-PM).

Principes objet avancés: typage statique, héritage et méta programmation. Fondements: objets, classes, types et sous-types, interface, spécialisation, héritage, propriétés, polymorphismes, envoi de message, généricité, collections, types d'applications Java, assertions, exceptions et programmation événementielle.

Héritage multiple et variations : conflits de propriétés, techniques de linéarisation et héritage d'interface. Méta-programmation : méta-modélisation, introspection, réflexivité. Programmation par contrat, aspect, objet et composant. Objets distribués, entrées/sorties, XML et Java.

Méthodes de spécification formelle: automates, expressions régulières, logiques classiques et temporelles, notation B, Z et CCS. Génération automatique de tests, notions de couverture, exécution symbolique dynamique. Le monitoring et l'analyse de traces: exemples, algorithme. Outils de monitoring: Java-MOP, BeepBeep. Le modèle checking et la vérification statique: exemples, algorithmes. Méthodes de réduction de l'espace d'état, abstraction et raffinement. Outils de vérification: Concurrency Workbench, Java Pathfinder, SPIN et NuSMV.

Initier au processus de conception, de préproduction, de développement et de déploiement d'un jeu vidéo sur diverses plateformes. Se familiariser avec l'architecture logicielle et algorithmique spécifique d'un jeu vidéo. Se sensibiliser aux façons de faire de l'industrie du jeu et à ses particularités. Développer à des jeux de petite envergure en équipes restreintes en utilisant des outils propres à l'industrie.

Conception de jeu vidéo. Méthode d'idéation et de design d'un concept de jeu. Théorie des jeux. Étude sur la jouabilité "Gameplay". Équilibre dans la structure des éléments d'un jeu : pointages, options, défis versus habilités, ajustement dynamique, chances, etc. Ergonomie des interfaces de jeux et développement d'un système d'interaction immersif avec l'usager. Les différents types de jeux, clientèle cible et modèles d'affaires (ex. « free to play »). Architecture logicielle d'un jeu vidéo : boucle de jeu (gameloop) et synchronisation du « frame rate », jetons, états, messages, événements, interface de contrôle utilisateurs, etc. Introduction au processus de développement dans l'industrie du jeu vidéo, usine de développement et initiation au processus de production itératif de type Agile/Scrum. Bibliothèques et langages utilisés en industrie (C++, C # et Blueprints). Introduction aux moteurs de jeux exploités en industrie (Unity 3D et UDK). Formation de base sur un moteur de jeu. Développement d'un premier prototype de jeu de A à Z.

Appliquer les compétences et les connaissances acquises pendant son programme au développement de systèmes informatiques en entreprises en respectant une démarche structurée, en accord avec les principes du génie logiciel et les normes de qualité ISO 9000.

Démarche touchant la compréhension du problème posé, analyse du domaine et des besoins, recherche de solutions, justification de celle retenue, méthodologie retenue, élaboration du projet, conception du modèle informatique, mise en oeuvre. Production de la documentation accompagnant les diverses étapes du projet selon les principes du génie logiciel et les normes de qualité ISO 9000. Dépôt d'un rapport de projet et des artefacts du projet. Prévoir au moins deux revues et audits du projet avec un spécialiste externe désigné par le responsable du programme. L'évaluation portera autant sur la réussite du projet lui-même que sur la méthode et sa conformité aux principes établis. Les rapports de revues et d'audits externes devront contribuer substantiellement à l'évaluation. Ce stage comprend au moins 540 heures consacrées au projet pendant un trimestre ou l'équivalent.

Appliquer les compétences et les connaissances acquises pendant son programme au développement de systèmes informatiques en respectant une démarche structurée, en accord avec les principes du génie logiciel et les normes de qualité ISO 9000.

Démarche touchant la compréhension du problème posé, analyse du domaine et des besoins, recherche de solutions, justification de celle retenue, méthodologie retenue, élaboration du projet, conception du modèle informatique, mise en oeuvre. Production de la documentation accompagnant les diverses étapes du projet selon les principes du génie logiciel et les normes de qualité ISO 9000. Dépôt d'un rapport de projet et des artefacts du projet. Prévoir au moins deux revues et audits du projet avec un spécialiste externe désigné par le responsable du programme. L'évaluation portera autant sur la réussite du projet lui-même que sur la méthode et sa conformité aux principes établis. Les rapports de revues et d'audits externes devront contribuer substantiellement à l'évaluation. Ce stage comprend au moins 270 heures consacrées au projet pendant un trimestre ou l'équivalent.

Ce cours peut viser la continuité du stage/projet entrepris dans le cours 8STA972, ou être indépendant.

8INF802	Simulation de systèmes
8INF803	Bases de données réparties
8INF804	Vision artificielle et traitement des images
8INF808	Informatique appliquée et optimisation
8INF809	Algorithmes et complexité
8INF840	Structures de données avancées et leurs algorithmes
8INF844	Systèmes multi-agents
8INF848	Technologie de l'information et innovation technologique
8INF849	Interaction 3D et réalité virtuelle
8INF851	Génie logiciel
8INF852	Métaheuristiques en optimisation
8INF853	Architecture des applications d'entreprise
8INF855	Intelligence d'affaires: principes et méthodes
8INF856	Programmation sur architectures parallèles
8INF857	Sécurité informatique
8INF858	Systèmes intégrés de gestion d'entreprise
8INF862	Gestion de projets informatiques
8INF874	Cryptographie
8INF876	Conception et architecture des systèmes d'infonuagique
8INF878	Intelligence Artificielle
8INF911	Sujet spécial en informatique I
8INF912	Sujet spécial en informatique II
8INF913	Sujet spécial en informatique III
8INF914	Sujet spécial en informatique IV
8INF915	Sujet spécial en informatique V
8INF954	Forage de données
8INF956	Développement avancé de logiciels : Patrons et Modèles
8INF957	Programmation objet avancée
8INF958	Spécification, test et vérification
8INF960	Principes de conception et de développement de jeux vidéo
8STA971	Stage/projet en informatique appliquée 12.0 cr.
8STA972	Stage/projet court en informatique appliquée 6.0 cr.
8STA973	Second stage/projet en informatique appliquée 6.0 cr. (8STA972)

3775

Diplôme d'études supérieures spécialisées en informatique appliquée