La concentration « intelligence artificielle » de la Maîtrise en informatique (profil professionnel) s'adresse à des étudiantes ou étudiants qui souhaitent profiter d'une formation de haut niveau en intelligence artificielle. Elle vise les étudiants ayant obtenu un Baccalauréat en informatique ou en informatique de la science des données et de l'intelligence d'affaires ainsi que les professionnels désirant compléter leur formation.
Pour consulter la description du profil Professionnel de la Maîtrise en informatique, vous référer au code 3037
Pour consulter la description du profil Professionnel-concentration développement de jeux vidéo de la Maîtrise en informatique, vous référer au code 1537
Pour consulter la description du profil Professionnel-concentration Intelligence artificielle de la Maîtrise en informatique, vous référer au code 2139
Pour consulter la description du profil Recherche de la Maîtrise en informatique, vous référer au code 3017
Cette concentration a pour but de former des informaticiens qui maîtrisent les enjeux et les besoins liés à l'intelligence artificielle. Cette concentration vise à fournir les connaissances et compétences requises pour concevoir, implémenter et évaluer différentes approches et techniques d'intelligence artificielle.
Plus spécifiquement, le programme vise à:
La concentration s'adresse aux bachelières et bacheliers dans le domaine de l'informatique et désirant obtenir une spécialisation de haut niveau dans le domaine de l'intelligence artificielle ; Aux professionnels sur le marché du travail désirant parfaire leur formation.
Être titulaire d'un baccalauréat, ou l'équivalent, en informatique, en informatique de gestion, en génie informatique ou d'un baccalauréat avec majeure en conception de jeux vidéo, obtenu avec une moyenne cumulative 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.
Les méthodes et les critères de sélection consistent à l'évaluation du dossier scolaire et des lettres de recommandation. Les documents suivants sont donc attendus:
Les candidats qui présentent une demande sur la base de l'expérience pertinente seront convoqués à une entrevue. Avant d'être admis au programme, le candidat peut être appelé à compléter sa formation par une propédeutique ou par des cours d'appoint.
Toutes personnes admises dans le cadre d'un programme menant au grade de maître doivent faire la preuve qu'elles possèdent une maîtrise suffisante des compétences informationnelles requises aux cycles supérieurs. Cette preuve est attestée par l'atteinte du résultat minimum exigé au test initial prévu à l'activité CICS900-Compétences informationnelles cycles supérieurs. À défaut d'atteindre le résultat exigé, les personnes devront compléter l'activité CICS900-Compétences informationnelles cycles supérieurs. Les modalités relatives à cette exigence sont définies dans la Politique en matière de maîtrise des compétences informationnelles dans les programmes de cycles supérieurs.
L'admission au programme se fait aux trimestres d'automne, d'hiver et d'été.
Le programme d'études est offert à temps complet et à temps partiel.
La durée maximale d'un programme de maîtrise est de neuf (9) trimestres en régime à temps complet et de quinze (15) trimestres en régime à temps partiel.
Pour les fins d'inscription et de paiement des frais de scolarité, ce programme est rangé dans la classe A.
Pour s'inscrire à l'activité Stage, Essai ou Projet d'intervention, 30 crédits de scolarité doivent avoir été complétés et réussis avec une moyenne cumulative d'au moins 3,0 sur 4,3. Pour l'essai ou le projet d'intervention, le cours Méthodologie de la recherche doit avoir été complété préalablement.
Pour le stage, le cours Gestion de projets informatiques doit être complété par les étudiantes et étudiants n'ayant jamais suivi un cours en gestion de projets. Les étudiantes et étudiants ayant déjà suivi un cours en gestion de projets peuvent avec l'autorisation de la direction de l'unité pédagogique, substituer le cours préalable au cours Stage, par un autre cours du programme.
Pour s'inscrire à des cours de la Maîtrise en gestion de projet, ou de la Maîtrise en gestion des organisations appartenant aux programmes de cycles supérieurs au Département des sciences économiques et administratives, l'étudiante ou l'étudiant doit rencontrer les conditions d'admission de ces programmes. L'approbation du directeur de programme concerné est requise pour s'inscrire à des cours de ces maîtrises.
Seulement deux cours relatifs à la gestion (incluant le cours de gestion de projet offert au DIM) peuvent être suivis.
Tout étudiante ou 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.
Les étudiantes et étudiants ayant complété le DESS en informatique appliquée (3775) peuvent se voir reconnaître, par insertion, 12 crédits de cours réussis également inclus dans la maîtrise.
Les personnes diplômées de la maîtrise en informatique de l'UQAC occupent principalement les emplois suivants :
Le programme totalise quarante-cinq (45) crédits. Il est composé d'une scolarité de vingt-quatre à trente (24 à 30) crédits en informatique, de zéro à six (0 à 6) crédits parmi les programmes suivants: Maîtrise en gestion de projet et Maîtrise en gestion des organisations. Le programme se complète par l'une des activités de quinze (15) crédits suivantes: le stage, l'essai ou le projet d'intervention.
Voir le cheminement trimestriel
*Les préalables sont indiqués entre parenthèses à la fin du titre du cours s'il y a lieu.
| 8INF934 | Atelier pratique en intelligence artificielle I ((8INF867) ou (8INF919)) |
| 8INF974 | Atelier pratique en intelligence artificielle II (8INF934) |
| 6INF911 | Réseaux de neurones |
| 8INF867 | Fondamentaux de l'apprentissage automatique |
| 8INF883 | Vision artificielle et traitement des images ((8INF867) ou (8INF919)) |
| 8INF887 | Apprentissage profond ((8INF867) ou (8INF919)) |
| 8INF896 | Séminaire thématique en Intelligence artificielle |
| 8INF919 | Apprentissage automatique pour les données massives |
| 8INF803 | Bases de données réparties |
| 8INF808 | Informatique appliquée et optimisation |
| 8INF840 | Structures de données avancées et leurs algorithmes |
| 8INF850 | Méthodologie de la recherche |
| 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 |
| 8INF876 | Conception et architecture des systèmes d'infonuagique |
| 8INF924 | Internet des objets |
| 8INF926 | Atelier en optimisation avancée |
| 8INF957 | Programmation objet avancée |
| 8INF958 | Spécification, test et vérification |
| 8INF950 | Sujets spéciaux |
| 8INF976 | Sujet spécial en intelligence artificielle |
Les conditions d'admission doivent être respectées et l'approbation du directeur du programme doit être obtenue pour s'inscrire à ces cours.
| MGP7112 | Conception de projet |
| MGP7121 | Planification et contrôle opérationnels de projet |
| MGP7131 | Standardisation et gestion de projet |
| 2MGO724 | Communication organisationnelle ll 1.5 cr. |
| 2MGO737 | Communication organisationnelle I 1.5 cr. |
| 2MGO739 | Habiletés d'intervention organisationnelle |
| 2MGO741 | Intervention et développement organisationnel |
Ou autres cours des programmes de maîtrise de l'UQAC sur approbation du directeur du programme concerné.
| 8INF859 | Stage 15.0 cr. (8INF862) |
| 8INF860 | Essai 15.0 cr. (8INF850) |
| 8INF861 | Projet d'intervention 15.0 cr. (8INF850) |
DESCRIPTION DES COURS
2MGO724 Communication organisationnelle ll
Être en mesure de développer un plan de communication visant la promotion de l'image de marque de l'organisation, la gestion de l'opinion publique, le lancement de produits et la mesure de l'impact des moyens engagés.
La communication publique. Communication de l'organisation avec son environnement. Stratégie de marketing, relations publiques, gestion de l'opinion publique, gestion de crise, rôles des médias. Impact de la notoriété.
Formule pédagogique : Cours Magistral
2MGO737 Communication organisationnelle I
Devenir un bon communicateur dans différents contextes organisationnels. Savoir décoder son interlocuteur et s'y adapter adéquatement.
Éléments permettant de décoder et s'adapter aux différents styles personnels de communication et au langage non-verbal. Impacts du phénomène de la perception/interprétation et des bruits dans une communication efficace et efficiente. Techniques pour préparer, structurer et livrer un message en fonction de l'objectif et dans différents contextes d'affaire. Outils pour réussir une communication dans les contextes d'entretiens d'embauche, d'évaluation de rendement, présentations d'affaire, les réunions d'équipe et les présentations devant grand public.
Formule pédagogique : Cours Magistral
2MGO739 Habiletés d'intervention organisationnelle
Développer les connaissances nécessaires afin d'intervenir aux niveaux des relations interpersonnelles au travail, des équipes et de l'organisation; Développer les habilites relationnelles de l'étudiant lui permettant d'intervenir auprès des équipes de travail et de l'organisation, dans des contextes de mobilisation d'équipe, de gestion de conflit et de prise de décision.
Habiletés relationnelles de l'intervenant pour établir un climat de confiance: reflet, reformulation, empathie, écoute active; Différentes approches décrivant la dynamique des équipes de travail et ses composantes d'intervention (mobilisation, motivation, rôles des membres de l'équipe, complémentarité des habiletés); Différentes approches de gestion de conflits (interpersonnels et intergroupes) et de gestion du climat d'équipe; Diverses techniques d'animation en contexte de prise de décision, de résolution de problèmes et de créativité.
Formule pédagogique : Cours Magistral
2MGO741 Intervention et développement organisationnel
Acquérir les connaissances relatives au processus de changement organisationnel. Acquérir les connaissances liées au processus d'intervention en développement organisationnel.
Différentes théories et approches du changement organisationnel. Changement et renouvellement de la culture organisationnelle. Différentes stratégies, processus et étapes du changement organisationnel. Éléments constitutifs du diagnostic organisationnel. Différentes approches théoriques du processus d'intervention en organisation. Étapes du processus d'intervention, du contact initial à la terminaison de la relation. Analyse et suivi d'une intervention en entreprise. Divers enjeux, aspects politiques et éthiques de l'intervention.
Formule pédagogique : Cours Magistral
6INF911 Réseaux de neurones
Rendre l'étudiant capable de comprendre, de concevoir et de réaliser des systèmes basés sur les réseaux de neurones à des fins d'apprentissage, de mémorisation, de reconnaissance, de commande, etc.
La cellule nerveuse physiologique, la connectivité de ces cellules, le neurone formel. Principales différences entre cellules nerveuses et neurones formels : traitement dynamique versus statique. Processus d'apprentissage : Hebb, compétitif, Boltzmann, supervisé, etc. Mémoires matricielles, réseau Dystal, le perceptron, le perceptron multicouche (rétropropagation, contrôle flou de l'apprentissage), les réseaux à fonctions radiales. Réseaux récurrents : modèle Brain State in a Box, réseaux Adaptive Resonance Theory, réseaux à attracteurs fixes ou multiples. Systèmes auto-organisés : apprentissage hebbien, apprentissage compétitif, apprentissage par calcul d'entropie. Réseaux pour le traitement temporel. Dynamique des réseaux de neurones : manipulation des attracteurs. Liens entre réseaux de neurones et logique floue, apprentissage automatique des fonctions d'appartenance, applications aux cartes de Kohonen et aux réseaux d'Hopfield. Algorithmes évolutifs, techniques d'apprentissage de réseaux de neurones par algorithmes évolutifs, comparaisons.
Formule pédagogique : Cours Magistral
8INF803 Bases de données réparties
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.
Formule pédagogique : Cours Magistral
8INF808 Informatique appliquée et optimisation
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.
Formule pédagogique : Cours Magistral
8INF840 Structures de données avancées et leurs algorithmes
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.
Formule pédagogique : Cours Magistral
8INF850 Méthodologie de la recherche
Maitriser les différentes méthodologies de recherche. Faire comprendre les problématiques d'une recherche pluridisciplinaire. Permettre de faire une synthèse de la littérature dans deux domaines incluant l'informatique. Être capable de bien situer son projet de recherche dans une problématique plus globale et le préparer à l'exécution de sa propre recherche.
Types de recherche. Les grandes étapes d'une recherche : choix de sujet, revue de littérature, objectifs de la recherche, méthodologie de la recherche, analyse et présentation des résultats. Plan de rédaction d'un mémoire. Recherche bibliographique. Outils bibliographiques (EndNote). L'article scientifique et autres formes de communication scientifique. L'éthique et l'intégrité en recherche.
Formule pédagogique : Tutorat
8INF852 Métaheuristiques en optimisation
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.
Formule pédagogique : Cours Magistral
8INF853 Architecture des applications d'entreprise
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).
Formule pédagogique : Cours Magistral
8INF855 Intelligence d'affaires: principes et méthodes
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.
Formule pédagogique : Cours Magistral
8INF856 Programmation sur architectures parallèles
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).
Formule pédagogique : Cours Magistral
8INF857 Sécurité informatique
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.
Formule pédagogique : Cours Magistral
8INF858 Systèmes intégrés de gestion d'entreprise
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.
Formule pédagogique : Cours Magistral
8INF859 Stage
Permettre à l'étudiant d'intégrer les connaissances acquises dans les cours du programme avec la réalisation d'un stage en entreprise. Exposer l'étudiant à des situations réelles d'entreprise permettant de confronter ses connaissances et ses habilités. Permettre aussi à l'étudiant d'acquérir une expérience professionnelle.
Le projet de stage doit être approuvé et le rapport final évalué lors de présentations par un jury constitué du directeur du programme et d'au moins deux professeurs nommés par la direction de programme. Le rapport final doit présenter chacune des phases du stage et montrer les liens avec les différents cours suivis. L'étudiant doit faire la synthèse des apprentissages et poser un regard critique sur le stage réalisé. Cette activité correspond à un travail estimé à au moins 675 heures.
Préalable(s): (8INF862)
Formule pédagogique : Stage
8INF860 Essai
Permettre à l'étudiant d'intégrer les connaissances acquises dans les cours du programme avec la réalisation d'un projet de recherche.
La proposition de projet doit être approuvée et le rapport final évalué lors de présentations par un jury constitué du directeur du programme et d'au moins deux professeurs nommés par la direction de programme. Le rapport final présente le projet dans une problématique d'ensemble incluant une revue de la littérature pertinente et détaille l'ensemble des phases de sa réalisation. Cette activité correspond à un travail estimé à au moins 675 heures.
Préalable(s): (8INF850)
Formule pédagogique : Séminaire et/ou formation à distance
8INF861 Projet d'intervention
Permettre à l'étudiant d'intégrer les connaissances acquises dans les cours du programme avec la réalisation d'un projet de développement en entreprise. Permettre aussi à l'étudiant de développer son esprit critique et de synthèse en positionnant le projet dans un cadre général.
La proposition de projet doit être approuvée et le rapport final évalué lors de présentations par un jury constitué du directeur du programme et d'au moins deux professeurs nommés par la direction de programme. Le rapport final présente le projet dans une problématique d'ensemble incluant une revue de la littérature pertinente et détaille l'ensemble des phases de sa réalisation. L'étudiant doit faire la synthèse des apprentissages et poser un regard critique sur le projet réalisé. Cette activité correspond à un travail estimé à au moins 675 heures.
Préalable(s): (8INF850)
Formule pédagogique : Atelier et/ou formation à distance
8INF867 Fondamentaux de l'apprentissage automatique
Acquérir les connaissances pour mener un projet d'apprentissage automatique.
Fondamentaux de l'apprentissage automatique. Principes et méthodes de nettoyage des données. Sélection de variables et réduction de dimensionnalité. Entraînement de modèles. Classification de données structurées et non structurées. Algorithmes de l'apprentissage supervisé et non-supervisé. Arbre de décision, méthodes linéaires et à noyaux, centres mobiles, motifs fréquents, apprentissage d'ensemble et forêts aléatoires. Méthodologie de test et mesures de performance.
Formule pédagogique : Cours Magistral
8INF876 Conception et architecture des systèmes d'infonuagique
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).
Formule pédagogique : Magistral et/ou formation à distance
8INF883 Vision artificielle et traitement des images
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.
Préalable(s): ((8INF867) ou (8INF919))
Formule pédagogique : Cours Magistral
8INF887 Apprentissage profond
Acquérir des connaissances fondamentales et appliquées des réseaux de neurones et de l'apprentissage profond. Maîtriser l'élaboration d'architectures complexes, leurs configurations et la sélection des unités/modules appropriés selon le contexte.
Présentations des principes théoriques du fonctionnement des neurones artificielles. Techniques et méthodologies liées à l'entraînement des réseaux. Techniques du gradient et optimiseurs (SGD, Adam, RMSProp, Adagrad). Fonctions d'activation et hyperparamètres. Principales architectures de CNN, RNN, GAN, AE, etc. Unités et modules spécialisés pooling, attention, transformeur, réservoir, LSTM, GRU. Autoapprentissage et espaces latents. Modélisation des données complexes pour les réseaux de neurones. Optimisation des hyperparamètres et évaluation des modèles entraînés. Principales librairies pour l'apprentissage profond : Pytorch, Keras/Tensorflow ou autre.
Préalable(s): ((8INF867) ou (8INF919))
Formule pédagogique : Cours Magistral
8INF896 Séminaire thématique en Intelligence artificielle
Permettre de bénéficier d'une formation adaptée dans le domaine de l'intelligence artificielle.
Le contenu est variable selon les besoins des étudiants et l'expertise professorale disponible.
Formule pédagogique : Séminaire
8INF919 Apprentissage automatique pour les données massives
Acquérir des connaissances avancées en apprentissage automatique pour l'analyse de données massives.
Introduction aux données massives. Flux de données. Apprentissages supervisés et non supervisés en ligne. Algorithmes d'échantillonnage et comptage. Dérive conceptuelle et détection de ruptures. Algorithmes incrémentaux. Distribution de données massives. Apprentissage distribué. Apprentissage parallèle. Apprentissage et internet des objets.
Formule pédagogique : Cours Magistral
8INF924 Internet des objets
Présenter une métrologie de conception d'environnements ou système à base dobjets connectés : vêtement intelligent, bâtiment intelligent, usines connectées, etc. Comprendre comment partir des besoins des utilisateurs et remonter progressivement aux développements technologiques nécessaires à la mise enœuvre de la plateforme (choix et intégration des capteurs, mode de calcul, outil de traitement des données, composants intelligents, etc.).
Fondements et principes généraux de l'Internet des objets. Principales applications de l'Internet des Objets. Capteurs et systèmes exploitables dans l'internet des objets. Méthodologies de conception et d'évaluation. Aspects éthiques et légaux de l'internet des objets.
Formule pédagogique : Cours Magistral
8INF926 Atelier en optimisation avancée
Se familiariser à la science des données pour la prise de décision. Développer des stratégies pour résoudre un problème réel en utilisant l'optimisation des données brutes à une interface utilisateur. Modéliser des données numériques avec les outils pertinents. Modéliser mathématiquement des problèmes afin de les résoudre avec des algorithmes/solveurs d'optimisation.
Utilisation de plusieurs logiciels et solveurs afin de fournir un éventail de possibilités à l'étudiant: Matlab, Xpress, librairies Python, Coin-OR, etc. Survol des méthodes numériques pour l'approximation de fonctions et des outils utilisés. Types doptimisation: rappel modélisation mathématique, optimisation linéaire et en nombres entiers, programmation dynamique, optimisation non-linéaire, optimisation de boîtes noires, introduction à la théorie des graphes, optimisation stochastique et notions avancées en nombres entiers (génération de colonnes, algorithmes de plans coupants).
Formule pédagogique : Cours Magistral
8INF934 Atelier pratique en intelligence artificielle I
Permettre de faire la synthèse des connaissances acquises dans les cours du programme. Développer ses connaissances et ses habiletés par sa participation à un projet exploitant des techniques d'intelligence artificielle.
Le contenu est variable selon les besoins des étudiants et l'expertise professorale disponible.
Préalable(s): ((8INF867) ou (8INF919))
Formule pédagogique : Atelier
8INF950 Sujets spéciaux
Ce cours est utile à l'étudiant qui peut ainsi bénéficier d'une formation adaptée. Le contenu est variable selon les besoins des étudiants et l'expertise professorale disponible.
Formule pédagogique : Séminaire et/ou formation à distance
8INF957 Programmation objet avancée
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.
Formule pédagogique : Cours Magistral
8INF958 Spécification, test et vérification
Méthodes de spécification formelle
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.
Formule pédagogique : Cours Magistral
8INF974 Atelier pratique en intelligence artificielle II
Permettre d'approfondir un problème pratique par le biais de techniques d'intelligence artificielle.
Le contenu est variable selon les besoins des étudiants et l'expertise professorale disponible.
Préalable(s): (8INF934)
Formule pédagogique : Atelier
8INF976 Sujet spécial en intelligence artificielle
Ce cours est utile à l'étudiante ou l'étudiant qui peut ainsi bénéficier d'une formation adaptée dans le domaine de l'intelligence artificielle.
Le contenu est variable selon les besoins des étudiantes et étudiants et l'expertise professorale disponible.
Formule pédagogique : Séminaire et/ou formation à distance
MGP7112 Conception de projet
Développer les compétences à identifier et comprendre les besoins initiaux des mandataires de projets uniques ainsi que des facteurs d'incertitude et de complexité qui y sont associés.
Les principaux éléments de contenus sont la définition du besoin, le design des options, l'étude de faisabilité, le choix de stratégie et le plan sommaire de la réalisation du projet.
Formule pédagogique : Cours Magistral
MGP7121 Planification et contrôle opérationnels de projet
Développer les compétences à planifier et contrôler efficacement les processus et les ressources nécessaires à la réalisation d'un projet.
Les principaux éléments de contenu couvrent l'identification et l'organisation des ressources requises pour atteindre les objectifs du projet, la prise en compte des risques, et la définition des éléments du pilotage de l'efficience et de l'efficacité du projet.
Formule pédagogique : Cours Magistral
MGP7131 Standardisation et gestion de projet
Développer les compétences à choisir une méthodologie de gestion projet adaptée aux caractéristiques du projet.
Les principaux éléments de contenu comprennent la présentation et la comparaison des différents standards et approches de gestion de projet - par les compétences, processus ou agile - leurs fondements, logique et contenu, et les contextes et modalités d'application.
Formule pédagogique : Cours Magistral