Description
Le parcours Intelligence Artificielle et Robotique (IAR) vise à acquérir des bases scientifiques en intelligence artificielle et robotique, une culture générale en sciences cognitives et neurosciences pour le traitement « intelligent » et « bio-inspiré » de l'information : modèles de réseaux de neurones, algorithmes d'optimisation, nouvelles techniques d'interface homme-machine, informatique embarquée et contrôle robotique bio-inspiré.
Le parcours Méthodes pour l'Analyse des Données Complexes (MADOCs) a pour but de répondre au besoin des entreprises qui sont submergées par un flot massif de données numériques ou symboliques en provenance de sources diverses et réparties (capteurs physiques, bases de données, web,...). Les solutions logicielles recherchées se focalisent sur l'extraction de l'"intelligence" implicitement contenue dans les données elles-mêmes, en modélisant les relations fonctionnelles majeures entre ces données et les principaux objectifs de décision. Par ailleurs, les problèmes liés au fait que les données sont hétérogènes et distribuées, ainsi que le problème d'efficacité, sont abordés dans le cadre des systèmes distribués.
Modélisation et Calcul Scientifique (MCS)
La R&D industrielle fait de plus en plus appel aux méthodes numériques d'une part pour la recherche et la mise au point de nouveaux produits et d'autre part pour la surveillance de leur état de fonctionnement. Les méthodes concernent ici deux aspects. C'est d'une part l'analyse des données issues de mesures physiques. Les solutions logicielles doivent être conçues pour s'intercaler entre les systèmes d'acquisition de données et l'opérateur, afin de fournir en mode autonome une aide intelligente et efficace pour la prise de décision, sans intervention d'ingénieurs spécialistes de l'analyse de données. C'est d'autre part la modélisation de phénomènes physiques afin de pouvoir analyser le rôle de certains facteurs. Là, outre le développement de codes spécifiques, le travail de l'analyste porte sur l'utilisation de logiciel de calcul dans un cadre de prestation de service.
Objectif
Pour le parcours IAR, à l'issue de la formation, l'étudiant sera capable d'intégrer plusieurs technologies d'apprentissage (machine learning) et d'extraire de l'information à partir d'une base de données de grande taille (réseaux de neurones, IA, prise de décision temps-réel). Il aura acquis une connaissance des mécanismes des systèmes complexes pour la prédiction, des sciences cognitives et des neurosciences. Il sera capable de concevoir des IHMs innovantes.
- Concevoir des architectures de systèmes intelligents. Développer des systèmes d'apprentissage
- Concevoir des Interfaces Homme-Machine (IHM) multimodales.
- Traiter des images, les indexer et les utiliser dans des systèmes. Faire de la reconnaissance automatique d'image (motif, forme, visage) et de geste (suivi de mouvement).
- Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche, rédiger un état de l'art, mettre en oeuvre des expériences scientifiques, présenter des résultats.
Le parcours MADOCS donne des compétences dans les domaines :
La programmation scientifique:
- C, Matlab
- algorithmique.
Les techniques de calcul pour la modélisation et la simulation en sciences et technologie :
- optimisation
- Monte Carlo
La modélisation, l'apprentissage statistique et l'analyse des données :
- apprentissage statistique
- analyse des données
- analyse des données de type image
Gestion d'un projet de recherche
- Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche, rédiger un état de l'art, mettre en oeuvre des expériences scientifiques, présenter des résultats.
Niveau
7 - Savoirs hautement spécialisés
Date de validité
31/08/2020
Domains
- architecture système information
- intelligence artificielle
NSF
- Modèles mathématiques ; Informatique mathématique
GFE
- Gestion et traitement de l'information
Rome
- Enseignement supérieur
- Protection du patrimoine naturel
- Entretien des espaces verts
| Nom légal | Rôle |
|---|