Master Science des données / Parcours Data Science

Libellé du cours :	Python and tools for research
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_PTR - Python and tools for research

Equipe pédagogique

Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Notions élémentaires (contrôle de flux) et structures pour la programmation en Python basée sur l'utilisation de librairies usuelles (numpy, scipy, sklearn, pandas, h5py, etc.). Notions de programmation orientée objet avec Python. Le cours inclus par ailleurs la présentation de quelques outils utiles pour la production de rapports et présentations scientifiques (LaTeX, bibtex, zotero). Les séances de travaux pratiques permettent : - d'utiliser des instructions vectorisées issues de numpy pour encoder des opérations d'algèbre linéaire et des approches d'analyse statistique; - d'illustrer l'intérêt d'une approche orientée-objet, sur la base d'exemples en lien avec des problématiques d'apprentissage; - d'introduire le langage LaTeX pour la rédaction de documents scientifiques, tels que ceux demandés tout au long de la formation.

Objectifs pédagogiques

À l'issue de ce cours, les étudiants seront capables de - manipuler des structures de données usuelles en Python; - adopter une approche orientée-objet pour le développement d'applications en Python; - comprendre les notions de classe et d'objet; - comprendre les notions d'encapsulation d'héritage; - rédiger des codes conformes aux conventions usuelles en terme de nom de variables, utilisation des commentaires et rédaction de documentation; - tester un code produit (tests unitaires, debug); - utiliser plusieurs librairies usuelles pour l'apprentissage automatique (numpy, scipy, sklearn); - rédiger un rapport et une présentation scientifiques en LaTeX; - créer et gérer une base d'entrées bibliographiques (zotero, bibtex).

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Évaluation sur la base des rapports de TPs.

Ressources en ligne

Liste de références, documents et ressources LaTeX mis à disposition sur Moodle. Logiciel Python, notebook Jupyter, packages Python usuels (numpy, scipy, scikit-learn, pandas, matplotlib, seaborn, h5py, ...).

Pédagogie

Séances en salle informatique.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Notions de programmation orientée-objet, et de programmation en Python et C.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Refresher in Computer Science
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_RCS - Refresher in Computer Science

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Refresher in Maths
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_RMA - Refresher in Maths

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Algorithms and their complexity 1
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_AC1 - Algo and their complexity 1

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Databases
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_DBA - Databases

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Fundamental notions of Mathematics
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_FNM - Fundamental notions of Math

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Probability 1
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_PR1 - Probability 1

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Statistics 1
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_ST1 - Statistics 1

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Machine learning 1
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_ML1 - Machine learning 1

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

This course introduces the field of machine learning, including the notion of "learnability". How far can available data be exploited to design a predicting machine? The contents include: ● scikit-learn basics ● data cleaning ● basics in plotting ● designing, implementing, testing, and evaluating an ML pipeline for supervised classification ● study of a couple of use cases

Objectifs pédagogiques

After successfully taking this course, a student should be able to: ● understand the main objectives of machine learning and the main approaches ● know the basic principles behind classical basic ML algorithms ● understand the first limits and requirements to conduct a ML project ● understand the notion of error and the principle of ERM ● use Python to implement programs ML, test them, and evaluate their performances ● access and preprocess data using Python

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Labs, grading scale: (min) 0 – 20 (max) Exam, grading scale: (min) 0 – 20 (max) Average passing grade = 10/20

Ressources en ligne

● Shai Shalev-Shwartz and Shai Ben-David. Understanding Machine Learning: From Theory to Algorithms Cambridge University Press, 2014. ● Jake VanderPlas. Python Data Science Handbook Essential Tools for Working with Data. O'Reilly Media, 2016. ● Machine Learning for Hackers, O’Reilly

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Basic knowledge of a programing language ; notions on algorithms and fundamental notions of mathematics.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Machine learning 2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_ML2 - Machine learning 2

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Fundamentals machine learning methods. Hands on. Usual methods of ML : • LDA, Naïve Bayes, • Logistic regression, perceptron • Linear SVM • Linear models and optimization using stochastic gradients • Decision trees, Random forests,… • Bagging, boosting, stacking… • Neural networks: MLP and gradient retropropagation

Objectifs pédagogiques

After successfully taking this course, a student should be able to: • basic presentation of usual methods of machine learning • hands on to get a first practical knowledge of the potential of machine learning • explain and justify several important machine learning methods, • account for several types of methods and algorithms used in the field, • implement them using the book, • critically evaluate the methods’ applicability in usual contexts,

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Labs, grading scale: (min) 0 – 20 (max) Exam, grading scale: (min) 0 – 20 (max) Average passing grade = 10/20

Ressources en ligne

"Pattern recognition and Machine Learning", Christopher Bishop “Elements of statitcial learning”, T. Hastie & R. Tibshirani & J. Friedman “Machine learning, a probabilistic perspective”, K. Murphy. Labs are in Python.

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Machine learning 1 or the equivalent. Probability Theory and Statistics or the equivalent. Bases of optimization.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Ethics and Laws
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_ELA - Ethics and Laws

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	English
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_ANG - Anglais

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

This class is intended to improve your english level in case you are B2 only. Other languages might be proposed otherwise.

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	FLE
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Madame VERONIQUE DZIWNIEL
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_FLE - FLE ou 2nde langue

Equipe pédagogique

Enseignants : Madame VERONIQUE DZIWNIEL
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Students will be able to express themselves and understand French, feel comfortable in everyday day, during their studies and in professional contexts.

Objectifs pédagogiques

To reach these objectives, students will be able to : -use their language skills to deal with written and oral documents, -feel at ease in class and everyday life situations (phone calls, health, shopping, administration …), -understand the French approach to scientific and professional documents (how to write an email, a cover letter, a CV, basic approach to scientific articles, etc …) NB : students will have the opportunity to take delf/dalf exams (at their own cost).

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Strong emphasis will be placed on active participation. Oral and written tests will be organized on a regular basis. Linguistic and communication competences will be assessed using the the Common European Framework of Reference for Languages (CEFR).

Ressources en ligne

-Bibliography: Grammaire progressive du français, CLE international, Paris, (several levels) Vocabulaire progressif du français , CLE international (several levels) Jean-Luc Penfornis, Vocabulaire progressif du français des affaires, CLE INTERNATIONAL, (several levels) Claude Simard, Suzanne-G. Chartrand, Grammaire de base, De Boeck, Bruxelles, 2012 -Written and oral documents , videos, articles etc … -Didactic Equipment and software -real life artefacts

Pédagogie

Use of written and oral documents, real life artefacts Interactive learning

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

None : Courses will be tailored to the student’s level.

Nombre maximum d'inscrits

Remarques

Cours mutualisés avec ENSCL et Ecole Centrale pour permettre la répartition des élèves en différents niveaux, adaptés.

Libellé du cours :	LV2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S1_LV2 - LV2 au choix

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Algorithms and their complexity 2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_AC2 - Algo and their complexity 2

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Numerical analysis and optimization
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_NAO - Numerical analysis and optim

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Probability 2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_PR2 - Probability 2

Equipe pédagogique

Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Le cours présente les grandes notions associées aux chaînes de Markov à temps discret (matrice de transition, états récurrents, transients, mesure invariante, convergence en temps long) puis aborde plusieurs applications : la modélisation des files d'attente (avec généralisation au temps continu), algorithme de Metropolis-Hastings et de recuit simulé. 1. Chaînes de Markov en temps discret 2. Processus de Poisson et files d'attente 3. Méthodes de Monte Carlo (algorithme de Metropolis-Hastings), recuit simulé

Objectifs pédagogiques

- Savoir énoncer toutes les caractéristiques d'une chaîne de Markov donnée (en temps discret), et étudier son comportement en temps long. Savoir la simuler en Python. - Calculer la mesure invariante associée à une file d'attente, et analyser son comportement - Mettre en pratique les algorithmes de Metropolis-Hastings et de recuit simulé sur des exemples

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: 1 devoir maison, 2 compte-rendus de TP notés, examen final

Ressources en ligne

Pédagogie

Cours (6x2h) avec support de cours, TDs (6x2h, dont 2x2h d'application en salle informatique)

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Notions de probabilité et de programmation en Python.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Statistics 2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_ST2 - Statistics 2

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Machine learning 3: Deep learning
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_ML3 - Machine learning 3: Deep learn

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Models for Machine Learning
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE-ANTOINE THOUVENIN
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_MML - Models for Machine Learning

Equipe pédagogique

Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Introduction à l'analyse statistique bayésienne. Les notions et méthodes suivantes seront abordées : - définitions élémentaires (vraisemblance, distribution a priori, distribution a posteriori, distribution prédictive, ...); - distribution a priori conjuguée, non-informative, famille exponentielle; - modèles hiérarchiques; - représentation graphique à l'aide d'un graphe acyclique orienté; - algorithme de Monte Carlo par chaînes de Markov (MCMC) (algorithme de Metropolis-Hastings, échantillonneur de Gibbs, effective sample size (ESS)).

Objectifs pédagogiques

Après validation du cours, les étudiants seront capables de : - identifier un modèle pertinent en fonction des données disponibles; - formuler un problème d'apprentissage sous forme d'un problème d'optimisation; - identifier la nature des distributions impliquées dans un problème d'appprentissage (distribution a posteriori, prédictive, marginales, ...); - comprendre les connexions entre modélisation déterministe et probabiliste; - comprendre les implications du choix d'un modèle sur les résultats; - implanter une approche simple pour résoudre le problème (MCMC).

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Évaluation continue, basée sur - compte-rendu de TP, 50 % de la note finale : (min) 0 – 20 (max) - examen, 50 % de la note finale : (min) 0 – 20 (max) Examen de rattrapage (session 2): - épreuve d'examen notée sur 20 points - note final du cours : 50% session 1 (note de l'évaluation continue), 50% session 2

Ressources en ligne

Livres et articles de référence, à disposition sur Moodle. Robert, C. P. (2007). The Bayesian choice: from decision-theoretic foundations to computational implementation (Vol. 2). New York: Springer. Bishop, C. M., & Nasrabadi, N. M. (2006). Pattern recognition and machine learning (Vol. 4, No. 4, p. 738). New York: springer. Murphy, K. P. (2012). Machine learning: a probabilistic perspective. MIT press. Jones, Galin L and Qin, Qian (2022). Markov Chain Monte Carlo in Practice, Annual Review of Statistics and Its Application (Vol. 9, pp. 557-578) Robert, C. P., Casella, G., & Casella, G. (1999). Monte Carlo statistical methods (Vol. 2). New York: Springer.

Pédagogie

TP (6h) and TD (2 x 2h). Examen final (2h). Cours enseigné intégralement en anglais.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Cours du 1 semestre du master 1 Data science : Python and tools for research, Machine learning 1, Probability 1 & 2, Statistics 1. Notions en optimisation.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Signal processing
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_SPR - Signal processing

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Data Challenge
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_DCA - Data Challenge

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Seminars
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_SEM - Seminars

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

A weekly seminar will permit students to hear about all kinds of research areas connected to machine learning.

Objectifs pédagogiques

After successfully taking this course, a student should: ● Understand topics of various areas, ● Have an overview of the main research area in machine learning ● Know how to exploit seminars for his own improvement.

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Provided by the speaker.

Pédagogie

Contact with in ongoing research by attending experts' presentations.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Internship
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_INT - Internship

Equipe pédagogique

Enseignants :
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

This first internship aims at a first professional experience in either a research lab or a company for at least 6 to 14 weeks.

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Report + final presentation: 6 credits, grading scale: (min) 0 – 20 (max) Passing grade = 10/20

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

M1S1+M1S2 courses.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Research project
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S2_RPR - Research project

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

A short-term research project will be given to students (either alone or by pairs or groups) over a period of 3 to 4 months so that they can get familiar with the methodology of research. This project will in general include the reading of an article that introduces some algorithm that should be implemented in the end.

Objectifs pédagogiques

After successfully taking this course, a student should be able to: ● read easy reading research articles, ● move from an article to the implementation of the proposed method, ● write a research report and give a small talk about his work

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Report + final presentation : 3 credits, grading scale: (min) 0 – 20 (max) Passing grade = 10/20

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Attend the M1 programme.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	English
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_ANG - Anglais

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

This class is for students who need to improve their english beyond a B2 level. The TOEIC might be proposed. Another language might be proposed to those who have a sufficiently high level in english.

Objectifs pédagogiques

Different types of classes will be proposed depending on the level.

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	FLE
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Madame VERONIQUE DZIWNIEL
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_FLE - FLE ou 2nde langue

Equipe pédagogique

Enseignants : Madame VERONIQUE DZIWNIEL
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Students will be able to express themselves and understand French, feel comfortable in everyday day, during their studies and in professional contexts.

Objectifs pédagogiques

To reach these objectives, students will be able to : -use their language skills to deal with written and oral documents, -feel at ease in class and everyday life situations (phone calls, health, shopping, administration …), -understand the French approach to scientific and professional documents (how to write an email, a cover letter, a CV, basic approach to scientific articles, etc …) NB : students will have the opportunity to take delf/dalf exams (at their own cost).

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Strong emphasis will be placed on active participation. Oral and written tests will be organized on a regular basis. Linguistic and communication competences will be assessed using the the Common European Framework of Reference for Languages (CEFR).

Ressources en ligne

-Bibliography: Grammaire progressive du français, CLE international, Paris, (several levels) Vocabulaire progressif du français , CLE international (several levels) Jean-Luc Penfornis, Vocabulaire progressif du français des affaires, CLE INTERNATIONAL, (several levels) Claude Simard, Suzanne-G. Chartrand, Grammaire de base, De Boeck, Bruxelles, 2012 -Written and oral documents , videos, articles etc … -Didactic Equipment and software -real life artefacts

Pédagogie

Use of written and oral documents, real life artefacts Interactive learning

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Courses will be tailored to the student’s level.

Nombre maximum d'inscrits

Remarques

Cours mutualisés Masters, ENSCL et Ecole Centrale pour permettre la répartition en groupes de niveaux.

Libellé du cours :	LV2
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_LV2 - LV2 au choix

Equipe pédagogique

Enseignants :
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Algorithmics and databases 1 - Databases
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AD1 - Algorithmics and databases 1 -

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Algorithmics and databases 2 - High Performance Computing
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AD2 - Algorithmics and databases 2 -

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Algorithmics and databases 3
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AD3 - Algorithmics and databases 3

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Refresher in computer science
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_RCS - Refresher in computer science

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Refresher in mathematics
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_RMA - Refresher in mathematics

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Theoretical foundations of machine learning 1 - Bayesian Learning
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_TF1 - Theoretical foundations of mac

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Theoretical foundations of machine learning 2 - Sequential Decision Making
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_TF2 - Theoretical foundations of mac

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Theoretical foundations of machine learning 3
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_TF3 - Theoretical foundations of mac

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced Machine Learning 1 - Natural Learning Processing
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM1 - Advanced machine learning 1

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced Machine Learning 2 - Machine Learning for Signal Processing
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM2 - Advanced machine learning 2

Equipe pédagogique

Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Ce cours illustre l'application du machine learning au traitement statistique du signal par la prisme de la résolution de problèmes inverses. Les notions et méthodes suivantes seront abordées : - définition d'un problème inverse (formulation bayésienne et estimateurs, régularisation par parcimonie, critères d'évaluation typiques en traitement du signal) - parcimonie et échantillonnage comprimé - rappels et résultats en optimisation convexe (dualité, opérateur proximal, transformée de Legendre-Fenchel, décomposition de Fenchel) - méthodes d'éclatement en optimisation ("splitting") : algorithme ADMM et PnP-ADMM - méthodes d'éclatement et algorithmes MCMC (AXDA, SGS, PnP-SGS)

Objectifs pédagogiques

Après validation du cours, les étudiants seront capables de : - formuler un problème inverse à l'aide d'un modèle statistique - appliquer des approches de ML pour traiter des problèmes en traitement statistique du signal - implémenter un algorithme d'optimisation ou MCMC basé sur un a priori issu de données de référence (Plug-and-play approaches)

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Évaluation continue, basée sur - comptes-rendu de TP, 50 % de la note finale : (min) 0 – 20 (max) - examens, 50 % de la note finale : (min) 0 – 20 (max) Examen de rattrapage (session 2): - épreuve d'examen notée sur 20 points - note final du cours : 50% session 1 (note de l'évaluation continue), 50% session 2

Ressources en ligne

Livres et articles de référence, à disposition sur Moodle. - Murphy, K. P. (2012). Machine learning: a probabilistic perspective. MIT press. - Beck, A. (2017). First-Order Methods in Optimization. Society for Industrial and Applied Mathematics press.

Pédagogie

- Cours (6x2h), TP (4x2h) et TD (2x2h). - Examens : 2x1h. - Cours enseigné intégralement en anglais.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Cours du master 1 Data science (ou équivelents) : Python and tools for research, Signal processing, Machine learning 1, Probability 1 & 2, Statistics & 21, Models for machine learning. Notions en optimisation.

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced Machine Learning 3 - Fairness in Thrustworthy Machine Learning
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM3 - Advanced machine learning 3

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced Machine Learning 4 - Computer Vision
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM4 - Advanced machine learning 4

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced machine learning 5
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM5 - Advanced machine learning 5

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Advanced machine learning 6
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S3_AM6 - Advanced machine learning 6

Equipe pédagogique

Enseignants :
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Ethics and digital law
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_EDL - Ethics and digital law

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	12
Nombre d'heures en TD (Travaux Dirigés) :	12
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Reading group
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_RGR - Reading group

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

On a regular basis, every week, an M2 student will have to present an article he has read and prepared for sharing with other M2 students.

Objectifs pédagogiques

After successfully taking this course, a student should be able to: ● read research articles of high level, ● move from an article to the implementation of the proposed method, ● write a research report and give a small talk about his work ● assert his confidence level in the quality of the publication

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: A short report will be asked on the basis of read articles.

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Seminars
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_SEM - Seminars

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Internship and memoir
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_IME - Internship and memoir

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

This final internship aims at a first professional experience in either a research lab or a company for at least 4 to 6 months. The subject must be in line with the master's programme and a professional project.

Objectifs pédagogiques

Students should be ready for their first professional position or to begin a PhD.

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Report + final presentation: 6 credits, grading scale: (min) 0 – 20 (max) Passing grade = 10/20

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Data challenge
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_DCH - Data challenge

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

Objectifs pédagogiques

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires:

Ressources en ligne

Pédagogie

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Nombre maximum d'inscrits

Remarques

Libellé du cours :	Research project
Département d'enseignement :	EEA / Electronique Electrotechnique Automatique
Responsable d'enseignement :	Monsieur PIERRE CHAINAIS
Langue d'enseignement :
Ects potentiels :	0
Grille des résultats :
Code et libellé (hp) :	MR_DS_S4_RPR - Research project

Equipe pédagogique

Enseignants : Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires

Résumé

A short-term research project will be given to students (either alone or by pairs or groups) over a period of 5 to 6 months so that they can get familiar with the methodology of research. This project will in general include the reading of an article that introduces some algorithm that should be implemented in the end.

Objectifs pédagogiques

After successfully taking this course, a student should be able to: ● read easy reading research articles, ● move from an article to the implementation of the proposed method, ● write a research report and give a small talk about his work

Objectifs de développement durable

Modalités de contrôle de connaissance

Contrôle Continu
Commentaires: Report + final presentation : 3 credits, grading scale: (min) 0 – 20 (max) Passing grade = 10/20

Ressources en ligne

Pédagogie

Research by searching.

Séquencement / modalités d'apprentissage

Nombre d'heures en CM (Cours Magistraux) :	0
Nombre d'heures en TD (Travaux Dirigés) :	24
Nombre d'heures en TP (Travaux Pratiques) :	0
Nombre d'heures en Séminaire :	0
Nombre d'heures en Demi-séminaire :	0
Nombre d'heures élèves en TEA (Travail En Autonomie) :	0
Nombre d'heures élèves en TNE (Travail Non Encadré) :	0
Nombre d'heures en CB (Contrôle Bloqué) :	0
Nombre d'heures élèves en PER (Travail PERsonnel) :	0
Nombre d'heures en Heures Projets :	0

Pré-requis

Attend the M2 programme.

Nombre maximum d'inscrits

Remarques