Semestre 9 - Parcours Intelligence Artificielle et Traitement de l'Information (IATI)

Voir la page complète

Voir la page complète

Voir la page complète

L'enseignement est constitué de 6 séances de cours (avec du temps consacré à des exercices) ainsi que 2 séances de BE. Le plan du cours est le suivant.

1 Physique de l’imagerie

     1.1 Un modèle direct générique

     1.2 Quelques notions de physique (Diffraction, transformée Rayon-X)

     1.3 La numérisation

2 Du monde continu au discret

     2.1 Principe général

     2.2 Produits matrice-vecteur efficaces (matrices creuses / à bandes / Toeplitz / rang faible)

     2.3 Erreurs de discrétisation

3 Problèmes inverses mal-posés

     3.1 L’échec des inversions directes

     3.2 Inverses généralisées

     3.3 Stabilisation de l’inversion (filtrage de systèmes singuliers)

4 Formulation bayésienne d’un problème inverse

     4.1 Le point de vue de la statistique paramétrique (MAP)

     4.2 Exemples de vraisemblance des observations

     4.3 Approximations des attaches aux données (l2-pondérée, transformations non-linéaires, pré/post-traitement)

5 Exemples de fonctions de régularisation

         5.1 Tikhonov

         5.2 Variation Totale

         5.3 Parcimonie dans une base

Voir la page complète

Voir la page complète

Ce cours permet d'aborder les bases physiques de la télédétection, le format des données utilisées en télédétection et comment les utiliser dans un SIG. L'ensemble des TD se fera avec le logiciel QGIS et la librairie OTB, tous les deux libres et utilisables sur des machines personnelles. Les séances s'organisent sous forme de Cours-TD où les séquences théoriques s'alternent régulièrement avec de la pratique guidée. Des séances en autonomie permettent de consolider les acquis sur de nouveaux cas d'études. En fonction des avancées de chacun·e , des parties modulables peuvent être rajoutées à la séquence pédagogique.

Voir la page complète

Voir la page complète

Ce cours se décompose en deux parties indépendantes : les processus gaussiens et le transport optimal. Pour chacune de ces parties, deux cours magistraux suivis d’un TD permettrons d’introduire les outils et de les manipuler, puis deux TPs permettront de mettre en pratique les outils proposés pour l’analyse de données. L’évaluation de cette matière se fera au moyen d'un dernier TP noté et d'un examen.

Voir la page complète

Le cours comprend 6 séances de cours magirstraux où sont exposé plusieurs techniques d’apprentissage non-supervisé, et 7 séances de travaux pratiques (dont 3 en autonomie) permettant de mettre en œuvre ces techniques. Dans la première partie du cours, sont étudiées deux techniques de partitionnement classiques, à savoir l’algorithme de k-moyennes, et la classification probabiliste par apprentissage d’un modèle de mélange gaussien. Ensuite, nous introduisons les autoencodeurs, et enfin quatre modèles génératifs basés sur l’apprentissage profond : les réseaux antagonistes génératifs (GAN), les normalizing flows (NF), les autoencodeurs variationnels (VAE) et les modèles de diffusion (DM).

Voir la page complète

Voir la page complète

Voir la page complète

Cette partie se compose de 2 cours de classe renversée afin de permettre à l'apprenant d'être plus actif dans ses apprentissages. Ensuite,  4 travaux pratiques viennent illustrer les notions de détection et appariement abordées en cours afin de construire une mosaïque d'images. Cette matière sera évaluée via un questionnaire de cours en ligne et un examen sur feuille ainsi qu'une note de travaux pratiques. Ceci permet une évaluation continue des acquis. 

Voir la page complète

Cette matière permet d'aborder une application spécifique afin de confronter les éléments étudiés en cours et travaux pratiques à une application concrète, et d'approfondir les apprentissages liés à ces différents concepts. Ce projet, réalisé en groupe, sera évalué sous la forme de compte-rendu, présentation, rapport et évaluations par les pairs. Il y aura également une évaluation en ligne individuelle.

Voir la page complète

Voir la page complète

Voir la page complète

L’enseignement de System-On-Chip se compose de 2 CM et d’une dizaine de séances de projet.

Les CMs décrivent de façon précise ce qu’est un System-On-Chip, quels en sont les avantages technologiques et économiques, les limites et les enjeux, et pourquoi ces circuits constituent un marché en pleine expansion. En particulier sont détaillées les notions de reuse, d’IP et de co-développement matériel/logiciel.

Les séances de projet mettent en pratique ces dernières notions, par la conception, dans l’environnement de développement Xilinx Vivado, sur carte de développement Zynq, d’un dispositif d’effet audio. Durant les première séances, les étudiants développent la configuration matérielle du Zynq et programment le microcontrôleur en langage C afin de piloter succinctement un Codec audio. Ensuite, ils développent et ajoutent, à cette configuration de base, des effets audio de leur choix, en C ou en VHDL.

L’évaluation comporte deux parties : une démonstration en séance du circuit et des effets développés, et un rapport, en anglais, sur le modèle d’une notice d’utilisation du dispositif 

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Ce cours se décompose en deux sous-parties ; une première qui traitera des réseaux de neurones récurrents pour le traitement des données séquentielles, ainsi que d’une introduction aux architectures de Transformers. Une seconde, indépendante, qui présentera des avancées récentes en apprentissage faiblement supervisé : apprentissage auto-supervisé (autoencodeurs, méthodes contrastives), apprentissage semi-supervisé, ou encore méthodes génératives.

Voir la page complète

Voir la page complète

Voir la page complète

Le cours comprend une partie théorique permettant de présenter l'application principale, de formaliser le modèle des signaux et les différentes méthodes de formation de faisceaux (conventionnelle et adaptative). Dans un deuxième temps, par groupes de 2-3, les apprenants étudient certaines méthodes à partir d'un syllabus et de codes fournis. Chaque groupe doit présenter une rapide synthèse de ces méthodes en en faisant une analyse critique.

Voir la page complète

Voir la page complète

Le cours se déroule de la manière suivante :

CM1: Débruitage des signaux audio (suppression de clics, réduction du bruit de fond)

CM2: Factorisation en matrices non-négatives (NMF) et application à la séparation de sources audio

CM3: Modèles physiques pour la synthèse musicale

CM4: Panorama des méthodes d'IA pour le traitement des signaux audio

TP: Interpolation de signaux audio pour la suppression de clics

Projet : Rédaction d’un document de présentation de Shazam, Audionamix ou Spotify.

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

Voir la page complète

- analyser et synthétiser efficacement de façon à mieux communiquer oralement et à l’écrit, à propos de thèmes suivants : réussir son entretien de recrutement en présentiel en distanciel, les speed net working, le marché de l’emploi, le développement des starts up les codes du recrutement, point sur les outils du recrutement, utilisation de LINKEDIN, négocier son contrat de travail, son salaire, l’intérêt de l’expatriation…

- apprendre à mieux se connaître (ses points faibles et ses points forts) afin de mieux communiquer.

METHODE

- apports théoriques,  «Communication écrite, orale», et «Bien démarrer sa vie professionnelle»

- mise en situation, avec la présentation orale (diaporama) et écrite d’un sujet en lien avec le recrutement,

- connaissance de soi, pédagogie inversée, développement du leadership, accompagnement adapté.

EVALUATION DES ETUDIANTS 

Elle portera sur la réalisation d’exercices concernant : la rédaction d’un CV et d’une lettre de motivation efficaces, des simulations d’entretiens de recrutement, des présentations écrites et orales à propos des thèmes précisés ci-dessus.

ORGANISATION DES COURS 

Les cours « Insertion professionnelle » s’organisent ainsi, il y a un décloisonnement des enseignements, ils sont orientés vers la recherche de stage/emploi et la communication :

- des forums du recrutement et des carrières sont proposés,

- les cours et TD sont donnés durant le semestre 1 de l’année universitaire (bac +5),  soit 8 heures.

Ce calendrier est ponctué d’échanges par e-mail et en face à face avec l’enseignante, en fonction des besoins de l’étudiants.

Voir la page complète

Voir la page complète

Projet visant à développer ses compétences en Entrepreneuriat.

Voir la page complète

Il y a des Cours sur la gestion de projet pourvus par un industriel. 

Un sujet technique est proposé par un industriel aux étudiants. Ils ont donc une présentation du sujet en début de Corporate Project. Les étudiants s'auto-organisent pour répondre au cahier des charges et ils développent la solution technique dans ce cadre. Au cours du projet, un ou plusieurs points d'étape sont effectués avec l'industriel afin de valider / réorienter les choix de la solution technique et/ ou l'organisation du projet. En fin de corporate project, une soutenance présentant l'organisation du projet et la solution technique proposée est effectuée. 

Voir la page complète