Decision-Support IT and Mathematics - Bachelor's Year 3

Total hours : 15

Overview :

Espaces vectoriels de dimension finie, théorie de la dimension (théorème de la base incomplète). Applications linéaires, théorème du rang et applications. Représentation matricielle d'une application linéaire. Déterminant. Polynôme caractéristique, valeurs propres d'un endomorphisme et d'une matrice. Réduction des endomorphismes : diagonalisation

Learning outcomes :

Rappels de notions de d’algèbre linéaire nécessaires en L3 informatique MIAGE

Lecturer :
BRICE MAYAG

Total hours : 15

Overview :

Introduction et notions de base : notion de probabilité, représentation des événements, notion d’équiprobabilité, propriétés Probabilités conditionnelles Variables aléatoires discrètes Variables aléatoires continues Quelques distributions classiques : loi de Bernouilli, loi uniforme, loi binomiale, loi géométrique, loi de Poisson, loi exponentielle, loi normale ou loi de Laplace-Gauss Couples de variables aléatoires Processus aléatoire : définition

Learning outcomes :

Rappels de notions de probabilités nécessaires en L3 informatique MIAGE

Ects : 4

Lecturer :
HUGO GILBERT

Total hours : 39

Overview :

Découpe d’un programme en fonctionnalités réutilisables, maitrise des concepts de la programmation orientée objet : classes, interfaces, encapsulation, design patterns. Programmation efficace, programmes clairs et élégants : exceptions, généricité, collections, programmation par contrat, Javadoc, tests JUnit. Quelques outils de développement du programmeur professionnel moderne seront abordés et exploités : eclipse, git pour la collaboration au sein d'une équipe.

Recommended prerequisites :

Maîtriser un autre langage de programmation.

Learning outcomes :

Les étudiantes et étudiants apprendront à implémenter, en Java, des programmes d’une certaine envergure, qui requièrent l’assemblage de plusieurs fonctionnalités. Ceci se fera grâce aux techniques de la programmation orientée objet. Ils et elles apprendront à découper les besoins en classes et objets de façon à maitriser la complexité des programmes non triviaux. Ils apprendront à réutiliser les fonctions déjà programmées par d’autres, et à fournir à leur tour des modules réutilisables. Ils pourront appliquer les bonnes pratiques de programmation, telle que la programmation par contrat, pour créer des programmes clairs, qui peuvent être maintenus et réutilisés.

Assessment :

L'UE sera évaluée à l'aide d'un examen écrit sur table et d'un projet informatique à réaliser en binôme.

Ects : 5

Lecturer :
MAUDE MANOUVRIER

Total hours : 48

Overview :

L'objectif de cet enseignement est de former les étudiants à la création et à la manipulation des bases de données relationnelles.

Au cours de cette unité d’enseignement, les étudiants vont apprendre à définir un schéma de base de données relationnelle à partir d’un modèle de données entité/association et/ou UML, à interroger et manipuler les données de la base en SQL (pour la manipulation de données, la définition de schéma du langage et la définition de déclencheurs), et à vérifier la cohérence des données et les propriétés d’un schéma de base de données.

Chaque partie du cours fait l'objet d'un cours magistral et d'une séance de TD.

Deux séances de TP permettront de mettre en pratique les connaissances acquises au cours de cet enseignement en utilisant un SGBD du marché.

Les étudiants auront également un TP noté, à réaliser en fin de module, mettant en œuvre sur un SGBD relationnel toutes les notions abordées en cours.

Recommended prerequisites :

Logique du 1er ordre

Learning outcomes :

• Connaissances théoriques et pratique du modèle relationnel (dépendances fonctionnelles, formes normales, création d'une base de données relationnelles en SQL).
• Langages d'interrogation de données relationnelles (Algèbre Relationnelle, Calcul Relationnel à Variables Nuplets, SQL).

Assessment :

Examen Partiel (20%), TP Noté (10%) et Examen Final (70%)

Bibliography-recommended reading

• J-L. Hainaut Bases de données - Concepts, utilisation et développement - 5e éd., InfoSup, Dunod, 2022, ISBN : 978-2100784608
• A. Silberschatz, H.F. Korth et S. Sudarshan, Database System Concepts, McGraw-Hill, 7ème édition, 2019, ISBN: 978-0073523323

Ects : 3

Lecturer :
GABRIELLA PIGOZZI

Total hours : 30

Overview :

• Valid and sound arguments
• Represent information in symbolic forms (propositional and predicate logic)
• Propositional logic: syntax and semanticstruth tablesaxiomatic prooftableauxderivationsSAT
• Predicate logic: syntax and semanticsaxiomatic prooftableaux

Learning outcomes :

This course provides an introduction to formal logic. You will develop an understanding of symbolic logic and of different proof techniques.

No prerequisite is required.

Ects : 3

Lecturer :
FLORIAN YGER

Total hours : 30

Overview :

Dans ce cours, on s’intéresse à des techniques visant à extraire de l’information d’un jeu de données via l’obtention de modèles linéaires des relations entre les données. Ce choix se justifie par la pertinence et l’efficacité de ces modèles simples dans la pratique. On considèrera que l'on dispose de données pour lesquelles cette extraction d'information est pertinente. A cette fin, les données seront généralement pensées comme des réalisations de variables aléatoires. On présentera ainsi un ensemble de résultats et d'algorithmes mêlant des éléments d'algèbre linéaire, d’optimisation et de statistiques.

Durant le cours, on abordera la décomposition en valeurs singulières en tant qu'outil fondamental, ainsi que son utilisation dans les moindres carrés linéaires et l'analyse en composantes principales. On se penchera longuement sur les modèles de régression linéaires, et leur interprétation via les moindres carrés et l'estimation statistique. On illustrera enfin les résultats théoriques via des applications caractéristiques de l'analyse de données.

Recommended prerequisites :

Bases d'algèbre linéaire et de calcul matriciel.

Learning outcomes :

Connaître et manipuler les techniques d'analyse de données liées à des modèles linéaires.

Bibliography-recommended reading

S. Boyd and L. Vandenberghe. Introduction to Applied Linear Algebra - Vectors, Matrices and Least Squares. Cambridge University Press, 2018. G. Strang, Linear algebra and learning from data. Wellesley-Cambridge Press, 2019.

Ects : 4

Lecturer :
VIRGINIE GABREL-WILLEMIN

Total hours : 36

Overview :

Introduction à la théorie des graphes. Étude et résolution des problèmes suivants : Connexité dans un graphe, connexité forte Plus court chemin (algorithmes de Bellman, de Dijkstra, de Ford et de Floyd), ordonnancement (Méthodes potentiel-tâches). Structures d’arbres, arbre couvrant de poids minimum (algorithmes de Prim et de Kruskal) Flot maximum (algorithme de Ford-Fulkerson).

Learning outcomes :

Fournir les concepts de base concernant les graphes. Souligner l’apport des graphes en informatique en tant qu’outil de modélisation. Présenter certains algorithmes fondamentaux

Ects : 5

Lecturer :
ISABELLE RYL

Total hours : 39

Overview :

Langages et automates : alphabets, mots, langages, automates déterministes et non-déterministes, lemme de pompage, exemples Expressions : expressions régulières, équivalence entre expressions régulières et langages d’automates Analyse lexicale Grammaires : langages non rationnels, grammaires régulières, algorithme de reconnaissance CYK. Automates à pile : automates à pile, langages non-algébriques Analyse syntaxique Exemple de grammaires XML Introduction à la compilation Hiérarchie de Chomsky, Machines de Turing, introduction à la calculabilité  Applications avec Flex/Bison

Learning outcomes :

Définir la notion de langage formel et introduire les méthodes permettant de spécifier les langages : description à travers des expressions, reconnaissance par des automates et génération par des grammaires formelles. Mise en pratique par un projet sur machine

Ects : 4

Lecturer :
CHRISTIAN ROBERT

Total hours : 49.5

Overview :

- Statistics, the what and why - Probabilistic models for statistics - Glivenko-Cantelli theorem, Monte Carlo principles, and the bootstrap - Likelihood function, statistical information, and likelihood inference - Bayesian inference

Coefficient : 4 ECTS

Recommended prerequisites :

A first course in (continuous) probability theory covering standard distributions, expectations, limit theorems, and conditional distributions

Require prerequisites :

A first course in (continuous) probability theory covering standard distributions, expectations, limit theorems, and conditional distributions

Learning outcomes :

This course is the first part of the two L3 statistics courses. It covers the fundamentals of parametric statistics, both from mathematical and methodological points of view, with some forays into computational statistics. The main theme is that modelling is an inherent part of the statistical practice, rather than an antecedent to the statistical step. Data may be a given, while models almost never are. This means one should keep a critical eye about models and develop critical tools to assess their adequation. Including, first and foremost, an assessment by simulation (Monte Carlo) methods. The course is entirely in English, except for the partial and final exams. Some practicals (TP) will be included, covering R language programming and applications to the bootstrap and Monte Carlo methodologies.

Assessment :

Mid-term exam and final exam, potentially completed by quizzes and projects along the semester

Bibliography-recommended reading

Casella and Berger (1989) Statistical Inference. Duxbury.

Ects : 2

Lecturer :
CATHERINE BOILLOT-PATTERSON

Total hours : 19.5

Overview :

Groupes de niveau permettant de décliner compréhension et expression écrite (lettres de motivation, CV, mémos, rapports, synthèses) et compréhension et expression orale (vidéos, public speaking, présentations, entretiens, réunions). Acquisition des outils de connaissances nécessaires dans le domaine de l’anglais professionnel (communication, expression, compréhension et expression écrite). Initiation à l’anglais des affaires et à l’anglais de l’informatique.

Learning outcomes :

Faire acquérir aux étudiants des connaissances linguistiques spécialisées leur permettant de fonctionner efficacement dans leur futur contexte professionnel. Une expérience pilote déjà menée sur le Portfolio Européen des Langues (Cercles version for Higher Education, approuvée par le conseil de l’Europe) est susceptible d’être élargie. Parcours et progressions différenciées par semestre selon les niveaux, utilisation large des ressources vidéo, laboratoire de langues, et NTICE du centre de ressources en langues (Utilisation de logiciels intégrée au cours et proposés en auto-formation). Précision : les étudiants passent le test du TOEIC en M1.

Ects : 4

Lecturer :
ISMA BENTOUMI

Total hours : 36

Overview :

Ce cours étudie le système d'exploitation UNIX en général et la programmation système en particulier. Le système d'exploitation est le premier programma exécuté lors de la mise en marche d'un ordinateur. Il contrôle l'exécution de tous les programmes d'applications et soustrait le matériel au regard de l'utilisateur. Il est donc important de l'analyser pour comprendre comment fonctionne un ordinateur.

Nous choisissons de baser notre études sur UNIX parce qu'il est le plus utilisé sur Internet par les équipements réseaux (routeurs, serveurs web ou serveurs DNS). De plus, il est gratuit et son code est libre et accessible (open source).

Les grandes parties de ce cours sont les suivantes:

(1) Introduction au langage de programmation C ;

(2) Vue générale d'un système d'exploitation;

(3) Système de gestion de fichiers UNIX ;

(4) Généralités sur les processus et ordonnancement ;

(5) Gestion des processus sous UNIX ;

(6) Communication inter-processus par tubes et notion de mémoire partagée ;

(7) Communication inter-processus par signaux.

Le chapitre (1) donne les éléments du langage C nécessaires pour aborder la programmation système.

Le chapitre (2) rappelle l'historique des systèmes d'exploitation et décrit leur structure générale.

Le chapitre (3) décrit le système de gestion de fichiers qui est l'un des éléments de base du système d'exploitation, et insiste sur celui d'UNIX.

Le chapitre (4) aborde de manière plus détaillée les processus et leur ordonnancement.

Le chapitre (5) insiste sur la gestion des processus dans le système UNIX.

Les chapitres (6) et (7) abordent la communication entre processus, en particulier la communication à travers des tubes et par signaux.

Le cours est organisé en cours magistraux et séances de travaux dirigées et/ou travaux pratiques. A chaque chapitre est associé une série d'exercices et de problèmes pour amener les étudiants à mieux assimiler les différentes notions abordées en cours.

Learning outcomes :

Comprendre les différentes tâches d’un système d’exploitation : faire l’interface entre l’utilisateur et la machine, gestion des processus (ordonnancement, communication), gestion des ressources (exclusion mutuelle), gestion des fichiers (organisation du disque) et de la mémoire (mémoire virtuelle). Comprendre le lien entre systèmes d’exploitation et développement : appels système, compilation, librairies…

Ects : 1

Lecturer :
BRICE MAYAG
GABRIELLA PIGOZZI

Total hours : 15

Overview :

Raisonnement fallacieux Rhétorique Persuasion argumentative Qu'est-ce qu'une preuve ? Effet de probabilités inversés Utilisation des graphiques mathématiques

Learning outcomes :

Donner, dans le contexte de l’informatique, des outils pour le développement de l’esprit critique, apprendre à interpréter correctement des informations et des données et détecter les tentatives de manipulation rhétorique.

Ects : 3

Lecturer :
JULIEN LESCA

Total hours : 30

Overview :

1. Introduction- Différents types de réseaux- Modèle OSI2. Couche physique- Introduction à la théorie du signal- Supports de transmission- Modulation numérique et multiplexage- Exemple des systèmes de téléphonie mobile3. Couche liaison de données- Trames- Contrôle d'erreur4. Sous-couche MAC- Protocole de gestion d'accès- Exemple d'Ethernet et des LAN sans fil (WiFi)5. Couche réseau- Algorithmes de routageRoutage par vecteur de distancesRoutage par information d'état de lien- Internet et IPIPv4Masque et sous-réseauProtocoles de routage : OSPF et BGP

Learning outcomes :

Le cours porte sur les protocoles réseaux utilisés dans les couches basses du modèle OSI.

Ects : 4

Lecturer :
BRICE MAYAG

Total hours : 36

Overview :

Modélisation en termes de programmes linéaires, aspects géométriques. Méthode graphique.Algorithme du simplexe (méthode par pivot de Gauss (méthode du tableau) et méthode par substitution (dictionnaire). Introduction à la dualité : définitions et interprétation du problème dual, utilisation des théorèmes faible et fort de la dualité, et théorème des écarts complémentaires. Utilisation d’un solveur (AMLP, Cplex, GLPK…)

Learning outcomes :

Initier les étudiants à la modélisation à l'aide de la programmation linéaire et les former pour la résolution des programmes linéaires

Ects : 3

Lecturer :
DARIO COLAZZO

Total hours : 45

Overview :

1. XML : Présentation de la norme XML et de ses principaux langages de manipulation (XPath, XSLT, XQuery) et de programmation (DOM, SAX).2. JSON : Définition des données en JSON, validation d'un document JSON, langages de requêtes pour JSON et différences avec XML et passage du XML au JSON.3. RDF : Modèle de données RDF, langage de description des vocabulaires RDF (RDFS) et langage de représentation des ontologies (OWL), interrogation de données RDF (SPARQL) et différences et liens avec XML (syntaxe RDF/XML) et JSON (JSON-LD).

Learning outcomes :

Former les étudiants aux normes du World Wide Web Consortium (W3C) pour modéliser et manipuler les données semi-structurées : XML (Extensible Markup Language) et JSON (JavaScript Object Notation) qui permettent de représenter des données textuelles (documents) ayant une structure potentiellement irrégulière, et RDF (Resource Description Framework) qui permet de décrire les ressources du Web sous la forme de graphe en les enrichissant avec de l'information sémantique. L'objectif du cours est d'apprendre aux étudiants comment représenter les données avec ces différentes normes, comment valider la représentation des données, ainsi que les transformer et les interroger. Chaque partie du cours fera l'objet d'un cours magistral et de plusieurs séances de TP.

Ects : 3

Lecturer :
HUGO GILBERT

Total hours : 30

Overview :

- Mesurage ordinal: relations binaires, structures ordinales, préférences.

- Théorèmes de représentation et d'unicité pour le mesurage ordinal et le mesurage extensif.

- Utilité additive, et opérateurs d’agrégation (somme pondérée, somme pondérée ordonnée,…).

- Une introduction aux procédures d’élicitation.

- Réflexions sur les indicateurs (indice de développement humain, indice de réparabilité,...).

- Introduction à la prise de décision dans l’incertain, à la prise de décision multicritère, et à la prise de décision collective.

Learning outcomes :

Le cours présente les concepts mathématiques nécessaires aux modèles formels de l’Aide à la Décision (décision dans l’incertain, décision collective, décision multicritère, analyse de données, …).

Assessment :

L'UE est évaluée à l'aide d'un examen sur table et d'un projet à réaliser en binôme.

Ects : 3

Lecturer :
TRISTAN CAZENAVE
GABRIELLA PIGOZZI

Total hours : 30

Overview :

Utilisation de systèmes de règles pour des problèmes de gestion et d’aide à la décision (représentation des règles métier de l’entreprise et du raisonnement afférent). Principe de résolution. Notion de faits, clauses du premier ordre et d'unification. Chaînage avant, chaînage arrière, chaînage mixte. Introduction au langage Prolog. Utilisation du backtrack. Notion de listes. Programmation récursive.

Learning outcomes :

Ce cours, qui vient après le cours de logique classique, en utilise les fondements pour présenter les différents types de raisonnement ; le but est de montrer le principe de la déduction logique sur les connaissances, de modéliser des problèmes de décision sous forme de règles d’inférence.

Ects : 2

Lecturer :
YANN CHEVALEYRE

Total hours : 24

Overview :

Réalisation d’un projet

Learning outcomes :

Mettre en pratique les notions de probabilités et statistiques vues au premier semestre à travers un projet précis.

Ects : 5

Lecturer :
IDRISS MAZARI

Total hours : 49.5

Overview :

Optimisation continue en une dimension : généralités, notions de convergence, vitesse de convergence, section dorée, autres méthodes. Notions de base en optimisation, convexité etc

Méthode de descente de gradient, méthode du gradient conjugué.

Ouverture(s) vers l'optimisation sous contrainte(s)

Learning outcomes :

Présentation de méthodes numériques pour l'optimisation et d'éléments d'analyse numérique. Mise en œuvre sous forme de travaux pratiques.

Ects : 2

Lecturer :
CATHERINE BOILLOT-PATTERSON

Total hours : 19.5

Overview :

Nous continuons avec l'expression orale et écrite et préparons l'examen TOEIC Bridge qui permet de revoir et maîtriser des bases de grammaire ainsi que d'approfondir un vocabulaire plus général. (L’année prochaine tous les M1 prépareront le TOEIC - cette activité permet donc un premier contact avec cet examen qui fait référence concernant les compétences en anglais). Les étudiants travaillent en demi-groupes de niveau, ce qui permet une participation active de tous.

Learning outcomes :

Maîtriser les structures grammaticales (Intermediate Level) ; acquérir le vocabulaire de base de l’anglais des affaires ; communiquer dans un cadre professionnel.

Ects : 4