Program Year
UE fondamentales S3
- Entrepôts de données
Entrepôts de données
Ects : 4
Lecturer :
ELSA NEGRETotal hours : 36
Overview :
Introduction et définition d'un entrepôt de données, Architecture fonctionnelle, Modélisation conceptuelle, Alimentation, Stockage, Gestion et exploitation de l'entrepôt. Utilisation de l’ETL Talend en TP (Introduction Talend / Construction des premiers jobs (tri & jointure); Découverte d'autres composants Talend (filtre, condition, agrégation, gestion des erreurs); Modélisation et interaction avec la base de données; Cas pratique complet)
Recommended prerequisites :
Modélisation (UML, Merise) et Bases de données relationnelles
Require prerequisites :
Bases de données relationnelles
Learning outcomes :
Acquérir les notions de base relatives à l'acquisition, l'intégration, la modélisation et au traitement de données multidimensionnelles.
- Sécurité dans les SI
Sécurité dans les SI
Ects : 3
Lecturer :
PIERRE-EMMANUEL ARDUINTotal hours : 24
Overview :
La plupart des politiques de sécurité des systèmes d’information reposent sur une vision négativiste de l’action humaine : dissuader, bloquer, détecter, etc. Ce cours vise à installer les basiques de la sécurité pour permettre à chacun de poser les bonnes questions et de devenir un acteur engagé de la politique de sécurité des systèmes d’information de son entreprise. Les fondamentaux aussi bien qu’une vision prospective et innovante de la sécurité des systèmes d’information sont abordés dans ce cours.
- Techniques d'attaque, de défense, de persuasion - Contexte législatif et réglementaire (CNIL, RGPD, NIST, etc.) - Éthique sécurisée, lanceurs d'alerte - Menaces ciblant l'humain, ingénierie sociale et manipulation
Learning outcomes :
Initiation à la sécurité des systèmes d'information : menaces et recommandations
- Web des données
Web des données
Ects : 3
Lecturer :
MARIE-JOSE BELLOSTATotal hours : 24
Learning outcomes :
Former les étudiants aux standards du Web de données et du Web sémantique. Dans le contexte du web sémantique, les ontologies jouent un rôle prépondérant dans la spécification des connaissances de manière standard afin de permettre l’interopérabilité entre différents systèmes. Une ontologie correspond à un vocabulaire contrôlé et organisé et à la formalisation explicite des relations créées entre les différents termes du vocabulaire. Elle permet de préciser formellement un vocabulaire commun dans une perspective de partage. Les ontologies informatiques permettent de représenter un corpus de connaissances sous une forme utilisable par une machine. Ainsi, une ontologie avec un ensemble de règles constitue une base de connaissance permettant de développer un système d’aide à la décision. Contrôle de connaissance : se décompose en deux parties, la première est un contrôle continu comprenant des TD notés, et la deuxième est un projet où les étudiants en groupe de 2 ou 3 font un exposé sur des Applications ou nouvelles technologies autour du WEB.
I. Langage dédié à la transformation de données XML (XSLT). Ce langage est utilisé par les WEBMASTER pour l’automatisation de la production des sites WEB et par les développeurs pour la création et la mise à jour automatique de tout document. L’accent est mis sur les concepts XSLT pour la visualisation des documents et des images. II. Langage permettant de garantir la conformité de documents en fonction d’une définition de type de documents (Langage XML schema). Ce langage peut être utilise pour créer des documents XML pour une large variété d’applications telles que la syndication, les échanges de documents et le stockage de données dans un format standard. Cet apprentissage permettra l’étude d’un schema XML sur les documents juridique (legifrance) III. WEB sémantique en quatre parties : le processus de développement d’une ontologie, les Langages permettant la définiti on d’ontologies RDF, OWL 2, et l’interrogation de documents à partir d’une ontologie SPARQL, et le développement collaboratif d’une ontologie. Cet apprentissage permettra de traiter de manière détaillée des exemples de descriptions ontologiques existantes comme l'ontologie ELI qui fournit un cadre de description pour structurer les métadonnées des ressources législatives nationales et européennes, et les publier sur le web de données ou l’ontologie. De manière applicative, il commence par l’exploration, sous le logiciel Protégé 5.2 de l’université de Sandford, d’une ontologie existante, puis par la modélisation et définition d’une ontologie de domaine sous le logiciel Protégé.
Bibliography-recommended reading
Références Semantic Web Programming, John Hebeler, Matthew Fisher, Ryan Blace, Andrew Perez-Lopez, Édition : O'Reilly - 304 pages , 1re édition, 1er juillet 2009 Semantic Web for the Working Ontologist, Second Edition: Effective Modeling in RDFS and OWL 2nd Edition, Dean Allemang (Author), James Hendler (Author) 2011. XSLT 2.0 and XPATH 2.0, programmer ’ s reference, Mickael Kay, 4ième édition, Wiley Publishin Inc., 2008, XML Schema, The W3C's Object-Oriented Descriptions for XML, Eric van der Vlist, Publisher O'Reilly Media, 2002 .
- Capitalisation et management des connaissances
Capitalisation et management des connaissances
Ects : 3
Lecturer :
PIERRE-EMMANUEL ARDUINTotal hours : 24
Overview :
Le cours de capitalisation sur les connaissances de l'entreprise est une introduction au Knowledge Management (KM). Il prodigue les concepts académiques fondamentaux aussi bien que des études de cas réelles permettant d'apprécier les enjeux du management des connaissances dans les entreprises.
- Interprétations divergentes dans une entreprise étendue : contextes, cultures, intentions - Cadre académique de l'ingénierie des connaissances, outils de cartographies cognitives - Expertise, pouvoir, partage et rétention de connaissances - Devenir des métiers, design thinking
Learning outcomes :
Concepts et enjeux du management des connaissances dans les entreprises
- Infrastructure et Frameworks pour applications web
Infrastructure et Frameworks pour applications web
Ects : 3
Lecturer :
ABDESSLEM BEKHOUCHE
DIOGO ARAUJO SOBRALTotal hours : 24
Overview :
Ce cours vise à présenter les outils et les plateformes pour la conception d’applications web. Ces applications se doivent d'être multi-tiers, fiables, sécurisées, interopérables et extensibles. La plateforme Java Entreprise Edition a pour vocation de répondre à ce challenge.
- Introduction, architectures et concepts des serveurs d'applications internet - Architectures réparties en Java (RMI, CORBA) et les architecture orientées services (SOA) - Java EE : architecture, EJB, accès aux données (Hibernate), présentation (Struts, JSF) - Traitement et génération du contenu, ASP, PHP, JSP et servlet.
- Programmation Back-end et Front-end
Programmation Back-end et Front-end
Ects : 3
Lecturer :
ALEXANDRE TELLETotal hours : 24
Overview :
L’objectif de ce cours est d’introduire les technologies utilisées dans les développement des applications web : côté client (front-end), en utilisant des technologies telles que React, mais aussi du côté serveur (back-end), en utilisant des technologies telles que NodeJS. Les étudiants auront la possibilité d'acquérir les bases de la conception d'applications web, et de développer leur première application web.
Recommended prerequisites :
HTML, CSS, JavaScript, GitHub, Architecture client-serveur, API
Require prerequisites :
HTML, CSS, JavaScript
Learning outcomes :
Introduction aux techniques de programmation back/front-end.
UE optionnelles S3
- Transparence des algorithmes pour la décision
Transparence des algorithmes pour la décision
Ects : 3
Lecturer :
BRICE MAYAGTotal hours : 24
Overview :
Les algorithmes jouent un rôle de plus en plus fondamental dans tous les aspects de notre vie. Une des principales craintes soulevées par les algorithmes est leur manque de transparence de leur fonctionnement, ce qui pourrait amener à l’avènement d’une « société boîte noire ». De plus, cette transparence est un prérequis pour pouvoir analyser et expliquer les décisions prises par les utilisateurs ou des entreprises.
Le but de ce cours est de discuter et de sensibiliser les étudiants aux questions soulevées par la transparence et la responsabilité des algorithmes telles que par exemple : Quelles sont les situations où la transparence et l’explicabilité sont nécessaires et comment les implémenter en pratique ? Comment réconcilier le besoin des entreprises de protéger leur propriété intellectuelle avec le besoin des citoyens de pouvoir comprendre la logique derrière les algorithmes qu’ils utilisent ou qui produisent un effet sur leurs vies ? Comment améliorer la transparence, la responsabilité ainsi que l’équité des décisions prises par des systèmes algorithmiques sans pour autant compromettre leur utilité.
On s’intéressera ici à une catégorie particulière d’algorithmes, ceux qui sont utilisés pour l’aide à la décision ou dans des traitements qui ont des incidences sur les comportements individuels, qui ont donc un effet normatif. A titre d’exemples, on peut citer : Les algorithmes de classement, qui établissent des priorités, des recommandations : on pense évidemment aux algorithmes de présentation des résultats des moteurs de recherche, mais aussi à ceux qui sont utilisés pour classer les candidats à un poste, etc. Les algorithmes de catégorisation, de classification, de profilage comme ceux qu’on met en œuvre pour détecter des profils de potentiels terroristes, de fraudeurs, etc.
Ce cours abordera les points suivants : Rappels de notions du langage Python Transp arence, explicabilité et responsabilité des algorithmes : définitions, liens, avantages et limites. Le bien-fondé de la transparence des algorithmes pour l’informatique décisionnelle. Aspects juridiques. Cas d’étude 1 : Transparence des algorithmes dans le cadre des systèmes de recommandation : le cas du filtrage collaboratif Cas d’étude 2 : Transparence des algorithmes dans le cadre de la classification : classification ordonnée et arbre de décision. Cas d’étude 3 : Transparence des algorithmes dans le cadre de l’élaboration des classements ou palmarès : prise en compte simultanée des préférences des utilisateurs et des données statistiques Mise en œuvre en langage python, à travers un mini-projet, d’un algorithme transparent pour la résolution d’un problème, à partir de données réelles disponibles sur des plateformes comme www.data.gouv.fr ou www.kaggle.com
Learning outcomes :
Rappels de notions du langage Python Transparence, explicabilité et responsabilité des algorithmes : définitions, liens, avantages et limites. Le bien-fondé de la transparence des algorithmes pour l’informatique décisionnelle. Aspects juridiques.
- Data Mining/Machine learning
Data Mining/Machine learning
Ects : 4
Lecturer :
YANN CHEVALEYRETotal hours : 36
Overview :
L’évaluation se fait par examen et par un challenge Kaggle (kaggle.com) - Introduction - Objectifs et panorama du datamining et du Machine learning - Méthodes non supervisées : Réduction de dimensionnalité Clustering : K-means, CAH Approches probabilistes : EA Approches spectrales Application à une segmentation marketing Application au Text Mining Règles d’association -Méthodes supervisées : Régression logistique Arbre de Décision Méthodes à Noyaux Approches neuronales Application au scoring
Learning outcomes :
Il s'agit d'initier les étudiants à l’apprentissage automatique (machine learning) et à la pratique de la fouille (data mining) et l’extraction de connaissances à partir des grandes masses de données. Il sera illustré par des cas concrets des exemples réalisés en session avec Python
- Qualité des données
Qualité des données
Ects : 2
Lecturer :
Khalid BELHAJJAMETotal hours : 18
Overview :
La qualité de l'information a de graves répercussions sur l'efficience et l'efficacité des organisations et des entreprises. Par exemple, dans les organisations privées, telles que les sociétés de marketing ou les banques, il n'est pas surprenant d'avoir plusieurs registres de clients, mis à jour par différentes procédures organisationnelles, ce qui entraîne des informations contradictoires et en double. Ce cours vise à présenter les problèmes liés à la qualité de données, et de présenter les solutions qui peuvent être utilisées pour les résoudre. En particulier, il a pour objectif d’examiner les trois points suivants : · Dimensions de la qualité de données. Le terme « qualité de données » est assez vague et englobe plusieurs facettes. Dans cette partie, nous allons examiner les différents dimensions de la qualité de données, allant de l’exactitude, complétude, jusqu’au la consistance et la confiance. · Algorithme et solutions théoriques. Dans cette partie nous allons examiner en détails quelques solutions théoriques proposées pour résoudre certains problèmes de qualité de données, en particulier celles liées à l’identification d’objet. · Outils et solutions pratiques. Dans cette partie, nous allons utiliser des outils, et montrer comment ils peuvent être utilisés pour améliorer la qualité de données.
Learning outcomes :
Le cours a pour objectif d’introduire les caractéristiques principaux liés à la qualité des données ainsi que de presenter les algorithmes pour leur traitement.
- Aide à la Décision : construction d’indicateur
Aide à la Décision : construction d’indicateur
Ects : 3
Lecturer :
BRICE MAYAGTotal hours : 24
Overview :
Modélisation (définir les composants de l’indicateur) : techniques de travail collectif pour la structuration du problème : carte cognitives, focus groupe, etc. Choix des fonctions d'agrégation : présentation de différents types d’agrégation (additive, ordinale). Analyse de leurs propriétés mathématiques Mise ensemble des différents types de données venant de différentes sources avec différents niveaux de qualités (avec une approche de "théorie de mesurage" et analyse de signifiance) Etude de cas avec une présentation d'un cas d'application industriel avec un intervenant industriel
Learning outcomes :
Fournir les fondements mathématiques et les outils de gestion nécessaires pour la conception et la mise en place des indicateurs composites.
- Gouvernance des Systèmes d'Information
Gouvernance des Systèmes d'Information
Ects : 3
Lecturer :
FRANCK WULFOWICZTotal hours : 24
Overview :
Description :
Introduction - concepts
Entreprise et système d'information · Définition du système d'informations · Les composantes clés du SI
Gouvernance : définition et enjeux · La gouvernance : pourquoi, à quoi cela sert-il ? · Gouvernance au niveau de l’entreprise · Gouvernance des SI : pour leur pilotage interne · SI et entreprise : alignement du SI sur la stratégie et la politique de l’entreprise 360° de la gouvernance · La gouvernance à mettre en œuvre dépend de comment l’organisation entend piloter son activité et se contrôler · La gouvernance dépend de l’organisation voire de l’environnement socio-économique · Notion de « Compliance » : empilage des législations, réglementations, bonnes pratiques et procédures qui conditionnent la gouvernance
Les référentiels
Les grands standards :Itil, Cobit, CMMi, … · Orientations plus particulières de certains référentiels : développement logiciel, mode projet, exploitation, etc. Focus sur CoBit · Applications types, intérêts et limites · Limites par rapport à la gouvernance de l’entreprise sur son SI Modèle d’organisation : la matrice des fonctions du département informatique.
Focus sur ITIL · Applications types intérêts et limites · Limites par rapport à la gouvernance de l’entreprise sur son SI
Exemple de mise en place d'une démarche ITIL
Organisation de la DSI
Gouvernance des systèmes d'information-gouvernance d'entreprise · Comment s’articulent la gouvernance interne du SI et le niveau de gouvernance du SI requis pour le pilotage de l’entreprise ? · Quel recours pertinent aux référentiels métiers SI, quelles autres leviers et indicateurs pour répondre à toutes les exigences de gouvernance au niveau de l’entreprise · E t si la Direction de l’entreprise n’envisage même pas le SI comme objet/sujet de la gouvernance d’entreprise ?
Les indicateurs de la Direction des Systèmes d'informations
Ce qui se mesure s'améliore · Des indicateurs, pourquoi faire ? · Quelques indicateurs incontournables
Tendances Cloud - Digital Marketing et BYOD …
. Quel impact sur la gouvernance et le contrôle de risque ?
Etude de cas - Elaboration d'un Plan Directeur Informatique
· Le plan directeur · Exemple d'élaboration du Plan Directeur Informatique d'une PME Français
Learning outcomes :
Présenter les principes de la gouvernance des SI
- Développement numérique Éco-responsable
Développement numérique Éco-responsable
Ects : 2
Lecturer :
ALEXANDRE TELLETotal hours : 18
- Outils d'optimisation pour les sciences des données et de la décision
Outils d'optimisation pour les sciences des données et de la décision
Ects : 3
Lecturer :
Sebastien KERLEAUTotal hours : 24
Overview :
L’optimisation mathématique est un outil très puissant pour modéliser la prise de la meilleure décision possible, que l'on retrouve dans de nombreuses problématiques industrielles. Le but de ce cours est de présenter des outils modernes d'optimisation sur les plans théorique, algorithmique et expérimental. On s'intéresse tout particulièrement aux problèmes issus de la science des données, qui portent actuellement la recherche et le développement en optimisation, ainsi qu'aux formulations classiques utilisées en recherche opérationnelle.
La première partie de ce cours pose les bases de l'optimisation, en termes de modélisation et d'étude théorique d'un problème : on y présente également les algorithmes efficaces en optimisation de grande taille, notamment dans le contexte de l'optimisation convexe. Dans la seconde partie du cours, on se concentre sur les problèmes typiques de sciences des données, pour lesquels on étudie à la fois des reformulations ainsi que les algorithmes récents développés spécifiquement pour ce contexte.
Recommended prerequisites :
Bases d'algèbre linéaire et d'analyse en une variable réelle.
Learning outcomes :
Proposer une boîte à outils permettant de formuler correctement un problème d'optimisation, de choisir un algorithme adapté à sa résolution et de travailler sur une implémentation (personnelle ou propriétaire) d'une méthode donnée.
Bibliography-recommended reading
D. P. Bertsekas. Nonlinear programming, 2016. G. C. Calafiore and L. El Ghaoui, Optimization Models, 2014. S. J. Wright and B. Recht. Optimization for Data Analysis, 2022.
UE fondamentales S4
- Management de projet informatique
Management de projet informatique
Ects : 3
Lecturer :
PHILIPPE ELBAZ
PATRICK GOURDONTotal hours : 24
Overview :
- Les différents processus qui accompagnent les méthodes de conduite de projet informatique - Rôle de la maîtrise d'ouvrage et de la maîtrise d'œuvre - Les activités de support - Exposer et développer les méthodologies de conduite de projet informatique - Conception agile : Lean, Scrum et Kanban - Rétro-conception outillée d'un système existant : impact mapping, story mapping et backlog prêt - Rétrospective méthodologique - Définition et domaines d'usage d'un ERP - Pourquoi un ERP ? Les enjeux Business - Fonctionnement d'un ERP, - Analyse et Stratégie de l'Entreprise - Critères de choix d'un ERP, - Organisation du projet et facteurs clés du succès - Développement de la solution, test de la solution, mise en production de la solution - Évaluation de la solution. Prérequis : UML
Learning outcomes :
Développer les compétences nécessaires en matière de lancement, planification, et gestion de projets de manière efficace ainsi qu’à la consolidation des notions de conception et de modélisation et de leur intégration dans une démarche agile.
- Droit, Données et Ethique
Droit, Données et Ethique
Ects : 3
Lecturer :
OLIVIA TAMBOU
BRAD SPITZTotal hours : 36
Overview :
Introduction : - Qu’est-ce que l’éthique (distinction, articulation entre éthique, droit, morale). - De quelles données parle-t-on ? - Pourquoi une éthique des données aujourd’hui ? Les principaux enjeux : le développement de l’Intelligence artificielle et la question du respect de dignité humaine, dépersonnalisation, déresponsabilisation, encadrement nécessaire de la gouvernance algorithmique (Cambridge Analytica)
Partie 1 : Les différentes formes d’encadrement de l’éthique des données - L’encadrement collectif Des obligations actuelles fixées par les Etats et l’UE (RGDP) Des tentatives de régulation à l’échelle internationale Une forme de responsabilité sociétale des entreprises (développement de code de conduite, d’outils de privacy by design ou by default) - Une responsabilité individuelle : Du cas de conscience à la revendication du statut de lanceur d’alerte
Partie 2 : L’émergence de principes éthiques des données - Les initiatives en cours : Les recommandations de la CNIL : Vers la concrétisation d’un principe de loyauté des algorithmes et d’un principe de précaution en matière d’Intelligence Artificielle ? Le projet de lignes directrices en matière d’éthique dans le domaine de l’IA développée par la Commission européenne Vers une charte constitutionnelle française du numérique ? - Les questionnements éthiques spécifiques : La revendication d’un droit des robots Vers la création de biens communs numériques ? - Les bonnes pratiques sectorielles : Ethique des données dans le domaine de la finance, de l’éducation, de la santé etc.
Learning outcomes :
La profonde transformation numérique de nos sociétés rend nécessaire comme l’a encore récemment rappelé la CNIL de « former à l’éthique tous les maillons de la chaîne algorithmique, concepteurs, professionnels, citoyens ». La création de ce nouveau cours Données et Ethique s’inscrit dans cette optique. Il s’agit de permettre aux informaticiens de prendre conscience des implications éthiques et sociales du traitement des données qu’ils opèrent. Il s’agit aussi les informer sur l’évolution du cadre dans lesquels ils vont pouvoir ou devoir mettre en œuvre le traitement de leurs données tant à titre personnel que professionnel. L’éthique est une notion souvent difficile à cerner. Elle repose sur un ensemble de règles morales susceptibles d’orienter le comportement des individus voire des entreprises. Ces règles qu’ils s’imposent à eux-mêmes peuvent soit préfigurer, soit en réalité se superposer ou se confondre avec des règles juridiques contraignantes. Ainsi, l’éthique des données se développe à titre collectif qu’à titre individuel notamment avec la figure des lanceurs d’alerte. En outre, l’éthique des données peut varier en fonction de la catégorie de données en cause (données personnelles, non personnelles, données dite d’intérêt général etc.). Ces prémisses sont importantes pour comprendre les enjeux économiques et sociétaux autour de l’émergence actuelle des principes éthiques des données.
- Business Process Analytics
Business Process Analytics
Ects : 3
Lecturer :
NICOLAS NADALTotal hours : 24
- Transition Numérique des Systèmes d'Information
Transition Numérique des Systèmes d'Information
Ects : 3
Lecturer :
GUILLAUME BARATIERTotal hours : 24
- Négociation
Négociation
Ects : 3
Lecturer :
BRUNO GIRAUDON
CECILE VIONNETTotal hours : 30
Overview :
L’objectif du cours est une initiation théorique et pratique à la négociation. La méthode du cours est de relier constamment les résultats des simulations auxquelles participent activement les étudiants avec les éléments fondamentaux de toutes négociations, objets d’acquisition du cours. Le séminaire est aussi rythmé par un ensemble de vidéos d'acteurs de la sphère publique et privée qui témoignent de leurs expériences et proposent des idées. Ces vidéos sont aussi des objets d'analyses et de débats. Le séminaire se termine par une grande négociation multilatérale qui permet la mise en pratique immédiate des théories et techniques vues, tout en permettant de prendre mieux conscience de ses forces et faiblesses individuelles en négociation. Un focus est proposé sur les conditions particulières d'une négociation de recrutement, notamment en ce qui concerne le droit du travail, les clauses d'un contrat et l'ensemble des informations nécessaires afin de renforcer sa capacité à négocier.
Learning outcomes :
- Définir les différents types de négociations et les stratégies afférentes. - Connaître et mettre en pratique une vigilance particulère quant aux fondamentaux de la négociation : tensions compétition/coopération, assertivité/empathie et intérêts/valeurs. - Reconnaître les tactiques liées à une négociation gagnant-perdant et celles associées au gagnant-gagnant. - Appliquer une méthode de préparation à la négociation à travers les phases de Diagnostics, de Buts et de Stragégies (DBS). - Acquérir un réflexe d'amélioration permanente de sa capacité à négocier, avec ses atouts et ses axes de progrès.
Bibliography-recommended reading
Bibliographie sommaire d ’ ouvrages récents sur la négociation :
Audebert, P., La négociation, Editions d ’ Organisation, 1999. Ouvrage utile abordant de manière précise les nombreuses tactiques de négociations.
Alter, N., Donner et prendre, la coopération en entreprise, Editions La Découverte, 2010. Une approche sociologique de la difficulté des entreprises à gérer l ’ approche coopérative
Axelrod R., Théorie du comportement coopératif : comment réussir dans un monde d ’ égoïstes, Ed. Odile Jacob, édition de poche, 2006. Sans rejet des modélisations mathématiques, une lecture nécessaire …
Bellenger L., La négociation, Ed. PUF « Que sais-je ? », 1984. Des approches synthétiques des théories de la négociation.
Bourque R., Thuderoz C., Sociologie de la négociation, Ed. La Découverte, 2002. Un panorama intelligent et large pour un texte compact sur l ’ état des théories de la négociation.
Cialdini R., Influence et manipulation, Comprendre et maîtriser les techniques de persuasion. Ouvrage de référence construisant une théorie des arguments à partir de pratiques professionnelles.
Combalbert L. et Mery M., Negociator, la référence de toutes les négociations, Ed. Dunod, 2019. Un ouvrage de promotion de la méthode PACIFICAT réalisé par des praticiens et formateurs.
Demoulin, S., Psychologie de la négociation, Ed. Mardaga, 2014. Du contrat de travail au choix des vacances...
Dupont C., La négociation. Conduite, théorie, applications, Ed Dalloz, 1994. Un ouvrage de référence en la matière.
Dupont C., La Négociation post-moderne, Bilan des connaissances, acquis et lacunes, perspectives, Ed. Publibook, 2006. Le complément du précéde nt … .
Fisher R., Ury W. & Patton B., Comment réussir une négociation, Ed. Seuil, 1982. Le texte de référence, facile d ’ accès, fondateur de la théorie de la négociation raisonnée.
Fisher R., Shapiro D., Gérer ses émotions, Ed. Robert Laffont 2008. Complément important de l'ouvrage précédent, mais peut se lire indépendamment.
Joule R-V. & Beauvois JL., Petit traité de manipulation à l'usage des honnêtes gens, Ed. PUG, 2004. Une actualisation de Cialdini par deux psycho-sociologues français combinant théories et pratiques expérimentales.
Pekar Lempereur A. & Colson A., Méthode de négociation, Ed. Dunod, 2004. Ouvrage pédagogique centré sur les méthodes : la négociation raisonnée à la française...
Rojot, J., Négociation, Ed. Vuibert, 2006. Ouvrage théorique et pratique d ’ un spécialiste des organisations à la fois solide et complet dans ses approches.
Stimec, A., La Négociation, Ed. Dunod, 2011. Une très bonne synthèse de la « méthode Harvard » (négociation raisonnée) et de ses développements.
Schopenhauer A., L ’ art d ’ avoir toujours raison, Ed. Mille et une nuits, 2000. Tout est dans le titre … mais attention, négociation n ’ est pas seulement persuasion ou rhétorique !
- Anglais
Anglais
Ects : 3
Lecturer :
CATHERINE PIOLATotal hours : 39
UE optionnelles S4
- Management des Organisations
Management des Organisations
Ects : 3
Lecturer :
SAMY RAHMANITotal hours : 24
Overview :
Ce cours vise à faire comprendre le contexte actuel de management dans les organisations et favoriser l'intégration des futurs diplômés dans toute structure en s'appuyant sur des outils concrets.
Le cours se concentre ainsi sur le savoir-être qui est indispensable pour réussir dans le monde du travail.
Learning outcomes :
Comprendre le contexte de management des organisations Préparer les futurs diplômés à la prise de fonction d’un poste en management Acquérir des outils concrets pour animer une équipe Introduire les notions de gestion du changement Travailler la prise de parole en public et les présentations
Assessment :
Contrôle continu 40% Projet 30% Examen final 30%
- Marketing digital
Marketing digital
Ects : 3
Lecturer :
DEBORAH MUTSCHLERTotal hours : 24
Overview :
1. Comprendre la révolution numérique Le marketing à l’ère numérique L’économie numérique Le e-consommateur
2. Définir la stratégie digitale Marché, concurrence, compétences, organisation Proposition de valeur, mix-marketing Business model
3. Mettre en œuvre la stratégie digitale Les acteurs de l’écosystème publicitaire Créer du trafic vers son site, les leviers du e-marketing Ergonomie, design, expérience client, parcours clients, cross-canal Créer et gérer son site internet et mobile Gérer les moyens de paiement Fidéliser ses clients internautes Gérer le cycle de vie client
4. Le marketing des réseaux sociaux Panorama des médias sociaux Présence de l’entreprise sur les réseaux sociaux Animer des campagnes sur les réseaux sociaux
5. Le marketing mobile L’équipement et les usages des consommateurs Les stratégies publicitaires sur le mobile Les applications stores
6. Les tendances, les opportunités du digital Le brand content, le storytelling, l’UGC L’économie collaborative et participative Les objets connectés, le big data
Learning outcomes :
Ce cours a pour objectif de vous faire acquérir les bases du marketing de l’internet et de la communication sur le web. Les différentes techniques permettant de recruter et de fidéliser le e-consommateur seront étudiés.
- Méthodes agiles d'ingénierie logicielle
Méthodes agiles d'ingénierie logicielle
Ects : 3
Lecturer :
MICHEL ZAMFIROIUTotal hours : 24
Overview :
La nouvelle économie met à rude épreuve les équipes des projets informatiques. L'instabilité notoire des spécifications et le raccourcissement des délais de livraison imposent une amélioration drastique de la réactivité et de la productivité du développement, sans tolérer pour autant une quelconque négligence en matière de stabilité et d'évolutivité des applications déployées. Les méthodologies dites "agiles" tentent de répondre à ces exigences, en adoptant un investissement minimaliste et prônant des résultats tangibles et fréquents, par opposition aux méthodologies classiques qui - tout en imposant des organisations coûteuses - n'arrivent plus à prouver leur efficacité dans ces conditions extrêmement dynamiques. Ce cours propose un panorama des méthodes et techniques efficaces applicables dès les projets de petite taille, y compris pour assurer la traçabilité complète entre les besoins et les composants techniques en continue évolution. Les étudiants pourront les mettre en œuvre avantageusement, preuve comprise, aussi bien pour leurs projets pédagogiques qu'industriels, une fois dans l'entreprise.
- Introduction. Evolution des modèles du cycle de vie des projets. Manifeste agile: valeurs et principes.
- Offre des méthodologies agiles : XP, Scrum, FDD, Kanban, Lean, etc.
- eXtremeProgramming : cycle de négociation, métaphore & storytelling, développement piloté par les tests, refactoring permanent, etc.
- Gestion des exigences et de configuration logicielles. CMMi vs agile.
- Zoom sur le testing automatique fonctionnel : Behaviour Driven Développement utilisant des solutions en Gherkin avec Cucumber ou Behave.
- Modélisation, patterns, stratégies et styles architecturaux agiles: Design Patterns, Analysis Patterns, Metapatterns, Hexagonal, CQRS, DDD.
- Techniques encourageant l'agilité : RAD, AOP, Assemblage de composants, MDA, métriques & audits, EventModeling, Impact et StoryMapping.
Il lustrations en Java et Python, tout au long du cours.
Recommended prerequisites :
Expérience en conception et programmation orientée-objet.
Require prerequisites :
Avoir des connaissances de programmation Java ou Python et de conception orientée-objet.
Learning outcomes :
- Découvrir, comprendre et appliquer les principes et les pratiques agiles les plus efficaces.
- Collaborer en équipe pour atteindre rapidement un objectif fonctionnel ou technique.
- Renforcer les compétences de spécification, conception, planification, communication, développement et tests automatisés.
- Fournir des résultats tangibles et fréquents, avec le sourire
Assessment :
Projet évolutif avec soutenance validant les connaissances individuelles acquises.
Bibliography-recommended reading
Agile Ownership in a nutshell (vidéo) — youtu.be/502ILHjX9EE Scrum and XP from the Trenches — leanagiletraining.com/wp-content/uploads/2020/03/Scrum-and-XP-from-the-Trenches-2nd-edition.pdf The Pragmatic Programmer — pragprog.com/titles/tpp20/the-pragmatic-programmer-20th-anniversary-edition/ Le blog de Martin Fowler — martinfowler.com Le manifeste agile — agilemanifesto.org Extreme programming: a gentle introduction — www.extremeprogramming.org The Scrum Guide — www.scrum.org/resources/scrum-guide
Bloc stage
- Stage
Stage
Ects : 6
Academic Training Year 2024 - 2025 - subject to modification
Teaching Modalities
The program starts in September and attendance is required.
The program is divided into two semesters, S3 and S4.
UE Obligatoires S3
- Anglais 3
Anglais 3
Ects : 2
Lecturer :
Kieran HELMETotal hours : 18
Overview :
Contenu : professionnels, culturels, d’actualité et de société
Forme : débats, jeux de rôles, activités ludiques
Méthodologie : prise de parole en public, travail sur l’expression orale
Recommended prerequisites :
Une volonté de s’investir et un niveau d’anglais correct
Require prerequisites :
Une attitude professionnelle (ponctualité et sérieux)
Learning outcomes :
Savoir s’exprimer à l’oral
Améliorer ses compétences langagières et communicationnelles
Enrichir son vocabulaire
Développer sa créativité
Travailler en équipe
Assessment :
100% contrôle continu
- Agilité
Agilité
Ects : 3
Lecturer :
MICHEL ZAMFIROIUTotal hours : 21
Overview :
La nouvelle économie met à rude épreuve les équipes des projets informatiques. L'instabilité notoire des spécifications et le raccourcissement des délais de livraison imposent une amélioration drastique de la réactivité et de la productivité du développement, sans tolérer pour autant une quelconque négligence en matière de stabilité et d'évolutivité des applications déployées. Les méthodologies dites "agiles" tentent de répondre à ces exigences, en adoptant un investissement minimaliste et prônant des résultats tangibles et fréquents, par opposition aux méthodologies classiques qui - tout en imposant des organisations coûteuses - n'arrivent plus à prouver leur efficacité dans ces conditions extrêmement dynamiques. Ce cours propose un panorama des méthodes et techniques efficaces applicables dès les projets de petite taille, y compris pour assurer la traçabilité complète entre les besoins et les composants techniques en continue évolution. Les étudiants pourront les mettre en œuvre avantageusement, preuve comprise, aussi bien pour leurs projets pédagogiques qu'industriels, une fois dans l'entreprise.
- Introduction. Evolution des modèles du cycle de vie des projets. Manifeste agile: valeurs et principes.
- Offre des méthodologies agiles : XP, Scrum, FDD, Kanban, Lean, etc.
- eXtremeProgramming : cycle de négociation, métaphore & storytelling, développement piloté par les tests, refactoring permanent, etc.
- Gestion des exigences et de configuration logicielles. CMMi vs agile.
- Zoom sur le testing automatique fonctionnel : Behaviour Driven Developement en Gherkin avec Cucumber.
- Modélisation, patterns agiles, stratégies et styles architecturaux agiles: Design Patterns, Analysis Patterns, Metapatterns, Hexagonal, CQRS, DDD.
- Techniques encourageant l'agilité : RAD, AOP, Assemblage de composants, MDA, métriques & audits, EventModeling, Impact et StoryMapping.
Illustrations en Java et Python, tout au long du cours.
Recommended prerequisites :
Expérience en conception et programmation orientée-objet.
Require prerequisites :
Avoir des connaissances de programmation java et de conception orientée-objet.
Learning outcomes :
- Découvrir, comprendre et appliquer les principes et les pratiques agiles les plus efficaces.
- Collaborer en équipe pour atteindre rapidement un objectif fonctionnel ou technique.
- Renforcer les compétences de spécification, conception, planification, communication, développement et tests automatisés.
- Fournir des résultats tangibles et fréquents, avec le sourire
Assessment :
Projet évolutif avec soutenance validant les connaissances individuelles acquises.
Bibliography-recommended reading
Agile Ownership in a nutshell (vidéo) — youtu.be/502ILHjX9EE Scrum and XP from the Trenches — leanagiletraining.com/wp-content/uploads/2020/03/Scrum-and-XP-from-the-Trenches-2nd-edition.pdf The Pragmatic Programmer — pragprog.com/titles/tpp20/the-pragmatic-programmer-20th-anniversary-edition/ Le blog de Martin Fowler — martinfowler.com Le manifeste agile — agilemanifesto.org Extreme programming: a gentle introduction — www.extremeprogramming.org The Scrum Guide — www.scrum.org/resources/scrum-guide
- Capitalisation sur les connaissances dans lentreprise
Capitalisation sur les connaissances dans lentreprise
Ects : 3
Lecturer :
PIERRE-EMMANUEL ARDUINTotal hours : 21
Overview :
Le cours de capitalisation sur les connaissances de l'entreprise est une introduction au Knowledge Management (KM). Il prodigue les concepts académiques fondamentaux aussi bien que des études de cas réelles permettant d'apprécier les enjeux du management des connaissances dans les entreprises.
- Interprétations divergentes dans une entreprise étendue : contextes, cultures, intentions - Cadre académique de l'ingénierie des connaissances, outils de cartographies cognitives - Expertise, pouvoir, partage et rétention de connaissances - Devenir des métiers, design thinking
Learning outcomes :
Concepts et enjeux du management des connaissances dans les entreprises
- Gestion de données massives en utilisant HADOOP et Spark
Gestion de données massives en utilisant HADOOP et Spark
Ects : 3
Lecturer :
Khalid BELHAJJAMETotal hours : 18
Overview :
L’objectif de ce cours est de vous former aux principaux modèles, architectures et outils utilisés dans l’ingénierie de Data Science pour gérer de grand volumes de données. La richesse et l'importance de l'information véhiculée par les données a conduit à une augmentation rapide de l'influence des données sur les individus et la société. Les données de toutes sortes, tels que les énormes collections de données sur l'internet, sont devenues omniprésentes dans pratiquement tous les aspects de notre société. Les données numériques sont à présent des ingrédients clés des innovations dans divers domaines, tels que l'énergie, l'économie, la santé ou le climat, ainsi que dans la science, du web, les entreprises doivent relever le défi de capturer, stocker, rechercher, partager et visualiser les données pour faciliter la prise de décision à tous les niveaux (politique, économique, scientifique, social, etc.). L’objectif de ce cours est de vous former aux principaux modèles, architectures et outils utilisés dans l’ingénierie de Data Science pour gérer de grand volumes de données. L’objectif de ce cours est de vous former aux principaux modèles, architectures et outils utilisés dans l’ingénierie de Data Science pour gérer de grand volumes de données. En particulier : • Les clusters • Le modèle de programmation MapReduce • L’écosystème Hadoop • SPARK • Les base de données NoSQL, Pré-requis : Connaissances des bases de données relationnelles.
- Marketing digital
Marketing digital
Ects : 2
Lecturer :
MUNG KI WOO
MATHIAS MERCIERTotal hours : 21
Overview :
1. Comprendre la révolution numérique Le marketing à l’ère numérique
2. Définir la stratégie marketing Marché, concurrence, positionnement, cibles, personas Proposition de valeur et business model canvas
3. Mettre en œuvre la stratégie digitale 1 Ergonomie, design, expérience client, parcours clients
4. Mettre en oeuvre sa stratégie digitale 2 Créer du trafic vers son site, les leviers du e-marketing
5. Le marketing des réseaux sociaux Panorama des médias sociaux Présence de l’entreprise sur les réseaux sociaux Animer des campagnes sur les réseaux sociaux
6. Le marketing mobile L’équipement et les usages des consommateurs Les stratégies publicitaires sur le mobile Les applications stores
Recommended prerequisites :
undefined
Learning outcomes :
Ce cours a pour objectif de vous faire acquérir les bases du marketing de l’internet et de la communication sur le web. Les différentes techniques permettant de recruter et de fidéliser le e-consommateur seront étudiés.
Assessment :
Travail de groupe Examen sur table - cas pratique
- Entrepôts de données
Entrepôts de données
Ects : 4
Lecturer :
ELSA NEGRETotal hours : 12
Overview :
Acquérir les notions de base relatives à l'acquisition, l'intégration, la modélisation et au traitement de données multidimensionnelles. Introduction et définition d'un entrepôt de données, Architecture fonctionnelle, Modélisation conceptuelle, Alimentation, Stockage, gestion et exploitation de l'entrepôt. Utilisation de l’ETL Talend en TP.
Recommended prerequisites :
Modélisation (UML, Merise) et Bases de données relationnelles
Require prerequisites :
Bases de données relationnelles
Learning outcomes :
Modélisation et manipulation de données multidimensionnelles
- Architecture des Entreprises
Architecture des Entreprises
Ects : 3
Lecturer :
THIERRY JAILLETTotal hours : 24
Overview :
Les entreprises vivent des changements importants (nouveaux produits-services, relations avec leurs clients, réglementations, fusions, internationalisation, contraintes financières…). Ils touchent aussi bien leur modèle économique, leur stratégie, leur valeur ajoutée, leurs organisations, leurs modes de fonctionnement et bien sur leurs relations à l’écosystème (marchés, clients, fournisseurs, …). Et dans ce contexte « chahuté », les changements liés aux opportunités du numérique sont un facteur clé de l’évolution des entreprises et de leur écosystème. En réponse, les entreprises mènent en parallèle des transformations multiples et rapides, de leur environnement, de leur stratégie, de leurs métiers, des relations avec leurs clients…. Les Systèmes d’Information (SI) sont au cœur de ces transformations.
Le SI de l’entreprise doit répondre à toutes ces évolutions des activités métiers, mais aussi créer de nouvelles opportunités pour les métiers. Il permet de tirer parti des technologies numériques et des nouveaux modes de production (virtualisation, externalisation, cloud…), ou de prendre en compte les nouveaux modes d’accès (mobilité….) et les nouveaux usages (réseaux sociaux…).
L’Architecture d’Entreprise (AE) est un levier majeur pour définir ces transformations du SI et pour les piloter.
L'objectif de ce cours est d'enseigner de l'architecture d'entreprise depuis les besoins métier jusqu'à l'architecture technique et aux solutions à mettre en oeuvre, au travers de bonnes pratiques et de travaux réalisés en groupes sur des études de cas issues de problèmes réels.
Partie 1 (3h)
Introduction à l'architecture
Partie 2 (3h)
Gérer les exigences
Partie 3 (3h) Vision de l'architecture : le cadrage du projet
Partie 4 (3h)
L'architecture métier
Partie 5 (3h) L'architecture des SI
Architecture des applications
Partie 6 (3h) Architecture des informations (ou des données)
Partie 7 (3h)
Architecture technique des S.I.
Partie 8 (3h)
Opportunités et Solutions
Planification
Parties 9 (3h)
Etudes amont (schémas directeurs, études préalables, études d'architecture
Partie 10 (3h)
Synthèse du cours
- Définitions
- Togaf et Archimate comme exemples de méthodes d'architecture
- Présentation de l'étude de cas
- Gestion des exigences (partie 1)
- Travail en groupes autour d'une étude de cas, restitution
- Gestion des exigences (partie 2)
- Travail en groupes autour d'une étude de cas, restitution
- Travail en groupe autour d'une étude de cas, restitution
- L'architecture métier avec UML
- Valeurs : la rentabilité des investissements technologiques
- Travail en groupes autour d'une étude de cas
- Suite de l'étude de cas, restitution
- Les principes d’une bonne architecture des SI
- Les types d'architectures
- L'architecture des applications
- Travail en groupes autour d'une étude de cas, restitutions
- Suite de l'étude de cas, restitution
- L'architecture des informations
- Travail en groupe autour d'une étude de cas
- Objectifs et principes d'une architecture technique
- Travail en groupe autour d'une étude de cas et retitution
- Choisir les solutions à mettre en oeuvre
- Travail en groupes autour d'une étude de cas
Require prerequisites :
Le langage UML est supposé maîtrisé. Notions suffisantes d'informatique et de systèmes d'information.
Learning outcomes :
Envisager une architecture d'entreprise dans son ensemble, de la stratégie métier jusqu'à l'architecture du SI, des données, des applications et de l'infrastructure
Assessment :
Contrôle continu et Examen.
- Devops
Devops
Ects : 3
Total hours : 21
Overview :
Ce cours se concentre sur l'apprentissage des outils et pratiques pour la gestion, le déploiement et la maintenance des infrastructures nécessaires aux applications modernes.
Nous traiterons : - développement collaboratif (Git, CI/CD, versioning) - Virtualisation, conteneurisation et gestion de conteneurs (docker, docker compose, kubernetes) - Services principaux des cloud providers - Infrastructure as Code avec un cloud provider (Cloud)
Recommended prerequisites :
Connaissances basique :
- git
- shell linux
- réseau
- système client / serveur
Learning outcomes :
- Connaitre et utiliser les principaux leviers de la philosophie DevOps
- Découvrir les avantages / limites des Cloud provider (fournisseurs de services Cloud)
- Utiliser les principales technologies modernes pour le déploiement d'application à l'échelle
Assessment :
1 TP noté (50%)
1 évaluation de fin de cours sur feuille (50%)
Learn more about the course :
- Web des Données
Web des Données
Ects : 2
Lecturer :
MARIE-JOSE BELLOSTATotal hours : 24
Overview :
Former les étudiants aux standards du Web de données et du Web sémantique. Dans le contexte du web sémantique, les ontologies jouent un rôle prépondérant dans la spécification des connaissances de manière standard afin de permettre l’interopérabilité entre différents systèmes. Une ontologie correspond à un vocabulaire contrôlé et organisé et à la formalisation explicite des relations créées entre les différents termes du vocabulaire. Elle permet de préciser formellement un vocabulaire commun dans une perspective de partage. Les ontologies informatiques permettent de représenter un corpus de connaissances sous une forme utilisable par une machine. Ainsi, une ontologie avec un ensemble de règles constitue une base de connaissance permettant de développer un système d’aide à la décision. Contrôle de connaissance : se décompose en deux parties, la première est un contrôle continu comprenant des TD notés, et la deuxième est un projet où les étudiants en groupe de 2 ou 3 font un exposé sur des Applications ou nouvelles technologies autour du WEB. I. Langage dédié à la transformation de données XML (XSLT). Ce langage est utilisé par les WEBMASTER pour l’automatisation de la production des sites WEB et par les développeurs pour la création et la mise à jour automatique de tout document. L’accent est mis sur les concepts XSLT pour la visualisation des documents et des images. II. Langage permettant de garantir la conformité de documents en fonction d’une définition de type de documents (Langage XML schema). Ce langage peut être utilise pour créer des documents XML pour une large variété d’applications telles que la syndication, les échanges de documents et le stockage de données dans un format standard. Cet apprentissage permettra l’étude d’un schema XML sur les documents juridique (legifrance) III. WEB sémantique en quatre parties : le processus de développement d’une ontologie, les Langages permettant la définition d ’ontologies RDF, OWL 2, et l’interrogation de documents à partir d’une ontologie SPARQL, et le développement collaboratif d’une ontologie. Cet apprentissage permettra de traiter de manière détaillée des exemples de descriptions ontologiques existantes comme l'ontologie ELI qui fournit un cadre de description pour structurer les métadonnées des ressources législatives nationales et européennes, et les publier sur le web de données ou l’ontologie. De manière applicative, il commence par l’exploration, sous le logiciel Protégé 5.2 de l’université de Sandford, d’une ontologie existante, puis par la modélisation et définition d’une ontologie de domaine sous le logiciel Protégé.
Require prerequisites :
langages à balise, théorie des types
Learning outcomes :
programmation WEB, schema XML, description des information sémantiques
Assessment :
50% contrôle continu +50% projet
Bibliography-recommended reading
Références Semantic Web Programming, John Hebeler, Matthew Fisher, Ryan Blace, Andrew Perez-Lopez, Édition : O'Reilly - 304 pages , 1re édition, 1er juillet 2009 Semantic Web for the Working Ontologist, Second Edition: Effective Modeling in RDFS and OWL 2nd Edition, Dean Allemang (Author), James Hendler (Author) 2011. XSLT 2.0 and XPATH 2.0, programmer ’ s reference, Mickael Kay, 4ième édition, Wiley Publishin Inc., 2008, XML Schema, The W3C's Object-Oriented Descriptions for XML, Eric van der Vlist, Publisher O'Reilly Media, 2002 .
- Droit, Données et Ethique
Droit, Données et Ethique
Ects : 2
Lecturer :
OLIVIA TAMBOUTotal hours : 18
Overview :
La profonde transformation numérique de nos sociétés rend nécessaire comme l ’ a encore récemment rappelé la CNIL de « former à l ’ éthique tous les maillons de la chaîne algorithmique, concepteurs, professionnels, citoyens ». La création de ce nouveau cours Données et Ethique s ’ inscrit dans cette optique. Il s ’ agit de permettre aux informaticiens de prendre conscience des implications éthiques et sociales du traitement des données qu ’ ils opèrent. Il s ’ agit aussi les informer sur l ’ évolution du cadre dans lesquels ils vont pouvoir ou devoir mettre en œuvre le traitement de leurs données tant à titre personnel que professionnel. L ’ éthique est une notion souvent difficile à cerner. Elle repose sur un ensemble de règles morales susceptibles d ’ orienter le comportement des individus voire des entreprises. Ces règles qu ’ ils s ’ imposent à eux-mêmes peuvent soit préfigurer, soit en réalité se superposer ou se confondre avec des règles juridiques contraignantes. Ainsi, l ’ éthique des données se développe à titre collectif qu ’ à titre individuel notamment avec la figure des lanceurs d ’ alerte. En outre, l ’ éthique des données peut varier en fonction de la catégorie de données en cause (données personnelles, non personnelles, données dite d ’ intérêt général etc.). Ces prémisses sont importantes pour comprendre les enjeux économiques et sociétaux autour de l ’ émergence actuelle des principes éthiques des données.
Introduction : - Qu ’ est-ce que l ’ éthique (distinction, articulation entre éthique, droit, morale). - De quelles données parle-t-on ? - Pourquoi une éthique des données aujourd ’ hui ? Les principaux enjeux : le développement de l ’ Intelligence artificielle et la question du respect de dignité humaine, dépersonnalisation, déresponsabilisation, encadrement nécessaire de la gouvernance algorithmique (Cambridge Ana lytica)
Partie 1 : Les différentes formes d ’ encadrement de l ’ éthique des données - L ’ encadrement collectif Des obligations actuelles fixées par les Etats et l ’ UE (RGDP) Des tentatives de régulation à l ’ échelle internationale Une forme de responsabilité sociétale des entreprises (développement de code de conduite, d ’ outils de privacy by design ou by default) - Une responsabilité individuelle : Du cas de conscience à la revendication du statut de lanceur d ’ alerte
Partie 2 : L ’ émergence de principes éthiques des données - Les initiatives en cours : Les recommandations de la CNIL : Vers la concrétisation d ’ un principe de loyauté des algorithmes et d ’ un principe de précaution en matière d ’ Intelligence Artificielle ? Le projet de lignes directrices en matière d ’ éthique dans le domaine de l ’ IA développée par la Commission européenne Vers une charte constitutionnelle française du numérique ? - Les questionnements éthiques spécifiques : La revendication d ’ un droit des robots Vers la création de biens communs numériques ? - Les bonnes pratiques sectorielles : Ethique des données dans le domaine de la finance, de l ’ éducation, de la santé etc.
- Machine learning
Machine learning
Ects : 3
Lecturer :
THEO LOPES QUINTASTotal hours : 18
Overview :
Présentation des principaux algorithmes de Machine Learning sans cacher les difficultés mathématiques abordable. L'accent est mis sur la pratique avec pour chaque séance 50% de cours et 50% de TP en Python.
La majorité des techniques classiques seront abordés avec une application dans le domaine de la finance, voire au-delà. Pour le programme :
- Introduction au Machine Learning. Régression linéaire, variantes et régression logistique
- Arbre et méthode d'ensemble
- Boosting
- Clustering
- Réduction de dimension
- Introduction aux modèles de langages
Le support du cours est augmenté de plusieurs sujets connexe pour approfondir les notions vues en cours.
Recommended prerequisites :
- Mathématiques : probabilité
- Informatique : maîtrise des packages numpy et pandas pour Python
Require prerequisites :
- Mathématiques : algèbre linéaire et statistique
- Informatique : Python
Learning outcomes :
- Connaissance des principaux algorithmes de Machine Learning
- Développement d'une démarche complète et cohérente pour répondre à un problème Machine Learning
- Maîtrise pratique de Python pour le Machine Learning
Assessment :
Examen sur table.
Learn more about the course :
Bibliography-recommended reading
-
Machine Learning
- Hands-on Machine Learning with Scikit-Learn , Aurélien Géron, O'Reilly
-
Culture générale
- Weapons of Math Destruction , Cathy O'Neil, Crown Books
- Quand la machine apprend , Yann Le Cun, Odile Jacob
- De l'autre côté de la machine : Voyage d'une scientifique au pays des algorithmes, Aurélie Jean, Édition de l'observatoire
UE Obligatoires S4
- Apprentissage automatique à grande échelle sur les big data
Apprentissage automatique à grande échelle sur les big data
Ects : 2
Lecturer :
DARIO COLAZZOTotal hours : 18
- Anglais 4
Anglais 4
Ects : 2
Lecturer :
Kieran HELMETotal hours : 18
Overview :
Contenu : professionnels, culturels, d’actualité et de société
Forme : débats, jeux de rôles, activités ludiques
Méthodologie : prise de parole en public, travail sur l’expression orale
Recommended prerequisites :
Une volonté de s’investir et un niveau d’anglais correct
Require prerequisites :
Une attitude professionnelle (ponctualité et sérieux)
Learning outcomes :
Savoir s’exprimer à l’oral
Améliorer ses compétences langagières et communicationnelles
Enrichir son vocabulaire
Développer sa créativité
Travailler en équipe
Assessment :
100% contrôle continu
- Applications Web Orientées Services
Applications Web Orientées Services
Ects : 2
Lecturer :
ELISE MOUMBETotal hours : 24
Overview :
Introduction aux microservices, constituant un paradigme d'architecture logicielle visant décomposer une système applicatif en une suite de services indépendants et découplés. Ce type d'architecture a émergé de la nécessité de construire des systèmes applicatifs à l ’ échelle du Web, c'est à dire continuellement évolutifs avec des niveaux de performance et de résilience jamais atteints.
- Les concepts et les enjeux des architectures microservices : * Enterprise-scale IT à Web-scale IT (Cloud : IaaS, Paas, Saas, agilité, scalabilité horizontale, "design for failure"....) * Architectures SOA traditionnelle versus Microservices * Décomposition d'une application monolithique en microservices
- Les technologies et les pratiques de développements associées * Architecture REST, API * Microservices patterns * Conteneurisation des applications (Docker, Kubernetes,...) * Supervision et traces (Elastic Stack,...)
Mise en oeuvre dans le cadre d'un projet Java avec Spring Boot, Spring Cloud
- Developpement Back-end and Front-End
Developpement Back-end and Front-End
Ects : 3
Lecturer :
HAYTHAM AIT ETTAJERTotal hours : 24
Overview :
Introduction aux techniques de programmation back/front-end. L’objectif de ce cours est d’introduire les technologies utilisés dans les développement des applications Web du coté front, en utilisant des technologies telles Angular, mais aussi du coté serveur (back-end), en utilisant des tecknologies telles NodeJS.
- Business Process Analytics
Business Process Analytics
Ects : 3
Lecturer :
DANIELA GRIGORITotal hours : 24
- Négociation
Négociation
Ects : 2
Lecturer :
KARL-STEPHAN LUCAS
BRUNO GIRAUDONTotal hours : 30
Overview :
L ’ objectif du cours est une initiation théorique et pratique à la négociation. La méthode du cours est de relier constamment les résultats des simulations auxquelles participent activement les étudiants avec les éléments fondamentaux de toutes négociations, objets d ’ acquisition du cours. Le séminaire est aussi rythmé par un ensemble de vidéos d'acteurs de la sphère publique et privée qui témoignent de leurs expériences et proposent des idées. Ces vidéos sont aussi des objets d'analyses et de débats. Le séminaire se termine par une grande négociation multilatérale qui permet la mise en pratique immédiate des théories et techniques vues, tout en permettant de prendre mieux conscience de ses forces et faiblesses individuelles en négociation. Un focus est proposé sur les conditions particulières d'une négociation de recrutement, notamment en ce qui concerne le droit du travail, les clauses d'un contrat et l'ensemble des informations nécessaires afin de renforcer sa capacité à négocier.
Learning outcomes :
- Définir les différents types de négociations et les stratégies afférentes.
- Connaître et mettre en pratique une vigilance particulère quant aux fondamentaux de la négociation : tensions compétition/coopération, assertivité/empathie et intérêts/valeurs.
- Reconnaître les tactiques liées à une négociation gagnant-perdant et celles associées au gagnant-gagnant.
- Appliquer une méthode de préparation à la négociation à travers les phases de Diagnostics, de Buts et de Stragégies (DBS).
- Acquérir un réflexe d'amélioration permanente de sa capacité à négocier, avec ses atouts et ses axes de progrès.
Assessment :
Le contrôle des connaissances repose sur trois éléments : Participation (notamment évaluation des résultats de la dernière négociation en simulation), évaluation des acquis en termes de connaissances (QCM), capacité à utiliser ses nouvelles compétences dans l'analyse d'une vidéo de négociation.
Bibliography-recommended reading
Bibliographie sommaire d ’ ouvrages récents sur la négociation :
Audebert, P., La négociation, Editions d ’ Organisation, 1999. Ouvrage utile abordant de manière précise les nombreuses tactiques de négociations.
Alter, N., Donner et prendre, la coopération en entreprise, Editions La Découverte, 2010. Une approche sociologique de la difficulté des entreprises à gérer l ’ approche coopérative
Axelrod R., Théorie du comportement coopératif : comment réussir dans un monde d ’ égoïstes, Ed. Odile Jacob, édition de poche, 2006. Sans rejet des modélisations mathématiques, une lecture nécessaire …
Bellenger L., La négociation, Ed. PUF « Que sais-je ? », 1984. Des approches synthétiques des théories de la négociation.
Bourque R., Thuderoz C., Sociologie de la négociation, Ed. La Découverte, 2002. Un panorama intelligent et large pour un texte compact sur l ’ état des théories de la négociation.
Cialdini R., Influence et manipulation, Comprendre et maîtriser les techniques de persuasion. Ouvrage de référence construisant une théorie des arguments à partir de pratiques professionnelles.
Combalbert L. et Mery M., Negociator, la référence de toutes les négociations, Ed. Dunod, 2019. Un ouvrage de promotion de la méthode PACIFICAT réalisé par des praticiens et formateurs.
Demoulin, S., Psychologie de la négociation, Ed. Mardaga, 2014. Du contrat de travail au choix des vacances...
Dupont C., La négociation. Conduite, théorie, applications, Ed Dalloz, 1994. Un ouvrage de référence en la matière.
Dupont C., La Négociation post-moderne, Bilan des connaissances, acquis et lacunes, perspectives, Ed. Publibook, 2006. Le complément du précéde nt … .
Fisher R., Ury W. & Patton B., Comment réussir une négociation, Ed. Seuil, 1982. Le texte de référence, facile d ’ accès, fondateur de la théorie de la négociation raisonnée.
Fisher R., Shapiro D., Gérer ses émotions, Ed. Robert Laffont 2008. Complément important de l'ouvrage précédent, mais peut se lire indépendamment.
Joule R-V. & Beauvois JL., Petit traité de manipulation à l'usage des honnêtes gens, Ed. PUG, 2004. Une actualisation de Cialdini par deux psycho-sociologues français combinant théories et pratiques expérimentales.
Pekar Lempereur A. & Colson A., Méthode de négociation, Ed. Dunod, 2004. Ouvrage pédagogique centré sur les méthodes : la négociation raisonnée à la française...
Rojot, J., Négociation, Ed. Vuibert, 2006. Ouvrage théorique et pratique d ’ un spécialiste des organisations à la fois solide et complet dans ses approches.
Stimec, A., La Négociation, Ed. Dunod, 2011. Une très bonne synthèse de la « méthode Harvard » (négociation raisonnée) et de ses développements.
Schopenhauer A., L ’ art d ’ avoir toujours raison, Ed. Mille et une nuits, 2000. Tout est dans le titre … mais attention, négociation n ’ est pas seulement persuasion ou rhétorique !
- Qualité de Données, Data Wrangling
Qualité de Données, Data Wrangling
Ects : 2
Lecturer :
Khalid BELHAJJAMETotal hours : 21
Overview :
Le cours a pour objectif d ’ introduire les caractéristiques principaux liés à la qualité des données ainsi que de presenter les algorithmes pour leur traitement. La qualité de l'information a de graves répercussions sur l'efficience et l'efficacité des organisations et des entreprises. Par exemple, dans les organisations privées, telles que les sociétés de marketing ou les banques, il n'est pas surprenant d'avoir plusieurs registres de clients, mis à jour par différentes procédures organisationnelles, ce qui entraîne des informations contradictoires et en double. Ce cours vise à présenter les problèmes liés à la qualité de données, et de présenter les solutions qui peuvent être utilisées pour les résoudre.
En particulier, il a pour objectif d ’ examiner les trois points suivants : · Dimensions de la qualité de données. Le terme « qualité de données » est assez vague et englobe plusieurs facettes. Dans cette partie, nous allons examiner les différents dimensions de la qualité de données, allant de l ’ exactitude, complétude, jusqu ’ au la consistance et la confiance.
· Algorithme et solutions théoriques. Dans cette partie nous allons examiner en détails quelques solutions théoriques proposées pour résoudre certains problèmes de qualité de données, en particulier celles liées à l ’ identification d ’ objet.
· Outils et solutions pratiques. Dans cette partie, nous allons utiliser des outils, et montrer comment ils peuvent être utilisés pour améliorer la qualité de données.
- Transition Numérique des Systèmes d'Information
Transition Numérique des Systèmes d'Information
Ects : 3
Lecturer :
SIDDHARATHA NAGAVARAPU
GUILLAUME BARATIER
ABHIJEET ARUN SHEGOKARTotal hours : 24
- Gestion des flux de données massives dans les SI
Gestion des flux de données massives dans les SI
Ects : 2
Lecturer :
DARIO COLAZZOTotal hours : 12
- Livret d'entreprise et d'apprentissage
Livret d'entreprise et d'apprentissage
Ects : 1
Bloc mémoire
- Mémoire
Mémoire
Ects : 8
Academic Training Year 2024 - 2025 - subject to modification
Teaching Modalities
The program starts in September and attendance is required. The apprenticeship program is divided into two semesters, S3 and S4.
The final grade for a course is the cumulation of grades for continuous assessment, projects, homework, oral or written exams, and participation.
Internships and Supervised Projects
The internship lasts between five and six months. Students must have their internships approved by the program director in advance. After the internship is complete, the student must submit an electronic version of their report and two paper copies signed by their mentor to the program office. The report must be submitted at least 15 days before the defense date scheduled by the program office.
Research-driven Programs
Training courses are developed in close collaboration with Dauphine's world-class research programs, which ensure high standards and innovation.
Research is organized around 6 disciplines all centered on the sciences of organizations and decision making.
Learn more about research at Dauphine