Intelligence Artificielle, Systèmes, Données - 2ème année de Master

Le programme de la formation

UE obligatoires

  • Fondamentaux de l’apprentissage automatique
  • Optimization for Machine Learning
  • Bases de données avancées (SBGD non classiques)
  • Représentation des connaissances, raisonnement, planification
  • Projet Sciences des Données
  • Apprentissage Profond

UE optionnels

  • Apprentissage automatique avancé
  • Apprentissage incrémental, Théorie des Jeux et Applications
  • Apprentissage profond pour l’analyse d’images
  • Traitement Automatique des Langues
  • Nuages de Points et Modélisation 3D
  • Ethique et intelligence artificielle
  • Graphes de connaissance, logiques de description, raisonnement sur les données
  • Fouille de Graphes
  • Machine Learning sur Big Data
  • Choix social computationnel
  • Recherche Monte-Carlo et Jeux
  • Introduction to reinforcement learning
  • Deep renforcement learning et applications
  • Anonymisation, confidentialité
  • Data wrangling, qualité de données
  • Fondements des langages de requête graphe et RDF
  • Semaine intensive PSL Humanité numérique
  • Semaine intensive PSL Géonomique

UE Obligatoires

Formation année universitaire 2023 - 2024 - sous réserve de modification

Modalités pédagogiques

Le Master IASD se compose d’un semestre d’enseignements avancés sur les disciplines de l’IA (de septembre à décembre) suivi d’un semestre d’options (de janvier à avril) et d’un stage de recherche (d’avril à septembre). Les cours sont divisés en deux semestres. Pendant le premier semestre de tronc commun, de septembre à décembre, l’étudiant doit suivre six cours d’intelligence artificielle et de science des données, pour un total de 30 ECTS. Pendant le second semestre de cours optionnels, de janvier à avril, les étudiants doivent choisir au minimum six cours d’approfondissement parmi une large sélection d’options, pour un total de 18 ECTS. Le stage, d’avril à août, valant 12 ECTS, est effectué dans un laboratoire de recherche académique ou industriel et se conclut par la rédaction d’un mémoire et une soutenance courant septembre. Pour les étudiants qui en ont besoin, des cours de mise à niveau sur les fondements mathématiques et informatique sont programmés avant le début des cours de tronc commun en septembre.

Les enseignements sont assurés par des chercheurs actifs dans le domaine et abordent les différents aspects de l’IA d’aujourd’hui : apprentissage automatique, représentation des connaissances, gestion et fouille de grande masses de données, paradigmes du Big Data. En plus des enseignements fondamentaux, les étudiants peuvent personnaliser leur cursus en choisissant 6 cours en plus parmi un large éventail d’options : apprentissage par renforcement, recherche Monte-Carlo et jeux, traitement automatique des langues, théorie des jeux, apprentissage et protection de la vie privée et bien d’autres.

Les étudiants inscrits en 2ème année de Master Informatique parcours IASD peuvent choisir au semestre 4 comme UE optionnelles des UE proposées en 2ème année de Master Mathématiques et Applications parcours MASH :

  • Computational methods and MCMC
  • Applied Bayesian Statistic
  • Journalisme et donné es
  • Modèles graphiques

Cette démarche nécessite :

  • Une demande écrite de l'étudiant.
  • L'accord écrit de l'enseignant du cours concerné.
  • Une réponse écrite de l'administration.
  • Le respect des modalités de contrôle des connaissances du M2 MASH pour l'évaluation des UE.

UE obligatoires

  • Fondamentaux de l’apprentissage automatique
  • Optimisation pour l'apprentissage automatique
  • Bases de données avancées (SBGD non classiques)
  • Apprentissage Profond
  • Systèmes, paradigmes et langages pour les Big Data
  • Ethique et science des données
  • Fouille de Graphes
  • Data wrangling, qualité de données
  • Traitement automatique des langues - NLP
  • Apprentissage par renforcement

UE obligatoires

  • Apprentissage profond pour l’analyse d’images
  • Flux de données
  • Recherche Monte-Carlo et Jeux
  • Visualisation de données
  • IA sur le Cloud
  • Graphes de connaissance, logiques de description, raisonnement sur les données
  • Machine Learning sur Big Data
  • Projet Sciences des Données

UE obligatoires

Formation année universitaire 2023 - 2024 - sous réserve de modification

Modalités pédagogiques

La formation démarre en septembre, dont la présence en cours est obligatoire. Le rythme d'alternance est de quatre semaines en entreprise et deux/trois semaines à l'université.

Les enseignements sont organisés en semestre 3 et semestre 4. Chaque semestre est constitué d'une UE auxquelles s'ajoute un mémoire pour le semestre 4.
La note finale d'une UE est obtenue par pondération entre des notes de contrpole continu, de projets, devoirs, interrogations écrites ou orales, et note de participation... Toute UE pour laquelle l'étudiant a obtenu une note finale supérieure ou égale à 10/20 est définitivement acquise ainsi que les ECTS associés.

Chaque semestre est composé d'UE, ainsi que d'une UE mémoire pour le semestre 4. Un semestre est est définitivement acquis si toutes les conditions suivantes sont vérifiées :

  • Il est constitué d'au moins 30 ECTS
  • La note finale du semestre est supérieure ou égale à 10/20
  • La note finale de chaque UE composant le semestre est supérieure ou égale à 6/20
  • La note finale du mémoire pour la validation du semestre 4 est supérieure ou égale à 10/20
  • La validation d'un semestre implique la validation de chaque UE de ce semestre est des ECTS associés

La validation d'une année entraîne la validation de chacun des deux semestres et de toutes les UE les composant ainsi que de tous les ECTS associés. Une année est définitivement acquise (ainsi que les 60 ECTS associés) si toutes les conditions suivantes sont vérifiées :

  • Elle est constituée d'au moins 60 ECTS et la note finale de l'année est supérieure ou égale à 10/20
  • La note finale de chaque semestre de l'année est supérieure ou égale à 10/20
  • La note finale de chaque UE de chaque semestre de l'année et supérieure ou égale à 6/20
  • La note finale du mémoire pour la validation du semestre 4 est supérieure ou égale à 10/20


Stages et projets tutorés

Les étudiants du master IASD doivent effectuer un stage de 5 mois, à partir du début du mois d’avril 2022.

Liste des stages est disponible : ici

Pour les étudiants: comment trouver un stage, et obtenir la convention.
Pour trouver un stage, vous pouvez consulter la liste des propositions de stage, ou démarcher vous mêmes les laboratoires ou entreprises qui vous intéressent. Puis, il vous faudra obtenir la validation pédagogique de votre sujet de stage. Pour l’obtenir, il faut charger votre sujet ici. En spécifiant en commentaire que le sujet de stage est pour vous. (Merci de ne pas envoyer votre sujet par mail.)
Lorsque vous avez obtenu la validation pédagogique, vous pouvez remplir le formulaire dans l’application pstagepour obtenir votre convention de stage.
Pour plus d'info sur la présentation des stages.

Pour les encadrants: comment proposer un stage aux étudiants du master IASD ?
Si vous faites partie d’un laboratoire de recherche, ou d’un département R&D, vous pouvez proposer un sujet de stage aux étudiants en cliquant ici. Bien sûr, le stage doit être en relation avec l’un des sujets abordés dans le programme du master. Le stage apparaîtra dans la liste ci-dessous après validation par l’équipe pédagogique.

Rémunération: En France, les stages de plus de 2 mois doivent s’accompagner d’une gratification dont le montant minimal légal s’élève à environ 550€/mois (en 2019). Plus d’informa tions et un outil pour calculer la rémunération des stagiaires sont disponibles à cette adresse:
https://www.service-public.fr/simulateur/calcul/gratification-stagiaire.