M2 Ingénierie Logicielle pour la Science des Données

Voyage à travers les différentes couches d'un système d'information avec une posture d'Architecte.
- Méthodologie de l'architecture : TOGAF / Zachman / Rappel sur la modélisation / Archimate
- Architecture applicative : MDM - EAI - Matrice de flux
- Architecture logicielle : MVC - Micro services - les 5 couches logicielles - DDD - Composants
- Architecture Technique : Performances - Cloud - TOC

- Etre capable de cartographié son SI
- Etre capable de modélisé le To-Be de son SI
- Etre capable de mener une transition AS-IS -> TO-BE

Regard sur les systèmes d'information d'un point de vue Métier.
Contenu : 
- Les démarches : TOGAL - Cigref
- Modélisation métiers : BPMN
- Architecture applicative : Gestion des applications - Couvertures fonctionnelles
- Modélisation de la stratégie d'entreprise

- Etre capable de modéliser les métiers d'une entreprise
- Etre capable d'optimiser la couverture applicative
- Etre capable de modéliser la stratégie de l'entreprise

Aucun.

Le cours est structuré en trois parties :

• analyse de la norme ISO 27000 et en particulier des mesures ISO 27002 de sécurisation des systèmes informatiques.
• étude des méthodes d'analyses de risques des systèmes informatiques et réseaux illustrée via les méthodes MEHARI du CLUSIF et EBIOS de l'ANSSI.
• analyse approfondie des problématiques d'authentification, d'autorisation et de gestion d'identité dans des contextes applicatifs, systèmes et réseaux.

Connaître et comprendre les enjeux liés à la sécurité des systèmes d'information, mettre en œuvre des analyses de risques et des dispositifs de sécurisation. Seront étudiées les méthodologies de gestion et d'analyse de risques de sécurité ainsi que les solutions de sécurisation des autorisations, des identifications et des authentifications dans des contextes intranet, internet et mobile.

Cours1 : Deep Learning

Cours2 : Réseaux de convolution

Cours3 : Outils pour le deep learning

Cours4 : Réseaux récurrents

Cours5 : Attention et Transformers

Cours6 : Réseaux Génératifs

Cours7 : Transfer / self-supervised learning

Cours8 : Segmentation

Ce cours couvre la chaîne complète de traitement de données textuelles : prétraitements, représentations (TF-IDF, embeddings statiques et contextuels), modèles classiques (NB/SVM) et profonds (RNN/CNN/Transformers), tâches de classification, extraction d’information (NER), fouille thématique (topic modeling), recherche d’information, résumé, génération et systèmes RAG (Retrieval-Augmented Generation). Une emphase est mise sur l’évaluation rigoureuse, la reproductibilité, et les enjeux éthiques

Séance 1 : Introduction à l'IA et Représentation des Connaissances
• Durée : 3 heures
• Contenus :
o IA Symbolique vs Connexionniste : Comparaison des approches, avantages
et inconvénients.
o Représentation des Connaissances :
▪ Importance et défis de la représentation.
▪ Types de représentations (déclarative vs procédurale).
▪ Notion de graphes sémantiques
o Ontologies :
▪ Définition, composants et importance dans la représentation des
connaissances.
▪ Différents types d'ontologies : ontologies de domaine, ontologies
générales, etc.
▪ Méthodes de création d'ontologies : outils (ex. Protégé), langages (ex.
OWL)
▪ Applications des ontologies dans les systèmes d'information et le Web
sémantique.
• Activités :
o Atelier pratique où les étudiants conçoivent une ontologie pour un domaine
spécifique, en utilisant un logiciel comme Protégé.
Séance 2 : Raisonnement Sémantique et Inférence
• Durée : 3 heures
• Contenus :
o Introduction au raisonnement sémantique : définition et techniques.
o Méthodes d'inférence basées sur des ontologies : règles d'inférence, raisonner
par défaut.
o Systèmes basés sur la logique descriptionnelle : concepts et applications.
o Études de cas sur l'utilisation du raisonnement sémantique dans des
applications pratiques.
• Activités :
o Atelier pratique sur l'utilisation d'un moteur d'inférence pour tirer des
conclusions à partir d'une ontologie créée précédemment.
Séance 3 : Problèmes de Satisfaction de Contraintes (CSP)
• Durée : 3 heures• Enseignant : JC
• Contenus :
o Introduction aux CSP : Définition, variables, domaines et contraintes.
o Techniques de Résolution :
▪ Backtracking : principe et mise en œuvre.
▪ Propagation de contraintes : techniques et applications.
o Applications des CSP : Exemples dans la planification, la configuration, etc.
• Activités :
o Atelier Pratique : Résolution d'un CSP simple (ex. Sudoku ou problème de
coloration de graphes).
Séance 4 : Introduction au Raisonnement Probabiliste
• Durée : 3 heures
• Enseignant : JC
• Contenus :
o Concepts de Base : Probabilités, variables aléatoires, événements.
o Raisonnement Déterministe vs Probabiliste : Différences fondamentales.
o Introduction aux Réseaux Bayésiens :
▪ Structure d'un réseau bayésien : nœuds et arcs.
▪ Applications des réseaux bayésiens dans la prise de décision.
• Activités :
o Exercices Pratiques : Calculs d'inférence simples à l'aide de probabilités.
Séance 5 : Réseaux Bayésiens - Construction et Inférence
• Durée : 3 heures
• Enseignant : JC
• Contenus :
o Construction d'un Réseau Bayésien : Étapes pour créer un réseau à partir de
données.
o Inférence :
▪ Méthodes d'inférence exactes (ex. algorithme de variable éliminée).
▪ Méthodes d'inférence approximatives (ex. échantillonnage).
o Études de Cas : Applications pratiques et résultats.
• Activités :
o Atelier Pratique : Construction d'un réseau bayésien à partir d'un scénario
donné.
Séance 6 : Systèmes Multi-Agents et Représentation des Connaissances
• Durée : 3 heures
• Contenus :
o Introduction aux Systèmes Multi-Agents▪ Définition et caractéristiques :
▪ Qu'est-ce qu'un système multi-agents ? Différences entre agents
et systèmes centralisés.
▪ Tendances récentes :
▪ Utilisation croissante des systèmes multi-agents dans des
domaines comme la santé, la finance et l'Internet des objets
(IoT).
o Gestion des Connaissances dans les Systèmes Multi-Agents
▪ Acquisition et représentation :
▪ Comment les agents acquièrent, représentent et partagent des
connaissances de manière dynamique.
▪ Utilisation des graphes de connaissances pour la représentation
des informations.
▪ Communication entre agents :
▪ Protocoles de communication récents (ex. BDI – Belief-DesireIntention, et modèles basés sur des réseaux neuronaux).
▪ Rôle des ontologies dans la normalisation de la communication.
o Applications Modernes des Systèmes Multi-Agents
▪ Études de cas contemporaines :
▪ Applications dans la gestion intelligente des villes (smart cities),
systèmes de transport autonomes, et systèmes de
recommandation adaptatifs.
▪ Exemples de systèmes multi-agents dans la robotique
collaborative.
▪ Discussion sur les défis :
▪ Problèmes de scalabilité, robustesse et gestion des conflits dans
des environnements changeants.
o Atelier Pratique
▪ Simulation d'un scénario multi-agent :
▪ Les étudiants conçoivent des agents pour résoudre un problème
d'optimisation dans un environnement simulé (ex. gestion d'une
flotte de véhicules autonomes).
▪ Évaluation des interactions :
▪ Analyse des résultats et discussion sur l'efficacité des stratégies
adoptées par les agents.

Connaissances en programmation.
Connaissances sur l'outil de gestion de version Git.

Ce cours offre une immersion complète dans l'univers du développement de logiciel libre, en explorant les aspects techniques, sociaux et organisationnels du développement de projets open source. Les étudiants apprendront les fondements de la culture open source, les pratiques de collaboration et les outils nécessaires pour démarrer, gérer et contribuer à des projets de logiciel libre.
Contenu du Cours :
I – Introduction à l'open source et au libre : Dans cette première partie, les étudiants seront initiés aux principes et aux valeurs de l'open source et du logiciel libre. Ils comprendront l'importance de la transparence, de la collaboration et du partage des connaissances dans le développement de logiciels libres.
II – Démarrer un projet : Les étudiants apprendront les étapes nécessaires pour démarrer un projet open source, y compris la définition des objectifs, la structuration du projet, la mise en place de l'infrastructure technique et la sélection des licences appropriées.
III – Infrastructure technique : Cette section se concentrera sur l'infrastructure technique requise pour soutenir un projet open source, y compris la gestion du code source avec des systèmes de contrôle de version comme Git, la mise en place de systèmes de build et de déploiement automatisés, ainsi que l'hébergement des projets sur des plateformes telles que GitHub ou GitLab.
IV - Infrastructure sociale : Les étudiants exploreront les aspects sociaux du développement de logiciels libres, y compris la gestion des contributions, la gestion des conflits et la construction d'une communauté active et engagée autour du projet.
V – Communication : Cette partie du cours mettra l'accent sur l'importance de la communication efficace dans le développement de logiciels libres, que ce soit à travers la documentation, les discussions sur les forums ou les canaux de communication en ligne.
VI – Packaging, publication et développement quotidien : Les étudiants apprendront les bonnes pratiques pour empaqueter et publier leurs logiciels libres, ainsi que les techniques de développement quotidien pour maintenir et améliorer continuellement leurs projets.
VII – Divers : Enfin, cette section abordera divers sujets tels que les licences open source, les modèles économiques alternatifs, la gestion des contributeurs et les défis liés à la gouvernance des projets open source.

- Compréhension des principes et des valeurs de l'open source et du logiciel libre.
- Capacité à démarrer un projet open source en définissant les objectifs, structurant le projet et sélectionnant les licences appropriées.
- Maîtrise de l'infrastructure technique nécessaire pour soutenir un projet open source, y compris la gestion du code source avec Git et l'utilisation de plateformes d'hébergement telles que GitHub ou GitLab.
- Compétences sociales pour gérer les contributions, les conflits et construire une communauté active autour du projet.
- Capacité à communiquer efficacement avec les membres de la communauté open source à travers divers canaux de communication en ligne.
- Maîtrise des bonnes pratiques pour empaqueter, publier et maintenir des projets de logiciel libre.
- Compréhension des licences open source, des modèles économiques alternatifs et de la gestion des contributeurs dans le contexte du développement de logiciel libre.