Aller au contenu principal

M1 Artificial Intelligence

Candidater à la formation
  • Capacité d'accueil
    26
  • Langue(s) d'enseignement
    Anglais
    Français
  • Régime(s) d'inscription
    Formation initiale
Présentation
Objectifs pédagogiques de la formation

La croissance rapide de la recherche en Intelligence Artificielle (IA) et de ses applications offre des opportunités sans précédent. Ce parcours est destiné aux étudiants désirant recevoir une bonne formation de base couvrant une large spectre des concepts et des applications de l'IA basée sur les données et de l'apprentissage par l'exemple.

Le programme propose des cours d'introduction à l'apprentissage statistique, à l'apprentissage profond et à l'apprentissage par renforcement, à l'optimisation, au traitement du signal, à la théorie de l'information et à la théorie des jeux. De nombreuse options permettent de se perfectionner en théorie de l'apprentissage, et de se spécialiser dans de nombreux domaines tels que le traitement de données massives, le traitement des images et du langage.

===========

The rapid growth of Artificial Intelligence (AI) research and applications offers unprecedented opportunities. This course is intended for students wishing to receive a good basic education covering a broad spectrum of concepts and applications of data-driven AI and learning by example.

The program offers introductory courses in statistical learning, deep learning and reinforcement learning, optimization, signal processing, information theory and game theory. . Numerous options make it possible to perfect oneself in learning theory, and to specialize in many fields such as massive data processing, image and language processing.

Lieu(x) d'enseignement
ORSAY
GIF SUR YVETTE
Pré-requis, profil d’entrée permettant d'intégrer la formation

Ce parcours requiert de bonnes bases en mathématiques et en informatique: - Probabilités et statistiques - Algèbre linéaire - Calcul différentiel et intégral - Programmation scientifique - Visualisation des données ========= This course requires good bases in mathematics and computer science: - Probability and statistics - Linear algebra - Differential and integral calculus - Scientific programming - Visualization of the data

Compétences
  • Connaitre les bases des statistiques appliquées et de l'optimisation.

  • Savoir manipuler des données massives.

  • Différencier et appliquer à bon escient apprentissage supervisé, non supervisé, et apprentissage par renforcement.

  • Programmer des modèles prédictifs avec Python et maitriser scikit-learn.

  • Visualiser des données et illustrer des résultats avec des outils de programmation.

  • Rédiger une proposition de projet et communiquer des résultats à l'écrit et à l'oral.

Profil de sortie des étudiants ayant suivi la formation

Les étudiants ayant suivi ce parcours auront une solide formation théorique et pratique. Les nombreux projets et stages assureront qu'ils soient bien préparés à rentrer dans la vie active.

========

Students who have followed this course will have a solid theoretical and practical training. The many projects and internships will ensure that they are well prepared to enter the workforce. This master's degree opens towards research and teaching as well as to careers in the industrial sector or services.

Débouchés de la formation

(English translation at bottom)

Ce parcours-type prépare aux métiers de la recherche et de la R&D dans de nouveaux domaines d'application en plein essor : vision par ordinateur (véhicules autonomes et biométrie) ; reconnaissance vocale (nécessaire aux nouvelles interfaces homme-machine pour les smartphones) ; filtrage et agrégation de contenus hétérogènes et textuels (indispensables aux solutions commerciales de gestion de flux de données massifs) ; pilotage et surveillance de systèmes industriels complexes ou critiques qui s'appuient sur l'analyse de données.

Poursuite d'études : à l'issue du parcours, les étudiants peuvent préparer un doctorat au sein de l'ED STIC de l'Université Paris-Saclay en rejoignant l'un des laboratoires de recherche du site ou au sein de départements R&D en entreprise.

Insertion professionnelle : les diplômés peuvent travailler dans des entreprises développant des logiciels innovants, des startups ou intégrer le départements R&D d'entreprises comme Thalès, Orange, HP, IBM Research, Yahoo, Google, Facebook.

===============

This parcourse prepares to research and R & D professions in new fields of application in full swing: computer vision (autonomous vehicles and biometrics); voice recognition (necessary for new human-machine interfaces for smartphones); filtering and aggregation of heterogeneous and textual content (essential to commercial solutions for managing big data streams); management and monitoring of complex or critical industrial systems that rely on data analysis.

Continuation of studies: at the end of the course, the students can prepare a doctorate within the ED STIC of the University Paris-Saclay by joining one of the research laboratories of the site or within an R & D department of a company.

Professional integration: graduates can work in companies developing innovative software, startups or integrate R & D departments of companies such as Thales, Orange, HP, IBM Research, Yahoo, Google, Facebook.

Collaboration(s)
Laboratoire(s) partenaire(s) de la formation

Laboratoire de recherche en informatique
Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur
Laboratoire Spécification et Vérification
Laboratoire des Signaux et Systèmes.

Programme

Ce parcours-type est proposé en deux voies d'apprentissage :
- La voie initiale (AI)
- La voie EIT Digital (EIT - DS)

Toutes les UEs listées ci-dessous devront être validées au cours du parcours (M1 / M2): il est requis d'acquerir 60 ECTS par niveau, pour un total de 120 ECTS à l'issue des deux années.
Pour valider le parcours-type AI (M1 & M2) dans la voie initiale, les étudiants devront suivre :

* En M1 - AI :
- 4 UE dont l'intitulé est [AI] PREi : xxx (pour un total de 10 ECTS)
- 4 UE dont l'intitulé est [AI] TCi : xxx (pour un total de 10 ECTS)
- 6 UE dont l'intitulé est [AI] OPTi : xxx (pour un total de 15 ECTS)
- Les 6 UE de soft skills suivantes (pour un total de 15 ECTS) :
* Soft skills 1A (Langue)
* Soft skills - Seminars A & B
* Soft skills - Projects A & B
* Soft skills - Summer school
- l'UE TER Stage (10 ECTS)

* En M2 - AI :
- 2 UE dont l'intitulé est [AI] OPTi ou 2 UE intitulées [AI] PREi pour ceux qui ne les ont pas encore pris (5 ECTS)
- 2 UE intitulées [AI] TCi et 4 UE intitulées [AI] OPTi (15 ECTS) ou les 6 cours [AI] TCi obligatoires pour ceux qui ne les ont pas encore pris
- 2 UE intitulées [AI] OPTi (5 ECTS)
- 2 UE intitulées Soft skills - xxx
- Un stage long (en laboratoire ou entreprise) au 2ème semestre du M2 pour 30 ECTS

Le choix des étudiants pour les UE [AI] OPTi pourra être complété avec les UE suivantes :
- [DS] Social and Graph Data Management
- [DS] Algorithms for Data Science
- [DS] Distributed Systems for Massive Data Management

Pour valider le parcours-type AI (M1 & M2) dans la voie EIT - DS, les étudiants devront suivre :

* En M1- EIT DS :
- [AI] PRE 1, [AI] PRE2 et [AI] PRE4 7.5 ECTS
- [AI] TC1, [AI] TC2, [AI] TC3 et [AI] TC 5 10 ECTS
- 4 UE intitulées [AI] OPTi 10 ECTS
- Les UE intitulées EIT -xxx (pour un total de 20 ECTS); Attention, l'UE EIT - Innovation & Entrepreneurship Thesis est à suivre en M2
- UE Soft skills - Summer School (4 ECTS)
- UE Soft skills - Transversal project A & B (5 ECTS)
- UE French Language and Culture 1 (2 ECTS)

* En M2 - EIT DS :
- UE EIT - Innovation & Entrepreneurship Thesis (6 ECTS)
- UE French Language and Culture 2 (2 ECTS)
- Un stage long (30 ECTS).

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
[AI] OPT 10: IMAGE INDEXING AND UNDERSTANDING 2.5 15 6
[AI] OPT1 : GRAPHICAL MODELS 2.5 15 6
[AI] OPT14:MULTILINGUAL NATURAL LANGUAGE PROCESSING 2.5 21
[AI] OPT2: IMAGE PROCESSING 2.5 21
[AI] OPT3 : REINFORCEMENT LEARNING 2.5 15 6
[AI] OPT4: DEEP LEARNING 2.5 10.5 10.5
[AI] OPT5 : VOICE RECOGNITION AND AUTOMATIC LANGUAGE PROCESSING 2.5 21
[AI] OPT8: GAME THEORY 2.5 12 4.5 4.5
[AI] OPT9: DATA CAMP 2.5 10 15
[AI] PRE1: APPLIED STATISTICS 2.5 10.5 10.5
[AI] PRE2: MATHEMATICS FOR DATA SCIENCE 2.5 12 4.5 4.5
[AI] PRE3: DATACOMP 1 2.5 12 9
[AI] PRE4: SCIENTIFIC PROGRAMMING 2.5 9 12
[AI] TC0 : Introduction to Machine Learning 2.5 15 6
[AI] TC2: OPTIMIZATION 2.5 12 4.5 4.5
[AI] TC4: Probabilistic Generative Models 2.5 16.5 4.5
[AI] TC5: SIGNAL PROCESSING 2.5 24
[AI] TC6: DATACOMP 2 2.5 12 9
[ANO] Blockchain 2.5
[ANO] Evaluation de performances 2.5
[ANO] Internet of Things 2.5 21
[ANO] Optimisation dans les graphes 2.5 21
[ANO] Optimisation discrète non linéaire 2.5 21
[ANO] Optimisation multi-objectifs 2.5 21
[ANO] Programmation MPI 2.5
[ANO] Programmation système et réseaux 2.5 21
[ANO] Réseaux mobiles 2.5 21
[ANO] Réseaux sans fil 2.5 21
[ANO] Tests fonctionnels de protocoles 2.5 21
[ANO] Théorie des jeux 2.5 21
[ANO] Virtualisation et cloud 2.5
[DS] Algorithms for Data Science 2.5 12 9
[DS] Bases de données avancées I : Optimisation 2.5 9 8 4
[DS] Bases de données avancées II : Transactions 2.5 9 8 4
[DS] Data Science Project 2.5 3 18
[DS] Distributed Systems for Massive Data Management 2.5 12 0 9
[DS] Intelligence Artificielle, Logique et Contraintes 2.5 10.5 10.5
[DS] Intelligence Artificielle, Logique et Contraintes : Projet 2.5 10.5 10.5
[DS] Knowledge Discovery in Graph Data 2.5 12 6 3
[DS] Semantic Web and Ontologies 2.5 12 9
[DS] Social and Graph Data Management 2.5 12 9
[HCI] Advanced Design of Interactive Systems 2.5
[HCI] Advanced Immersive Interactions 2.5 21
[HCI] Advanced Immersive Interactions - Project 2.5
[HCI] Advanced Programming of Interactive Systems 1 2.5
[HCI] Advanced Programming of Interactive Systems 2 2.5
[HCI] Career Seminar - Level 1 2.5
[HCI] Career Seminar - Level 1 : Project 2.5 21
[HCI] Career Seminar - Level 2 2.5
[HCI] Career Seminar - Level 2 project 2.5
[HCI] Creative Design 2.5
[HCI] Creative Design : Project 2.5
[HCI] Design of Interactive Systems 2.5
[HCI] Design project - Level 1 2.5 21
[HCI] Design project - Level 1 : Project 2.5 21
[HCI] Design project - Level 2 2.5 21
[HCI] Design project - Level 2 : Project 2.5 21
[HCI] Digital Fabrication 2.5
[HCI] Digital fabrication : Project 2.5
[HCI] Evaluation of Interactive Systems 2.5
[HCI] Experimental Design and Analysis 2.5
[HCI] Fundamental of Human-Computer Interaction 1 2.5
[HCI] Fundamental of Human-Computer Interaction 2 2.5
[HCI] Fundamental of situated computing 2.5
[HCI] Fundamentals of eXtended Reality 2.5
[HCI] Gestural and Mobile Interaction 2.5
[HCI] Groupware and Collaborative Work 2.5 21
[HCI] Groupware and Collaborative Work : Project 2.5 21
[HCI] Interactive Information Visualization 2.5
[HCI] Interactive Information Visualization : Project 2.5
[HCI] Interactive Machine Learning 2.5
[HCI] Interactive Machine Learning : Project 2.5
[HCI] Mixed Reality and Tangible Interaction 2.5 21
[HCI] Mixed Reality and Tangible Interaction - Project 2.5 21
[HCI] Programming of Interactive Systems 1 2.5
[HCI] Programming of Interactive Systems 2 2.5
[HCI] Serious games 2.5
[HCI] Serious games : project 2.5
[HCI] Studio Art Science 2.5 21
[HCI] Virtual Humans 2.5 21
[HCI] Virtual Humans : Project 2.5 21
[ISD] Algorithmique avancée 3 25
[ISD] Algorithmique distribuée 3 25
[ISD] Anglais 3 25
[ISD] Anglais 3 25
[ISD] Blockchain 3 25
[ISD] Cloud Computing 3 25
[ISD] Communication 3 25
[ISD] Data Lake 3 25
[ISD] Data Warehouse I 3 25
[ISD] Data Warehouse II 3 25
[ISD] Droit informatique 3 25
[ISD] Extraction et programmation statistique de l'information 3 25
[ISD] Introduction à l'apprentissage 3 25
[ISD] IoT (Internet des objets) 3 25
[ISD] langages Dynamiques 3 25
[ISD] Machine learning/Deep learning 3 25
[ISD] Mémoire 12 8
[ISD] Modèles Mathématiques 3 25
[ISD] Modélisation 3 25
[ISD] Optimisation 3 25
[ISD] outils pour la manipulation et l'extraction de données 3 25
[ISD] Politiques et concepts avancés en sécurité 3 25
[ISD] Probabilités/Statistiques 3 25
[ISD] Programmation système et réseau 3 25
[ISD] Projet étude de cas 3 25
[ISD] Projets tuteurés 6 25
[ISD] Rapport d'activité 6 5
[ISD] Représentation des connaissances et visualisation 3 25
[ISD] Réseaux 3 25
[ISD] Réseaux sans fil 3 25
[ISD] sécurité 3 25
[ISD] Services et applications Web 3 25
[ISD] Test et Vérification 3 25
[ISD] Traitement automatique des langues 3 25
[ISD] Traitement distribué des données. 3 25
[QDCS] Algorithmes de la nature 2.5 21
[QDCS] Algorithmes distribués robustes 2.5 21
[QDCS] Algorithmique parallèle 2.5 12 6 3
[QDCS] Auto-stabilisation 2.5 21
[QDCS] Big Data 2.5 12 3 8
[QDCS] Calcul Haute Performance 2.5 12 9
[QDCS] Frontières du calcul parallèle et distribué 2.5 21
[QDCS] Initiation au calcul quantique 2.5 21
[QDCS] Jeux, apprentissage et optimisation des systèmes complexes 2.5 21
[QDCS] Modélisation et optimisation des systèmes discrets 2.5 21
[QDCS] Optimisation stochastique 2.5 21
[QDCS] Ordonnancement et systèmes d'exécution 2.5 21
[QDCS] Programmation avancée C++ 2.5 9 0 12
[QDCS] Programmation GPU 2.5 12 9
[QDCS] Programmation orientée objet 2.5 11 10
[SOFT] Soft skills - 1A (Langue) 2.5 21
[SOFT] Soft skills - 1B (Langue) 2.5 100
[SOFT] Soft skills - 2 (Communication) 2.5 21
[SOFT] Soft skills - 3 (Formation à la vie de l'entreprise - Initiation) 2.5 21
[SOFT] Soft skills - 4 Innovation et Entreprenariat 2.5 21
[SOFT] Soft skills - 5 Innovation et Entreprenariat avancé 2.5 21
[SOFT] Soft skills - Seminars (Fairness in Data Science) 2.5 20
[SOFT] Soft skills - Seminars B 2.5
[SOFT] Soft skills - Summer school 2.5 21
[SOFT] Soft skills - Transversal Project A 2.5 7 7 7
[SOFT] Soft skills - Transversal Project B 2.5 7 7 7
EIT - Business Development Lab 1 4
EIT - Business Development Lab 2 5
EIT - Innovation & Entrepreneurship Advanced 1 2.5 21
EIT - Innovation & Entrepreneurship Advanced 2 2.5
EIT - Innovation & Entrepreneurship Study 1 3 21
EIT - Innovation & Entrepreneurship Study 2 3
EIT - Innovation and Entrepreneurship Basics 1 3
EIT - Innovation and Entrepreneurship Basics 2 3
EIT - Summer School 4
French Language and Culture 1 2 30
French Language and Culture 2 2 21
Long internship 30

Ce parcours-type est proposé en deux voies d'apprentissage :
- La voie initiale (AI)
- La voie EIT Digital (EIT - DS)

Toutes les UEs listées ci-dessous devront être validées au cours du parcours (M1 / M2): il est requis d'acquerir 60 ECTS par niveau, pour un total de 120 ECTS à l'issue des deux années.
Pour valider le parcours-type AI (M1 & M2) dans la voie initiale, les étudiants devront suivre :

* En M1 - AI :
- 4 UE dont l'intitulé est [AI] PREi : xxx (pour un total de 10 ECTS)
- 4 UE dont l'intitulé est [AI] TCi : xxx (pour un total de 10 ECTS)
- 6 UE dont l'intitulé est [AI] OPTi : xxx (pour un total de 15 ECTS)
- Les 6 UE de soft skills suivantes (pour un total de 15 ECTS) :
* Soft skills 1A (Langue)
* Soft skills - Seminars A & B
* Soft skills - Projects A & B
* Soft skills - Summer school
- l'UE TER Stage (10 ECTS)

* En M2 - AI :
- 2 UE dont l'intitulé est [AI] OPTi ou 2 UE intitulées [AI] PREi pour ceux qui ne les ont pas encore pris (5 ECTS)
- 2 UE intitulées [AI] TCi et 4 UE intitulées [AI] OPTi (15 ECTS) ou les 6 cours [AI] TCi obligatoires pour ceux qui ne les ont pas encore pris
- 2 UE intitulées [AI] OPTi (5 ECTS)
- 2 UE intitulées Soft skills - xxx
- Un stage long (en laboratoire ou entreprise) au 2ème semestre du M2 pour 30 ECTS

Le choix des étudiants pour les UE [AI] OPTi pourra être complété avec les UE suivantes :
- [DS] Social and Graph Data Management
- [DS] Algorithms for Data Science
- [DS] Distributed Systems for Massive Data Management

Pour valider le parcours-type AI (M1 & M2) dans la voie EIT - DS, les étudiants devront suivre :

* En M1- EIT DS :
- [AI] PRE 1, [AI] PRE2 et [AI] PRE4 7.5 ECTS
- [AI] TC1, [AI] TC2, [AI] TC3 et [AI] TC 5 10 ECTS
- 4 UE intitulées [AI] OPTi 10 ECTS
- Les UE intitulées EIT -xxx (pour un total de 20 ECTS); Attention, l'UE EIT - Innovation & Entrepreneurship Thesis est à suivre en M2
- UE Soft skills - Summer School (4 ECTS)
- UE Soft skills - Transversal project A & B (5 ECTS)
- UE French Language and Culture 1 (2 ECTS)

* En M2 - EIT DS :
- UE EIT - Innovation & Entrepreneurship Thesis (6 ECTS)
- UE French Language and Culture 2 (2 ECTS)
- Un stage long (30 ECTS).

Matières ECTS Cours TD TP Cours-TD Cours-TP TD-TP A distance Projet Tutorat
[AI] OPT 11: DEEP LEARNING FOR NLP 2.5 18 3
[AI] OPT 12: INFORMATION EXTRACTION FROM DOCUMENTS TO INTERFACES 2.5 10.5 10.5
[AI] OPT 13: Theorie de l'information 2.5 10.5 10.5 0 0
[AI] OPT 15: Fairness in AI 2.5 10.5 10.5
[AI] OPT 16: Creation of an AI challenge 2.5 10.5 10.5
[AI] OPT 17: Hands-on NLP 2.5 10.5 10.5
[AI] OPT6: LEARNING THEORY AND ADVANCED MACHINE LEARNING 2.5 21
[AI] OPT7: ADVANCED OPTIMIZATION 2.5 12 4.5 4.5
[AI] TC1: MACHINE LEARNING 2.5 15 6
[AI] TC3: INFORMATION RETRIEVAL 2.5 9 12
[SOFT] Soft skills - Computer Sciences & Sustainable Development 2.5 9 12
Modalités de candidatures
Période(s) de candidatures
Du 15/03/2022 au 13/06/2022
Pièces justificatives obligatoires
  • Lettre de motivation.

    (* Describe a personal experience that convinced you to pursue in AI studies. * Which classes you enjoyed in the past could be relevant to AI * What are your favorite AI topics ? * How do you see your future career as an AI graduate)
  • Lettre de recommandation ou évaluation de stage.

  • Pièce libre.

    (Liste des candidatures pour d'autres parcours, notamment dans le master d'informatique de Paris-Saclay, par ordre de préférence.)
  • Questionnaire rempli (à télécharger sur la page web du master).

    (Questionnaire d'auto-évaluation à télécharger sur https://guyon.chalearn.org/teaching/ai-master)
  • Tous les relevés de notes des années/semestres validés depuis le BAC à la date de la candidature.

  • Attestation de niveau d'anglais (obligatoire pour les non anglophones).

    (Preuve du niveau d'anglais B2 ou equivalent)
  • Curriculum Vitae.

Pièces justificatives complémentaires
Fiche de choix M1 informatique - site Orsay
Contact(s)
Responsable(s) de la formation
Caio CORRO - caio.corro@limsi.fr