Cet enseignement concerne les différents modèles Cloud, les différents types de virtualisation ainsi que l’utilisation d’un ensemble de plateformes Cloud.

Voir la page complète

Il s'agit d'initier les étudiants aux bases de données NoSQL.

1. Contexte et généralités,
2. Principaux modèles de bases de données NoSQL : paire clé / valeur, orientée colonne, orientée graphe, et orientée document,
3. Fondements des systèmes NoSQL : Partitionnement des données, Réplication des données, MapReduce, Gestion des pannes.

Voir la page complète

Présenter aux étudiants le paradigme "agent". Cette UE est une introduction aux notions d’agent et de systèmes multi-agents par la pratique. Le programme s’appuie sur des exemples concrets qui permettent d’illustrer l’intérêt et les spécificités de ce paradigme pour la modélisation et la conception d’applications, notamment l’approche Individu-Centrée. En particulier, on s’intéresse aux techniques et aux algorithmes de résolution de certains problèmes qui relèvent du domaine de l’intelligence artificielle. C’est un préambule à un approfondissement de connaissances plus complètes et théoriques qui pourra s’effectuer en M2.

Description :

•  Notion d’agent et de système multi-agents

•  Modèles d’agents (réactif, délibératif, . . . ), approche Individu-Centrée

•  Résolution de problèmes : quelques bases de l’intelligence artificielle pour la résolution de problèmes - méthodes heuristiques et stratégie de résolution par exploration - application aux jeux, algorithmes A*, Minimax et AlphaBéta - méthode stigmergique- algorithmes de type colonie de fourmis

•  Mise en oeuvre sur une plateforme multi-agents.

Voir la page complète

Présenter une approche et des outils pour le développement de projets IA et Big Data :

1. Structuration de la donnée dans des environnements hétérogènes : différentes familles de bases de données de type NoSQL, Relationnelles et Colonnes ;
2. Apprentissage des architectures Big Data : un exemple de plateforme opérationnelle avec une présentation des avantages et des inconvénients - Les étudiants sont sollicités pour évaluer différents scénarios ;
3. Séances de Travaux en équipe et/ou seul pour apprendre le framework Spark dans un usage lié à des cas concrets issus d’expertises professionnelles ;
4. Développement de modèles d’IA basés sur des cas réels de mise en situation (E-commerce, Industrie 4.0, Géosciences...) ;
5. Exemple d’étude de cas : la démonstration de la prédiction de l’indice de végétalisation sur les années à venir à partir de l’historique d’images satellitaires. L’objectif est de montrer aux étudiants comment dans l’agriculture par exemple on peut imaginer la répartition des zones agricoles.

Voir la page complète

Présentation et utilisation d’une plateforme professionnelle pour analyser la donnée et développer des méthodes prédictives en environnement Big Data.

1. Manipulation de jeux de données (Datasets) ;
2. Méthodes d’extraction et de transformation de données (principalement langages SQL et Python) ;
3. Visualisation et création de tableaux de bord ;
4. Mise en œuvre et évaluation de modèle(s) de prédiction ;
5. Utilisation d’un plateforme professionnelle.

Voir la page complète