Master Systèmes intelligents et applications
Pour y accéder
Master 1 en informatique ou ingénieur en informatique.
Les plus de la formation
Formation ouverte à l’international, avec des enseignements 100% en anglais.
L'équipe pédagogique est composée principalement de chercheurs impliqués dans des projets collaboratifs avec des industriels.
Cette formation ouvre la voie à une activités de recherche pour les étudiants qui le souhaitent au sein du laboratoire GRETTIA et plus généralement du département Cosys à l'IFSTTAR.
Compétences visées
L’objectif de ce Master 2 est de donner aux étudiants les fondements théoriques et pratiques nécessaires à la conception des futures générations de systèmes intelligents ainsi que de les former aux métiers de gestion de projets dans des domaines d’applications diversifiés. Trois orientations principales structurent ce Master : d’abord la modélisation et la simulation, ensuite l’analyse de données, et enfin le diagnostic et la maintenance. Les étudiants pourront s’orienter vers des stages de fin d’études dans un ou plusieurs de ces trois axes.
Le Master propose une formation diversifiée de haut niveau à dominante informatique qui traite notamment :
- la modélisation et la simulation de systèmes intelligents et multi-agents,
- la modélisation et la simulation de systèmes intelligents,
- l’analyse des données,
- la fiabilité et la maintenance des systèmes intelligents,
- l’acceptabilité des nouveaux systèmes intelligents.
Internationalisation de la formation
La formation est ouverte aux programmes ERASMUS auxquels participe l'université et se fait en partenariat avec l'université de Palerme (Italie). Les stages peuvent être faits à l'étranger.
Capacité d'accueil
20
Modalités d'accès
Le dossier de candidature est à déposer sur l'application eCandidat de l'université Gustave Eiffel.
Les candidats résidant à l'étranger doivent déposer un dossier additionnel de candidature auprès de Campus France / Etudes en France.
Il est important que chaque dossier comporte une attestation du diplôme requis, un relevé de notes, une lettre de motivation et une attestation du niveau d’anglais du candidat (Passeport des langues, TOEIC ou équivalent).
Lien des modalités de candidature
Lieu(x) de la formation
Campus Marne la Vallée - Champs sur Marne
Bâtiment Copernic
Après la formation
Les débouchés concernent autant le monde professionnel que le monde académique.
Les secteurs d'activités accessibles aux diplômés sont les opérateurs et les fournisseurs de services informatiques fondés sur les systèmes intelligents.
Les types d'emplois accessibles sont liés à la recherche et au développement : ingénieur R&D, concepteur de systèmes intelligents, analystes systèmes, chef de projet, chef d'exploitation, etc.
Le débouché vers le monde académique est la poursuite d'études en doctorat.
Insertion professionnelle
Ce Master 2 prépare aux métiers dans le service public et les entreprises du secteur du transport, de l’énergie ou des technologies de l'information:
* startups du numérique traitant notamment des nouveaux modes de transport
* opérateurs d’énergie
* cabinets d’Ingénierie-conseil
* autorités publiques
* opérateurs de transports de personnes
La formation vise à former, entre autres, des :
* Concepteurs de systèmes intelligents
* Analystes systèmes
* Ingénieurs maintenance système
* Développeurs d'applications et de services
* Ingénieurs techniques
* Ingénieurs de recherche
* ...
De plus, elle offre une ouverture à la recherche et la possibilité de poursuite en thèse appliquée aux domaines de la mobilité et des transports.
Objectifs de la formation
L’objectif de ce Master 2 est de donner aux étudiants de l’IGM les fondements théoriques et pratiques nécessaires à la conception des futures générations de systèmes complexes, ainsi que de les former aux métiers de gestion de projets dans des domaines d’applications diversifiés. Trois orientations principales structurent ce master : d’abord la modélisation et la simulation, ensuite l’analyse de données et enfin le diagnostic et la maintenance. Les étudiants pourront s’orienter vers des stages de fin d’études dans un ou plusieurs de ces trois axes.
Le Master propose une formation diversifiée de haut niveau à dominante informatique qui traite notamment :
* la modélisation et la simulation de systèmes intelligents et multi-agents,
* la modélisation et la simulation de systèmes complexes,
* l’analyse des données,
* la fiabilité et la maintenance des systèmes complexes,
Disciplines majeures
* L'analyse de données
* La conception et la programmation orientée objet
* La programmation Web
* Les systèmes multi-agents
Organisation de la formation
Ouvert en VAE
Ouvert en formation Initiale
Ouvert en formation continue
Ouvert en apprentissage
Modalités d'admission en FC :
L’accès en formation continue se fait via un contrat de professionnalisation. L’admission se fait sur dossier.
Calendrier
Période de stage : avril-septembre (minimum 4 mois de stage).
Environnement de recherche
Le master est adossé au département «Composants et Systèmes» (Cosys) de l’IFSTTAR/Université Gustave Eiffel, et principalement sur le laboratoire «GRETTIA». Le département regroupe environ 170 chercheurs permanents et autant de non permanents. Le département a pour ambition de développer les concepts et outils nécessaires à l’amélioration des connaissances de base, des méthodes, des technologies et des systèmes opérationnels destinés à une intelligence renouvelée de la mobilité, des réseaux d’infrastructures et des grands systèmes urbains. Les chercheurs du département traitent d’un large éventail de disciplines scientifiques, dont l'informatique et génie logiciel, la modélisation, le calcul scientifique, le traitement de l’information, etc.
Tarifs formation continue (Les informations ci-contre s'adressent uniquement aux adultes en reprise d'études)
7000 €/an
Semestre 3
| Enseignements | ECTS | CM | TD | TP |
|---|---|---|---|---|
| Maîtriser l’analyse de données et l’apprentissage automatique sur des systèmes distribués et sécurisés | ||||
|
Analyse de données et applications
| 12.00 | |||
|
Deep Learning pour les systèmes intelligents
Comprendre les fondements théoriques des réseaux de neurones profonds et leurs applications modernes. Acquérir une expérience pratique en construction, entraînement et optimisation de modèles de deep learning. Maîtriser les architectures avancées (CNN, RNN, Transformers) et leurs applications en vision par ordinateur et traitement du langage naturel.
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Sécurité des systèmes et des données
Comprendre les enjeux et les principes fondamentaux de la sécurité informatique. Maîtriser les mécanismes de protection des systèmes et des données.
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Introduction à l'analyse de données et ses outils
Savoir utiliser R comme outil pratique pour la science des données. Apprendre à gérer et transformer des données, appliquer les bonnes pratiques en visualisation de données et travailler avec des données spatiales. Acquérir de l'expérience en programmation lettrée pour la transparence et la reproductibilité, et en construction de tableaux de bord interactifs.
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Calcul distribué
Acquérir une vision d'ensemble des outils et méthodes déployés pour traiter de très grands volumes de données (Big Data). Comprendre les choix technologiques en matière de stockage et d'architectures de calcul distribué. Mettre en pratique la programmation Spark pour le traitement de données massives.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Techniques avancées en analyse de données et apprentissage
Maîtriser les fondements théoriques de l'apprentissage supervisé et non supervisé : régression (linéaire, logistique), arbres de décision, clustering, sélection de variables. Acquérir des compétences pratiques en construction, réglage et évaluation de modèles de machine learning. Appliquer les bonnes pratiques en prétraitement des données, choix de métriques d'évaluation, validation croisée et optimisation des performances.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
| Concevoir et simuler des systèmes intelligents complexes pour l’aide à la décision et le contrôle optimal | ||||
|
Modélisation, simulation et applications
| 18.00 | |||
|
Systèmes multi-agents et applications
Comprendre les principes fondamentaux et architectures des systèmes multi-agents (SMA) : agents réactifs, cognitifs et rationnels. Modéliser, concevoir et simuler des systèmes intelligents distribués avec Repast Simphony. Maîtriser la communication entre agents, les protocoles d'interaction, les ontologies et les mécanismes de coordination. Appliquer les concepts SMA à des applications réalistes (transport, cybersécurité, planification).
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Apprentissage par renforcement et contrôle optimal
Comprendre les fondements théoriques de l'apprentissage par renforcement : Q-learning, Deep RL, approches par gradient et approches hybrides. Maîtriser les liens avec d'autres approches d'optimisation : programmation dynamique, méthodes de Monte Carlo, méthodes TD. Acquérir des compétences pratiques : choix d'algorithme selon l'application, problèmes de calcul, évaluation et interprétation des résultats.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Programmation et services Web
Comprendre les fondamentaux de la programmation distribuée et des applications d'entreprise. Maîtriser les aspects théoriques et pratiques des services Web (SOAP et REST). Développer des applications Java EE (Servlets, JSP, MVC, JPA) et implémenter des API RESTful (JAX-RS) et des services SOAP (JAX-WS).
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Modélisation et simulation des réseaux
Acquérir des bases théoriques et pratiques solides en modélisation et simulation de systèmes de files d'attente appliqués aux réseaux informatiques. Appliquer les concepts théoriques dans des simulations pratiques avec SimPy et OMNeT++. Analyser et optimiser les systèmes de réseaux à l'aide de différents modèles de files d'attente.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Méthodes pour les modèles et simulation à grande échelle
Savoir localiser et exploiter les données statistiques ouvertes à grande échelle en France et en Europe. Apprendre les méthodes de simulation et leur utilisation dans des simulations sociales à grande échelle. Acquérir une expérience pratique dans la mise en place de modèles et la documentation de leurs résultats.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 |
Semestre 4
| Enseignements | ECTS | CM | TD | TP |
|---|---|---|---|---|
| Évaluer, expliquer et fiabiliser les systèmes d’intelligence artificielle | ||||
|
Data science
| 8.00 | |||
|
Sûreté de fonctionnement pour les systèmes intelligents
Développer une sensibilisation aux enjeux de sûreté dans les systèmes complexes. Comprendre les principes et techniques clés de l'analyse de sûreté de fonctionnement. Acquérir une compréhension solide des concepts et méthodologies de la fiabilité. Maîtriser la mise en œuvre des principales méthodes d'analyse des risques pour les études RAMS (Fiabilité, Disponibilité, Maintenabilité, Sécurité).
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
|
Intelligence artificielle explicable pour les systèmes intelligents
Comprendre les motivations théoriques et éthiques de l'explicabilité de l'IA : confiance, équité et conformité. Acquérir une expérience pratique en application de méthodes d'interprétabilité sur différents types de modèles. Apprendre à visualiser, évaluer et comparer les explications de modèles pour une conception et un audit responsables de l'IA.
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Evaluation des techniques d'intelligence artificielle
Développer une sensibilisation aux principales problématiques liées à l'utilisation de l'IA. Mener une analyse scientifique de l'état de l'art sur les enjeux de l'évaluation de l'IA : éthique, transparence, sûreté, explicabilité et responsabilité.
Langue de l'enseignement ANGLAIS / ENGLISH | 3.00 | |||
| Optimiser la décision dans les systèmes intelligents en intégrant les dimensions éthiques et sociétales de l’innovation | ||||
|
Modélisation, simulation et applications II
| 6.00 | |||
|
Ethique et acceptation des innovations
Comprendre les enjeux éthiques liés au développement et au déploiement des systèmes intelligents. Analyser les facteurs d'acceptabilité sociale des innovations technologiques. Développer une réflexion critique sur les impacts sociétaux de l'IA et les cadres réglementaires associés
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Optimisation pour les systèmes intelligents
Comprendre les définitions fondamentales et types de problèmes d'optimisation. Maîtriser les techniques classiques d'optimisation linéaire et non linéaire. Apprendre les approches avancées d'optimisation pour les systèmes intelligents, incluant l'optimisation multi-objectif. Explorer les méthodes heuristiques et métaheuristiques pour les problèmes complexes.
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
|
Décision et analyse dans les systèmes intelligents
Comprendre les fondements et méthodes de la prise de décision multicritère (MCDM). Savoir modéliser et analyser des problèmes de décision complexes impliquant incertitude, risque et critères multiples. Maîtriser les outils d'aide à la décision et sélectionner les méthodes appropriées. Appliquer les concepts théoriques à des cas pratiques (sélection, classement, conception, choix stratégiques).
Langue de l'enseignement ANGLAIS / ENGLISH | 2.00 | |||
| Découvrir le monde de l'entreprise | ||||
|
Stage et apprentissage
| 16.00 |
CARAYOL Arnaud (M1-M2)
ZARGAYOUNA Mahdi (M2)
VANTIEGHEM Nicolas (M2)
Partenaire(s)
Double diplôme avec l'Université de Lisbonne
- Double diplôme avec Technische Hochschule Köln