Master 2 Sciences, Technologies, Santé

2021-2022Informatique

IntelligenceDécisionnelle

M2 ID

SOMMAIRE

Contacts de la formation 02Calendrier 2021-2022 05 Présentation de la formation 07Volumes horaires et évaluations 09Contenu des enseignementsSemestre 3 11Semestre 4 16

PDF interactifpour revenir au sommaireutiliser sur les pages

CONTACTS DE LA FORMATION

Assesseure à la PédagogieSandrine TRAVIERTél. : 02 41 73 50 01sandrine.travier@univ-angers.fr

Responsable pédagogique et Président du JuryStéphane LOISEAUTél. : 02 41 73 52 06stephane.loiseau@univ-angers.fr

Gestion de la scolarité et des examensMarie-Paule TUDEAUTél. : 02 41 73 53 95marie-paule.tudeau@univ-angers.fr

Scolarité - ExamensBâtiment A, Rez-de-chaussée, Bureau A003Horaires d’ouvertureLundi au vendredi 8h30 - 13h3013h30 - 17h00Fermé le mardredi après-midi.

PAGE 2 l CONTACTS

CALENDRIER

Premier semestre

Rentrée et début des cours Mercredi 01 septembre 2021

Vacances d’automne Du samedi 23 octobre 2021 au lundi 01 novembre 2021

Vacances de fin d’année Du samedi 18 décembre 2021 au dimanche 02 janvier 2022

Fin des cours du 1er semestre Lundi 28 février 2022

Jury 1er semestre l Session 1 Vendredi 11 mars 2022

Deuxième semestre

Vacances d’hiver Du samedi 12 février 2022 au dimanche 20 février 2022

Stage Dumardi 02 mars 2022 au vendredi 19 août 2022 (ou 01 juillet après accord du responsable de formation)

Soutenance de Stage Du lundi 24 août 2022 au vendredi 26 août 2022 (ou 6 juillet)

Jury Année l Session 1 Mardi 30 août 2022(ou 8 juillet)

PAGE 5 l CALENDRIER

Planning susceptible de modifications

Les projets sont prévus les deux semaines avant les vacances d’automne ; puis une semaine avant et une semaine après les vacances de fin d’année.

Présentation de la

formation

Le master informatique dispense une formation générale sur les aspects fonda-mentaux et pratiques de l’informatique. A l’issue d’un M1 commun, l’étudiant choi-sit une spécialité parmi deux en M2 : la spécialité Intelligence Décisionnelle (ID) ou la spécialité Analyse, Conception et Développement Informatique (ACDI).Ces deux spécialités comportent un tronc commun de culture d’entreprise (an-glais, droit, etc.) et certains cours disciplinaires (programmation parallèle et dis-tribuée, fouille de données, bases de données, transfert de technologie). La partie spécifique disciplinaire (informatique) de chaque spécilité représente environ 50% des enseignements. La spécificité disciplinaire du M2 Intelligence Décisionnelle porte sur des cours centrés sur l’intelligence artificielle, l’optimisation et la décision, en présentant les fondamentaux et les derniers résultats de recherche dans ces domaines. Un stage en entreprise ou en laboratoire de recherche a lieu en fin de formation sur quatre à six mois.

PAGE 7 l PRÉSENTATION DE LA FORMATION

OBJECTIFS DE LA FORMATIONL’objectif du master informatique est de former des informaticiens polyvalents d’une part capables d’appréhender complètement le cycle du développement logi-ciel depuis la définition des besoins jusqu’au déploiement et la validation d’une ap-plication informatique et d’autre part capable de mener des projets de recherche ou recherche et développement.La spécialité ID permet aux étudiants de découvrir particulièrement des problé-matiques actuelles de recherche ; le stage s’effectue en laboratoire de recherche (privé ou public) ou en entreprise. La majeure partie des étudiants font le stage en laboratoire de recherche.

Les étudiants issus d’une licence 3 en informatique ou équivalent pour le M1 ; les étudiants issus d’un M1 en informatique pour le M2.Les ingénieurs diplômés.Les élèves ingénieurs en informatique de dernière année sont susceptibles d’effec-tuer le M2 en parallèle (se renseigner).

POURSUITE D’ÉTUDES ET INSERTIONLes principaux métiers dans lesquels s’intègrent les étudiants issus du master informatique, spécialité ID sont les suivants : chercheur (doctorant ou dans des laboratoires), concepteur logiciel, chef de projet informatique, administrateur de bases de données, administrateur réseau, administrateur web, ingénieur re-cherche et développement, enseignant-chercheur, ingénieur de recherche. A l’issue de la spécialité ID environ un tiers des étudiants poursuit en thèse. Ces thèses ont lieu au LERIA (Angers), dans d’autres laboratoires publics (France, USA, japon...) ou privés (EDF, Orange...).

PUBLIC VISÉ

VOLUMES HORAIRESÉVALUATION

PAGE 9 l VOLUMES HORAIRES - ÉVALUATION

Règles de contrôle de connaissances>Les UE4 Focus sur applis et UE6 conférences professionnelles scientifiques sont vali-dées par présence, pas de dispense d’assiduité.>Le calcul de la moyenne de l’année se fait de la manière suivante : (2 * semestre3 + semestre4) / 3>Pour être admis, il faut que la moyenne générale >= 10 et que la moyenne des cours de semestre 3 (hors transfert et focus) pondérés par leurs ECTS soit >= 10.

CT = Contrôle TerminalCC = Contrôle continuDA = Dispensé d’AssiduitéP = Présentiel

Un classement peut être fourni, pour le doctorat, par le res-ponsable de spécialité, sur la base de la moyenne des cours de semestre 3 (hors transfert et focus) pondérés par leurs ECTS.

P P

CONTENU DES

ENSEIGNEMENTS

SEMESTRE 3

Programmation parallèle et distribuéeParallel programming

Responsable Jean-Michel Richer

ObjectifDécouverte des notions liées à la programmation parallèle et distribuée. Travail sur les algorithmes classiques et découverte des technologies OpenMP, MPI et Intel Threading Building Blocks (TBB).

Connaissances et compétences visées― Être en mesure de paralléliser du code séquentiel en utilisant l’une des deux tech-nologies OpenMP, MPI.― Être en mesure de réaliser des traitements batch afin de mesurer les performances des algorithmes.― Être capable d’interpréter les résultats et déterminer le facteur de performance d’un algorithme parallèle par rapport à un code séquentiel.― Savoir dans quelles conditions il est intéressant de paralléliser le code.― Savoir déterminer combien de coeurs ou de machines sont suffisants pour obtenir un gain maximum.

PAGE 11 l CONTENU DES ENSEIGNEMENTS

Ue 1

Fouille de donnéesData Mining

Responsable Béatrice Duval

ObjectifLa fouille de données est un élément clé de l’informatique décisionnelle et concerne déjà de nombreux secteurs d’activités. L’objectif de ce cours est de présenter le pro-cessus d’extraction de connaissances à partir de données et sa mise en oeuvre expéri-mentale à l’aide d’une plate-forme de fouille de données telle quel «weka». Un projet ou un approfondissement sur un sujet ouvert du domaine complète les enseignements.Points abordés : Processus d’extraction de connaissances ; Data mining prédictif ou descriptif. Principales techniques de classification supervisée : arbres de décision, ré-seaux de neurones, SVM, ... Méthodologie de validation en classification supervisée. Classification non supervisée. Recherches de motifs fréquents.

Connaissances et compétences visées― Comprendre la démarche d’extraction de connaissances à partir des données et son intérêt dans un processus décisionnel.― Identifier les problèmes relevant de la fouille de données et distinguer le data mining prédictif du data mining descriptif.― Connaître les principales méthodes de classification supervisée : arbres de décision, réseaux de neurones, SVM, …― Savoir mettre en oeuvre une méthodologie de validation pour le data mining prédictif― Connaître quelques méthodes de data mining descriptif : la recherche de motifs fréquents.― Maîtriser la mise en oeuvre d’une étude de data mining grâce à une plate-forme logicielle telle que Weka.― Pouvoir réaliser une veille technologique dans le domaine de la fouille de données.

Ue 2A

PAGE 12 l CONTENU DES ENSEIGNEMENTS

Transfert de technologie - Problème combinatoireTechnology transfer

Responsable David Lesaint ObjectifComment intégrer une technologie issue d’un domaine de recherche (ici un solveur de contraintes) dans un site web ? Cet enseignement permettra aux étudiants de voir les avantages de modéliser simplement un problème difficile dans un solveur plutôt que d’implémenter un algorithme ad-hoc compliqué et difficilement compréhensible. Après une brève présentation des concepts et principaux langages de modélisation (Mini-Zinc, etc.), l’accent sera mis sur la modélisation d’un problème réel (réservation de ressources, choix d’itinéraire, planification, etc.), de sa résolution et de la présentation des résultats dans un site web.

Connaissances et compétences visées― Identifier un problème combinatoire lors de l’étude d’un cas concret (planification d’itinéraires, réservation de ressources, problèmes de gestion de l’énergie etc.).― Proposer et choisir un modèle pour le représenter en vue de le résoudre par une technique de résolution éprouvée.― Connaître et utiliser des techniques de résolution (solveur CSP, SAT, etc.).― Intégrer des outils de R&D dans un environnement de présentation (Web ou autre).

Ue 2B

Bases de données avancéesAdvanced data base

Responsable Stéphane Loiseau

ObjectifCe cours fait suite aux cours de bases de données qui fournissent les fondements théo-riques et pratiques des bases de données utilisées aujourd’hui dans le monde profes-sionnel, en particulier le modèle relationnel. Il a pour objectif de fournir un panorama de modèles de bases de données qui peuvent s’appliquer dans des domaines avancés.

Connaissances et compétences visées― Panorama des systèmes de bases de données.― Comprendre les bases des bases de données décisionnelles (entrepôt de données, cube de données).― Assimiler le fonctionnement du modèle déductif des bases de données.― Savoir mettre en oeuvre les modèles de bases de données floues.― Avoir des bases sur NoSQL.― Connaître quelques modèles connexes aux bases de données (graphes conceptuels, objet...).

Ue 3

Représentation des connaissances, textes, documents et raisonnement Knowledge representation, texts, documents, reasoning

Responsable Igor Stephan ObjectifCe cours a pour objectif d’introduire aux différents aspects des fondamentaux de la représentation des connaissances, des informations non classiques, de la complexité, du traitement de données textuelles et de l’ingénierie linguistique.

Ue 4A

PAGE 13 l CONTENU DES ENSEIGNEMENTS

Connaissances et compétences visées― Comprendre les raisonnements d’IA : déduction, induction, abduction, révision, mise à jour, argumentation.― Comprendre l’imperfection des informations et de l’insuffisance de la logique clas-sique : incomplétude, imprécision, incertitude, non monotonie, ...― Maîtriser des formalismes et outils logiques non classiques utiles au traitement des imperfections des informations : logiques des défauts, programmation logique non monotone, théorie des possibilités, logique floue, réseaux bayésiens, gestion de l’inco-hérence et gestion des préférences.― Connaître la modélisation et résolution logique de problèmes complexes (ASP, QBF).― Comprendre la complexité théorique sous-jacente (PSPACE et la hiérarchie polyno-miale).― Maîtriser l’analyse sémantique de textes : représentation des connaissances lan-gagières. ― Comprendre l’analyse pragmatique en utilisant le contexte.

Ue 4B

Systèmes à base de connaissances et interactionsKnowledge based systems, interactions

Responsable Stéphane Loiseau

ObjectifIl s’agit d’introduire aux grands principes des systèmes à base de connaissances et des systèmes interactifs les utilisant. Ce cours fournit les fondamentaux du domaine et les résultats saillants des travaux de recherche.

Connaissances et compétences visées― Connaitre les systèmes à base de connaissances.― Savoir mettre en œuvre les mécanismes d’inférence des systèmes à base de connais-sances.― Connaitre le génie des connaissances et mémoire d’entreprise.― Connaitre le modèle des cartes cognitives.― Connaitre le Modèle des cartes conceptuelles.― Comprendre ce qu’est la validation des systèmes symboliques.― Panorama des systèmes visuels de connaissances (graphes conceptuels, réseaux bayésiens…).― Connaitre les systèmes de maintien de vérité.― Avoir la capacité à analyser un article scientifique dans le domaine et à l’exposé. ― Être capable d’implémenter un logiciel simple sur une plate-forme pour la récupé-ration et l’analyse des données envoyées par des objets (par exemple une application simple sous Android affichant les données d’un objet connecté).

Ue 4C

Focus sur applis recherche – Optim/Connaissances Focus on search applications

ObjectifL’objectif de ce cours est multiple et variable d’une année sur l’autre. Il peut porter tant sur des applications de la recherche en bio-informatique, optimisation des réseaux, planification, optimisation multi objectif, transformation de modèles, ASP que sur des grands thèmes de recherche comme l’intelligence artificielle, l’optimisation, l’automa-tique, de aspects des mathématiques.

PAGE 14 l CONTENU DES ENSEIGNEMENTS

MétaheuristiquesMetaheuristics

Responsable Jin-Kao Hao

ObjectifCet enseignement présente les éléments fondamentaux des métaheuristiques qui sont des méthodes d’optimisation approchées générales et applicables dans de très nom-breuses situations. La présentation mettra l’accent sur les concepts de base de dif-férents types de métaheuristiques incluant notamment les méthodes de recherche locale à trajectoire unique, les algorithmes évolutionnaires à base de population, les méthodes hybrides. Des stratégies dédiées à l’intensification et la diversification ainsi que les techniques de traitement de contraintes seront abordées. Des exemples seront proposés pour illustrer comment aboutir à une conception d’un algorithme métaheuris-tique efficace. Des applications réelles seront étudiées dans des secteurs variés comme les réseaux mobiles, la bio-informatique et le transport.

Connaissances et compétences visées― Être capable de formaliser un problème combinatoire complexe.― Être capable de concevoir et implémenter des algorithmes heuristiques pour ré-soudre le problème formalisé.

Ue 5A

Algorithmes intelligents pour l’aide à la décisionIntelligent Algorithms for decision making

Responsable Frédéric Saubion

ObjectifCet enseignement aborde les aspects avancés des approches de résolution de pro-blèmes combinatoires de type métaheuristiques. L’objectif de ce cours est de com-prendre l’importance des paramètres qui régissent le comportement de ces techniques de résolution et qui, par conséquent, déterminent leur efficacité. Ainsi, pour concevoir des méthodes de résolution de problèmes plus intelligentes, il convient de proposer une méthodologie de réglage et de contrôle de ces paramètres, qu’ils soient structurels (composants algorithmiques par exemple) ou comportementaux (paramètres numé-riques), nécessitant d’introduire au sein de l’optimisation des outils de l’intelligence artificielle (apprentissage, raisonnement par cas…). Autour d’un cas concret, ce cours aura pour objectif d’aborder les diverses facettes de ce domaine en plein essor (ges-tion de portfolios d’algorithmes, réglages automatique hors-ligne, contrôle dynamique de paramètres…). Ce cours sera également l’occasion d’aborder les techniques d’ap-prentissage par renforcement (problèmes de bandits, Qlearning…). Evidemment ces techniques s’appliquent dans des champs plus vastes, dès lors que l’on doit ajuster les paramètres d’algorithme quelconque.

Connaissances et compétences visées― Utiliser les concepts fondamentaux de l’apprentissage en ligne (prédiction, proces-sus décisionnels de Markov…).― Etablir un plan d’expérimentation et évaluer de manière rigoureuse les perfor-mances d’un algorithme.― Concevoir une métaheuristique complexe (évolutionnaire ou par voisinage) et iden-tifier clairement ses paramètres. ― Introduire des composants intelligents dans un algorithme stochastique. ― Analyser et évaluer les performances d’un algorithme sur un ensemble de jeux de

Ue 5B

PAGE 15 l CONTENU DES ENSEIGNEMENTS

tests identifiés.― Utiliser la représentation en paysages de fitness pour la conception et l’évaluation des algorithmes et opérateurs de recherche locale et évolutionnaires.― Comprendre et maitriser les concepts fondamentaux de l’optimisation intelligente (No Free Lunch Theorems pour l’optimisation, transformations de modèles …).

Approches de résolution exacteApproaches to exact resolution

Responsable David Lesaint

ObjectifL’objectif de ce cours est d’appréhender les concepts et de méthodes fondamentaux permettant de modéliser et résoudre de manière exacte des problèmes d’optimisation combinatoire et de satisfaction de contraintes. Dans le cadre de l’optimisation combi-natoire seront présentées les méthodes de réduction, génération de coupes, analyse polyhédrale, reformulation, décomposition, génération de colonnes et hybridation avec méthodes de recherche locale (matheuristiques). Dans le cadre des problèmes de sa-tisfaction de contraintes seront présentées les méthodes de recherche arborescente, heuristiques de branchement, maintien de consistance, élimination de symétries, uti-lisation de contraintes globales, décomposition et hybridation avec méthodes de re-cherche locale.

Connaissances et compétences visées― Connaître les méthodes générales de réduction des problèmes mis en œuvre par les pré-solveurs.― Être capable de comparer deux formulations d’un même problème, et éviter les phénomènes comme la symétrie et les big M.― Savoir utiliser les méthodes de génération de coupes pour la programmation entière.― Connaître l’analyse polyédrale : inégalités valides, faces, facettes et les techniques d’amélioration des formulations comme le lifting.― Savoir appliquer des méthodes de reformulation et de décomposition (comme celles de Dantzig-Wolfe et de Benders).― Savoir appliquer la génération de colonnes, et connaître les éléments importants d’un algorithme de branch-and-price.― Connaître le principe des matheuristiques (méthodes hybrides).― Savoir modéliser un problème de satisfaction de contraintes (CSP) et être capable de comparer différents modèles d’un même problème.― Connaître les techniques de résolution de contraintes : fermeture par consistance locale, backtracking et couplage avec propagation de contraintes, heuristiques, élimi-nation de symétries.― Savoir utiliser des contraintes globales et en connaître les méthodes de propagation sur quelques cas.― Connaître les principales classes polynomiales de CSP.― Connaître le principe des méthodes de type LNS hybridant recherche locale et réso-lution de contraintes.― Savoir identifier des classes d’applications où la programmation par contraintes peut être utilisée à bon escient.

Ue 5C

SEMESTRE 4

Culture d’entrepriseCorporate culture

Responsable Vincent Barichard

ObjectifIl s’agit de permettre aux étudiants d’acquérir des notions leur permettant de mieux appréhender et de s’intégrer au monde de l’entreprise.Ainsi, ils devront atteindre le niveau B2 du cadre européen commun de référence pour les langues (CECRL). Les étudiants aborderont aussi les spécificités de l’anglais scien-tifique, technique et professionnel. Ils prépareront parallèlement et passeront le TOIC, attestation de niveau linguistique reconnue par les entreprises.Ils acquerront les techniques de communication leur permettant de valoriser leur par-cours et leurs compétences, mais aussi d’animer une réunion et une équipe. Ils étudie-ront également les particularités du droit appliqué au domaine informatique et notam-ment les concepts de propriété intellectuelle et de droit logiciel.Enfin, des séminaires et conférences mensuels dont les intervenants seront issus des entreprises seront organisés afin de familiariser les étudiants avec des applications et problématiques industrielles. Les séminaires seront plutôt le lieu de présentation d’applications ciblées mais néanmoins représentatives réalisées en entreprises. Les conférences, quant à elles, seront dédiées à la présentation plus générale de certaines problématiques posées dans le secteur de l’informatique industrielle ou de secteurs limitrophes.

Connaissances et compétences visées― Savoir tenir une conversation en anglais.― Savoir rédiger des documents de travail en anglais.― Savoir se présenter auprès des recruteurs.― Savoir écrire une lettre de motivation.― Connaître les principales ressources informatiques liées à la propriété intellectuelle.― Savoir animer une réunion.― Savoir animer une équipe projet.― Savoir communiquer au cours des différentes étapes d’un projet.― Connaître les problématiques de l’informatique industrielle.― Connaître la réalité du secteur informatique actuel.

Ue 6

PAGE 16 l CONTENU DES ENSEIGNEMENTS

Projet annuelAnnual project

Responsables Béatrice Duval, Adrien Goeffon, Stéphane Loiseau (Project)

ObjectifProjet réalisé entre septembre et mars et comptabilisé au 2ème semestre pour le contrôle des connaissances. Il s’agit pour un groupe d’étudiants de réaliser un logiciel en mettant en œuvre les connaissances relatives au Génie Logiciel et la Gestion de Projet.

Connaissances et compétences visées― Savoir concevoir un cahier des charges.― Être capable de concevoir une application.

Ue 10

PAGE 17 l CONTENU DES ENSEIGNEMENTS

Connaissances et compétences visées― Être capable de travailler en équipe.― Savoir écrire un rapport de synthèse.― Être capable de présenter un projet.

Stage OU TERInternship or study and research work

Responsable Béatrice Duval

ObjectifDeux modalités de stage sont possibles: soit recherche soit professionnel. Le choix du stage se fait en accord avec le responsable du master ou le responsable des stages.En ce qui concerne le stage recherche, il a pour objectif de permettre à l’étudiant de mener un projet de recherche dans le cadre d’un laboratoire. Ce projet a lieu sur un problème ouvert. L’étudiant effectue une bibliographie sur ce problème, propose des solutions originales et les met en œuvre. Il rédige dans un rapport ses résultats et présente son travail. Une attention particulière doit être apportée à la bibliographie, la formalisation des résultats, à la programmation nécessaire pour la mise en œuvre et à la communication au jury. En ce qui concerne le stage professionnel, il a pour objectif de permettre aux étudiants de mener un procéder à l’immersion des étudiants dans le monde professionnel au travers de la réalisation, la maintenance ou l’amélioration d’un logiciel sur une longue durée ce qui peut par la suite donner lieu à une embauche. L’étudiant devra se confron-ter à des aspects théoriques et pratiques caractérisés par son domaine de compétence ainsi qu’à des facteurs humains et économiques liés au monde professionnel.

Connaissances et compétences visées― Savoir s’intégrer à un laboratoire ou une entreprise.― Savoir s’intégrer à une équipe.― Être capable de mettre à profit ses compétences dans un milieu professionnel.― Être capable de synthétiser son travail et de le présenter.― Être capable de comprendre, formaliser et implémenter des travaux de recherche.

Impr

essi

on S

ervi

ce R

epro

grap

hie

UA

Administration ı Scolarité ı Enseignement (Amphi A à E)Biologie végétale ı Physiologie végétale ı Travaux pratiques biologieTravaux pratiques biologieTravaux pratiques chimieDépartement de Géologie ı Recherche environnement (LETG -LEESA) ı Recherche géologie (LPGN-BIAF)Travaux pratiques physiqueEnseignement ı Travaux pratiques physiqueDépartement de Physique ı Recherche physique (LPHIA)Travaux pratiques biologieDépartement de Biologie ı Recherche neurophysiologie (SIFCIR) ı Travaux pratiques biologie, géologieDépartement Informatique ı Recherche Informatique (LERIA) ı Travaux pratiques géologieDépartement Mathématiques ı Recherche Mathématiques (LAREMA)Chimie enseignement ı Travaux pratiquesDépartement de Chimie ı Recherche Chimie (MOLTECH Anjou)Espace multimédia ı Enseignement (Amphi L001 à L006) ı Salle d’examen rez-de-jardin

ABB’CC’DDaDbEFGHIJKL

ParkingPersonnels

ParkingPersonnels

ParkingPersonnels

LBÂT.

LASERREH

BÂT.

ABÂT.

BBÂT.

FBÂT.

EBÂT.

CBÂT.

C’BÂT.

GBÂT.

DBÂT.

BÂT. B’ BÂT.

DA

BÂT. DB

E

o

N

s

iBÂT.

JBÂT.

ACCUEIL

GAZ

P3BÂT.

BÂT.

BÂT. M

NO

Entrée et sortiepiétons

Entrée etsortiePiétons

Entrée et sortiePiétons

2 Boulevardde Lavoisier

4 Boulevardde Lavoisier

Entrée et sortieVéhicules

Entrée et sortieVéhicules

BÂT. K

2, Boulevard Lavoisier49045 ANGERS CEDEX 01T.0241735353www.univ-angers.fr