• l’informatique générale (codage, langages, matériels, etc.) et la culture scientifique et technologique;
• les réseaux numériques et sociaux;
• la connaissance des systèmes d’information documentaire (p.ex. la GED collaborative, portail documentaire, SAE, etc.);
• la mise en place, l’usage et l’administration d’un système de gestion de bases de données (SGBD);
   le cadre normatif et la propriété industrielle.

L’UE LIFAP1 proposée aux étudiants de première année de Licence Math / Info permet d’acquérir des connaissances de base en algorithmique. Une fois la syntaxe algorithmique assimilée, la traduction se fera dans un langage impératif. Ainsi, le programme de l’UE peut se subdiviser en deux grandes parties :

1- Algorithmique
           syntaxe algorithmique
           écriture d'algorithmes
           structures de contrôle : itérations, conditions
           sous-programmes (fonctions / procédures)

           mode de passage des paramètres dans des sous programmes
            tableaux / chaînes de caractères
            structures
           
2- Programmation impérative

Traduction dans un langage de programmation adapté des notions algorithmiques étudiées (fonction/ procédure, alternative, séquence, structures, tableaux, chaînes de caractères, …)

Organisation

Plusieurs grands thèmes sont proposés dans le format suivant.

• 1 cours magistral présente globalement les aspects théoriques (mathématiques / physiques / informatiques / …) nécessaires à l’élaboration et à la compréhension du thème.
• 2 séances de TD permettent une analyse plus approfondie et une formalisation du problème.
• 3 séances de TP permettent de finaliser le travail et d’aboutir à une application opérationnelle.

Les notions de mathématiques utilisées à travers des applications sont : calcul vectoriel, notion de dérivée/intégrale/gradient, nombre complexe, interpolation, discret/continu, dénombrement, notions de géométrie, etc.

Les notions d'informatique utilisées sont : algorithme de recherche, de stockage dans des structures de données simple (tableau 1D, 2D), voisinage ; gestion d'une première interface avec une boucle d'évènements ; algorithme d'optimisation; calcul discret, différence finie, etc.

• Biologie : mutations génétique, variante autour du jeu de la vie : évolution de la chaine alimentaire, simulation d’un écosystème, modélisation et interaction cellulaires appliquées par exemple à la production de motifs de fourrures (tâches, rayures), etc. 

• Physique : propagation de la chaleur dans une grille discrète, optique/lancer de rayons, etc.

• Economie : équation différentielle d'évolution de prix, simulation d'interaction entre vendeur/acheteur (loi de Hotelling), etc.

• Utiliser un système d’exploitation (ligne de commandes...) en mode utilisateur et administrateur
• Manipuler les expressions rationnelles

• Travailler sur une machine distante
• Décrire les éléments constitutifs d’un ordinateur et de son système d’exploitation (Unix et Windows)
• Dérouler un algorithme

• La notion de système de fichiers et d'utilisateur.
• La syntaxe du langage shell.
• Les expressions régulières.
• Les commandes de manipulation de fichier.

L'UE bases de l'architecture pour la programmation "LIFBAP" est une UE destinée aux étudiants de L1 de licence Sciences et Technologies "Licence Math / Info". L'objectif de ce cours est de présenter les principes fondamentaux et les concepts essentiels sur la notion d'ordinateur, de codage, de fonctionnment interne et de programme et d'instruction au niveau machine. Ces concepts de base sont nécessaires aux enseignements Algorithmique Programmation Impérative, Initiation (LIFAPI) et par la suite aux enseignements Architecture des ordinateurs et Systèmes (LIFAOS).

Contenu de l'UE Bases de l'architecture pour la programmation LIFASR3

• L'algèbre de Boole, fonctions logiques et combinatoires
  • L'algèbre de Boole, opérations de base
  • Propriétés et les fonctions combinatoires
  • Simplification des fonctions logiques : méthodes algébriques et les méthodes graphiques (tableaux de Karnaugh)
  • Les chronogrammes et schéma d'un circuit logique (Logigramme)
• Circuits combinatoires et circuits séquentiels
  • Inverseurs, Multiplexeur et Démultiplexeur, Encodeur et Décodeur, Transcodeur, Additionneur, Comparateur...
  • Bascules de base RS, JK et D, compteurs et décompteur...
• Représentation et codage des données
  • Systèmes de numération : décimal, binaire, octal, hexadécimal, conversion d'une base à une autre base, opérations
  • Représentation de l’information: nombres entiers non signés et signés, complément à 1 et à 2, les nombres réels, caractères 

• conteneurs de base et leur implantation efficace : tableaux, tableaux dynamiques, listes chaînées, ensemble, tables et dictionnaires,
• conception d'algorithmes itératifs simples à base de boucles,
• conception d'algorithmes récursifs simples,
• notion de pile d'appels de fonction et de tas pour l'allocation dynamique de mémoire.

• Connaissance des différentes étapes de la compilation d'un programme,
• compilation d'un programme décrit sur plusieurs fichiers,
• structures de données en C++ : types primitifs, tableaux, adresses (pointeurs), références,
• allocation dynamique, construction et destruction des structures de données,
• récupération et analyse des erreurs de compilation simples (erreurs de syntaxe, de typage),
• récupération et analyse des erreurs d'exécution simples (erreur de segmentation, boucle infinie).

• Savoir faire des requêtes SQL

1. les bases communes à toute formation plus spécialisée en intelligence artificielle,
2. la capacité à modéliser un problème,
3. la capacité à utiliser le raisonnement logique pour résoudre des problèmes ou découvrir des connaissances,
4. le langage Prolog et son utilisation pour résoudre des problèmes via des raisonnements logiques.

L’objectif général du cours est de permettre aux étudiants d’acquérir les notions de base de l’intelligence artificielle.

Le cours commence par une présentation de l’histoire de l’intelligence artificielle : de ses débuts dans les années 50 à son omniprésence de nos jours, avec la présentation des différentes facettes de l’IA, des mythes et de la réalité.

La modélisation de problème et la recherche de solutions sont abordées en étudiant comment un problème peut être modélisé pour permettre sa résolution. Il faut pour cela définir la notion de « problème » et de principe de modélisation en fonction de la méthode de résolution que l’on veut lui appliquer.

Différentes techniques de recherche de solutions sont présentées (recherche dans un graphe d’états, décomposition du problème, etc.) puis la résolution à partir de raisonnements logiques est détaillée (inférences augmentées d’heuristiques).

Le cours se conclut par la présentation de la notion de systèmes à base de connaissances, de leur architecture, et des exemples.

Des Travaux Pratiques permettent d’illustrer et de prendre en main différentes notions présentées dans le cours : le raisonnement logique et sa programmation à l’aide du langage Prolog.

 Des connaissances de base en programmation Python et des notion en mathématiques/statistiques

Objectifs :

Ce module est composé de parties au sommet de la chaîne de traitement des données qui visent le même objectif de production de connaissances, typiquement pour les décideurs, à partir des données. Il vise à :

●       Permettre aux étudiants d’appréhender les enjeux méthodologiques, technologiques et économiques d’un projet de traitement de données

●       Expérimenter ces enjeux à travers des exemples concrets et pratiques.

●       Assimiler les objectifs du Machine Learning et connaître ses techniques et outils de classification, de régression, de clustering et de sélection de variables.

Plan de l'UE :

●       Tour d’horizon des problèmes & types d’apprentissage (supervisé/non supervisé, classification/régression, single/multi output, statistiques ou non, etc.).

●       Principaux modèles et algorithmes d’apprentissage supervisé (modèles linéaires, réseaux de neuronnes, arbres de décision, Bagging, Random Forest, Boosting) et d’apprentissage non  supervisé (K-means, clustering hiérarchiques, etc.)

●       Les concepts importants préparation de données, critères de performance, overfitting, dilemme biais-variance, validation croisée, données déséquilibrées, données manquantes, ingénieurie des variables, etc.

●       Sélection de variables

●       Text Mining : Préparation de données, TF-IDF, SVD, etc.

●       Mise en pratique sur des jeux de données avec scikit-learn sous Python sur des cas d'études réels.

MIF 16 constitue une ouverture vers les techniques de l'Intelligence Artificielle (IA) les plus récentes. L’objectif est de faire découvrir aux étudiants au moins trois techniques d’IA.

• Réseaux de neurones - Vue générale et présentation rapide du Deep Learning : avoir une idée du domaine (des neurosciences à l'IA), savoir choisir le bon modèle par rapport au problème posé, avoir quelques bases en apprentissage machine, maîtriser le modèle de Kohonen (projection / visualisation de données).
• Modélisation et simulation à base d’agents – ABMS (Agent Based Modeling and Simulation) : montrer comment utiliser les agents (cognitifs ou réactifs) pour modéliser et simuler des systèmes complexes. Familiariser les étudiants avec l’Ingénierie des SMA et les plateformes de simulation (Jade, MadKit, Zeus, Manta, OpenStarlogo , Netlogo,…).
• Présentation des domaines de l’Ingénierie de la Connaissance et de l’Ontologie (dans le contexte du Web sémantique).

Mais le contenu peut évoluer selon les années et inclure d’autres techniques.

Ce cours fait suite au cours « Informatique graphique et image ». Dans le schéma général de la vision par ordinateur, on y aborde d’étape de l’analyse.

 Le syllabus du cours :

• Introduction et bref retour sur segmentation : approche probabiliste markovienne versus déterministes
• Opérateurs morphologiques, transformée de hough
• Opérateurs de convolution : définition propriétés ; opérateurs différentiels (Détecteurs de points d'intérêt ou de "coins"), histogramme de gradients orientés, transformation de caractéristiques invariantes à l'échelle, caractéristiques robustes accélérées, saillance.
• Initiation à l’apprentissage en analyse d’image : après une brève présentation générale des concepts, cette partie sera abordé sous la forme d’une étude de cas.

• Mise en application : réalisation d’un projet  (réalisation sous python) qui portera sur l’extraction des descripteurs de caractéristiques visuel et une initiation à l’apprentissage automatique et application à la classification et la reconnaissance d’objets.

Notions élémentaires de théorie des graphes (graphes orientés/non-orienté, chemins, circuits)

Notions élémentaires de probabilités

Optimisation linéaire (méthode du simplexe)

Représenter des jeux sous forme de graphes

Utiliser l’optimisation linéaire pour déterminer un équilibre de Nash dans les jeux à somme nulle à deux joueurs

Appliquer l’algorithme de Kuhn

Compétences techniques :

Appliquer la méthode  du simplexe pour déterminer des équilibres de Nash sur des exemples concrets.

L’objectif de l’UE est de se familiariser avec des notions simples mais fondamentales de théorie des jeux, principalement l’équilibre des Nash.

Quelques exemples introductifs de jeux non-coopératifs

Théorie de l’utilité / théorème de Morgenstern – Von Neumann

Représentation des jeux : forme extensive vs forme normale

Concepts de solutions basiques : élimination des stratégies dominées / stratégies prudentes

Equilibre de Nash

Stratégies mixtes / théorème de Nash

Théorème Minmax

Equilibres en sous-jeux parfaits / Algorithme de Kuhn

Introduction aux jeux coopératifs

• algèbre linéaire et géométrie élémentaire : points, vecteurs, produit scalaire et vectoriel, normale, rotations, translations, projections, applications linéaires et matrices, barycentres, calcul d'aires et de volumes de formes simples
• programmation en C++ : adresses, références, classes, héritage, compilation de projets complexes impliquant de multiples fichiers et se liant à des bibliothèques externes
• structures de données classiques pour la représentation d'objets 3D : maillages, surfaces implicites, voxels
• algorithmes classiques pour le parcours de structures de données : parcours en profondeur et en largeur, graphes

• manipuler des maillages et leur attacher des données (interpoler dans des faces des données aux sommets, normales sur les sommets, paramétrisation et placage de textures)
• décomposer des problèmes géométriques en requêtes simples (calcul d'intersections, lancer de rayons, recherche de point le plus proche)
• accélérer les requêtes géométriques via la création et l'exploitation de hérarchies de volumes englobants (kd-trees, bvh)
• simuler la circulation de la lumière dans une scène pour des modèles simples : caméra pinhole, éclairage ponctuel et directionnel, matériaux simples

- Concevoir, réaliser et évaluer un logiciel éducatif
- Identifier les fonctionnalités à mettre en place pour concevoir des logiciels éducatifs pertinents (différents modules nécessaires, en particulier pour la personnalisation de l'apprentissage)
- Identifier des spécificités des méthodes de conception et d'évaluation de logiciels éducatifs

Arithmétique modulaire (fonction d’Euler, théorème de Fermat-Euler)

Compétences méthodologiques :

Comprendre les enjeux et les limites de la cryptographie

Découverte de quelques primitives cryptographiques (cryptosystèmes à clés publiques, signature numérique)

Elaborer et analyser des protocoles simples de calculs multi-parties

Compétences techniques :

Implémenter des primitives cryptographiques ainsi que des protocoles simples de calculs multi-parties

L’objectif de l’UE est de comprendre les enjeux et les limites de la cryptographie. Il s’agira aussi de comprendre en détail quelques primitives cryptographiques  

Présentation générale de la cryptographie 

                Cryptographie vs sécurité informatique

Cryptographie symétrique vs cryptographie à clé publique

Définition de la notion de sécurité sémantique

Cryptographie à clé publique basée sur la factorisation

-          RSA

-          Cryptosystème de Paillier

Signature numérique

                Schéma de signature basée sur RSA

Cryptosystèmes homomorphes : applications au calcul-multi-parties

Elaboration et analyse de quelques exemples simples de protocoles.

L'objectif de l'UE est d'aborder l'animation en synthèse d'images sous différents aspects. 

La première partie de l’UE présente l’emploi de modèles physiques pour simuler des phénomènes naturels tels que les fluides, le mouvement d’objets 2D déformables (comme des tissus) ou 3D qu’ils soient déformables ou rigides.

La seconde partie de l’UE concerne l’animation de personnages sous deux approches : l’animation basée donnée et l’animation basée physique. L’animation basée donnée est essentiellement issue de capture de mouvements pour permettre des animations de personnages réalistes. L’animation basée physique présente l’animation de personnages virtuels par contrôle d’un corps articulé plongée dans une simulation physique. 

Les cours théoriques seront illustrés par des TP réalisés essentiellement en C++/OpenGL, complétés éventuellement par une présentation d’un moteur d’animation tel que généralement présent dans les moteurs de jeu.

Notions abordées en cours et/ou TPs

Animation d'objets par modèles physiques :

- Rappel des concepts physiques de base (forces, lois de Newton, etc.)

- Méthodes d'intégration numériques

- Animation d'objets déformables

- Dynamique des objets rigides

- Détection et traitement des collisions entre les objets de la scène

Animation basée donnée pour des personnages :

- Rappel sur l’animation basée squelette et skinning/blendshape

- Présentation des technologies de Capture de Mouvement

- Graphe d'animation

Animation de personnage par contrôle dans une animation physique :

- Rappel sur les fondamentaux de l’animation interactive basée-physique

- Contrôleur de mouvement en boucle fermée

- Régulateur proportionnel et dérivateur

- Maintien de l’équilibre et suivi de mouvement

L’objectif de cette UE est d'acquérir les fondamentaux en synthèse d’image et analyse d’image.

Synthèse

Outils mathématiques fondamentaux, modélisation d’objets tridimensionnels, représentation des matériaux, modèles de visualisation et algorithmes de rendu temps réel et de synthèse d’image réaliste.

• Outils mathématiques : vecteurs, matrices, transformations solides par compositions de matrices homogènes, fonctions de bruit.
• Modélisation : objets surfaciques (maillages, objets définis par révolution, extrusion, carte de hauteurs), objets volumiques (surfaces implicites, voxels)
• Rendu : modèle d’éclairement, visualisation temps réel et synthèse d’image réaliste, lancer de rayon

Analyse
Cette partie du cours propose une introduction aux domaines du traitement d’images. Il est complété par un cours proposé en option dans cette même formation. Dans ce cours, on aborde du principe de l’acquisition d’une image, de la notion de bruit et de son filtrage. On y introduit l’interprétation au sens du signal ainsi que le principe mathématique qui est à la base de ces méthodes. Le programme englobe :

• Introduction et rappels de quelques définitions et vocabulaire : discrétisation et outils fondamentaux (représentation d’une image niveaux de gris/couleur/texture, distance, connexité, …)
• Opérateurs de filtrage : bref rappel des transformations à base d’histogramme (seuillage, amélioration d’image, rehaussement de contraste),opérateur de convolution
• Segmentation d’images :  On visitera les 2 méthodes les plus connues : Division/fusion (split & merge) et la méthode d’agglomération de régions (Region growing). L’accent sera mis sur la complexité et le choix des structures de données adéquat. La partie travaux pratique permettra aux étudiants d’appréhender la sensibilité de chacune des méthodes en fonction du type de l’image.

L’objectif de cette UE est de faire acquérir aux étudiants une identité et une culture professionnelle (savoirs, savoir-faire, aptitudes, méthodes, techniques, outils, etc.) leur permettant de mieux s’orienter dans leur futur milieu professionnel et dans l’environnement politique, économique et institutionnel de la Société de l’Information. Il s’agira également de leur donner les fondamentaux pour mieux gérer l’information scientifique et numérique dans un cadre professionnel, et mieux comprendre le discours des professionnels (ingénieurs, chercheurs….).

Cette UE comprend des enseignements sur :

• les acteurs, du vocabulaire spécialisé (français et anglais), les lieux de rencontre et d’échange de la profession de l’information et de la documentation ;
• les dispositions et procédures légales relatives à l’activité d’information et documentation, notamment en matière de propriété intellectuelle (droit d’auteur, droit de propriété industrielle, etc.) ;
• les techniques d’expression orale et écrite de la communication interpersonnelle et institutionnelle (en français et en anglais).
  

Il s’agit de permettant à l’étudiant de mettre en pratique de manière collective des compétences acquises durant les trois premiers mois de la formation. Les étudiants travaillent dans des conditions réelles sur une commande professionnelle émanant d’un commanditaire réel, dans le domaine de gestion de l’information scientifique et technique. Ils doivent analyser une situation professionnelle, choisir et mobiliser les méthodologies ou outils les mieux adaptés pour répondre à la mission qui leur est confiée et proposer une solution adaptée à la situation professionnelle concernée. 

Chaque projet tuteuré est conduit par une équipe projet (constitué de 3 à 4 étudiants), entre fin décembre et fin avril à raison d’une journée par semaine. Les équipes projet rendent compte de l’avancée de la mission et de la mise en œuvre des actions dont ils ont la charge lors de réunions régulières avec leur enseignant référent et le commanditaire du projet. Le travail de chaque équipe projet donne lieu à la rédaction de divers documents écrits (p.ex. lettre de mission, cahier de charges, rapport d’expérience, etc.), à des présentations orales (p.ex. lors de comités de pilotage ou de réunions avec le commanditaire du projet, etc.) et à la réalisation des livrables (p.ex. base de données, portail documentaire, etc.). Le projet tuteuré est évalué à travers à un livrable final, un rapport écrit, et à une soutenance publique devant un jury.

Il s’agit d’un stage individuel en entreprise de 12 semaines minimum et 16 semaines maximum, à partir de début avril permettant à l’étudiant de mettre en pratique des compétences acquises durant la formation en participant à la réalisation d’un projet en lien avec la gestion de l’information et de la documentation scientifique et technique (p.ex. réorganisation intellectuelle ou physique de la documentation, mise en place de système de veille ou de GED, déploiement de portail documentaire, etc.) dans tout organisme public ou privé : grandes ou petites entreprises, associations, collectivités territoriales, administrations centrales, organismes consulaires, etc.

L’étudiant en stage est suivi par deux encadrants : un tuteur universitaire choisi dans l’équipe pédagogique de la licence selon ses compétences par rapport aux sujets proposés et un responsable de stage dans l’organisme d'accueil, membre du personnel compétent sur la mission proposée.

L’objectif de cette UE est d’aborder et d'acquérir les fondamentaux en Informatique Graphique : image discrète et représentation des espaces de couleur, outils mathématiques fondamentaux, modélisation d’objets tridimensionnels, représentation des matériaux, modèles de visualisation et algorithmes de rendu temps réel et de synthèse d’image réaliste, modèles simples d’animation.

Notion traitées en cours

• Outils mathématiques : vecteurs, matrices, transformations solides par compositions de matrices homogènes.
• Modélisation : maillages, objets définis par révolution, extrusion, carte de hauteurs.
• Rendu : modèle d’éclairement, visualisation temps réel et synthèse d’image réaliste.
• Matériaux : texture, transparence, imposteurs.
• Animation : modèle par poses clefs et interpolation.

Notion traitées en TP

• Modélisation de maillages à l’aide de primitives géométriques, surfaces de révolution.
• Affichage d'objets représentés par un maillage.
• Rendu temps réel : shading temps réel et modèles d’éclairement locaux.

1. Protection des logiciels

2. Protection des données

   • Les informations nominatives (Loi Informatique et Liberté)

   • La protection des bases de données

3. Fraudes Informatiques

   • Vol d’informations

   • Messagerie rose

   • Pédophilie

   • Atteintes aux systèmes de traitement automatisé de données

4. Un droit pour l’Internet

   • Le site Internet et la loi informatique et libertés

   • Les atteintes au droit d’auteur

   • Les infractions de presse

   • La loi applicable a l’Internet

   • La responsabilité des hébergeurs et des fournisseurs d’accès

   • Les noms de domaines

• Compétences :
  • Programmer un logiciel implémentant une spécification fonctionnelle et technique
• Savoirs :
  • Identifier et manipuler les représentations des données en machine
  • Savoir illustrer la bonne exécution d’un programme en programmant les bonnes sorties issues de bons jeux de tests
• Savoirs-faire :
  • Analyser pour préciser le besoin client et produire un cahier des charges
  • Identifier les données utiles au fonctionnement d’un logiciel
  • Comprendre et exécuter un cahier des charges
  • Choisir de façon raisonnée la manière de stocker et d’exploiter les données persistantes d’un logiciel
  • Intégrer les problématiques de tests, de robustesse, de qualité et de sécurité dans l’architecture d’un logiciel
  • Structurer et modéliser le code d’un logiciel pour en faciliter la maintenance et en améliorer la qualité, en utilisant des standards du domaine comme l’UML
  • Produire les documentations d’un logiciel (interne et externe)
  • Planifier les étapes d’un développement
  • Lire et analyser une spécification, en tirer une réalisation
  • Analyser et décomposer une tâche pour concevoir un algorithme
  • Choisir une structure de données pertinente
  • Concevoir un algorithme itératif ou récursif adapté à une structure de données
  • Dérouler un algorithme
  • Lire et analyser une spécification, en tirer une réalisation
  • Résoudre un problème logiciel (erreur à la compilation, à l’exécution)
  • Utiliser les outils de diagnostic (debug à l'exécution, diagnostic mémoire, évaluation de performance)

L’UE «Conception et Développement d’Applications » se trouve dans l’ensemble des UE d’algorithmique et de programmation de la licence STS mention Informatique. L’objectif de cette UE est de donner une première expérience de développement d’une application informatique de taille assez conséquente pour des étudiants ayant suivi déjà 3 UE d’algorithmique et de programmation avant.

Nous abordons essentiellement trois domaines de compétences.

• Conception de l’architecture d’un logiciel : programmation modulaire, diagramme de dépendances des classes, boucle d’évènements, utilisation de librairies externes, multiplateforme ;

• Outils d’aide à la mise au point de programme : débogueur, documentation du code, analyse de performances, makefile, gestion de version de code (git).

• Gestion de projet : cahier des charges, diagramme de Gantt, documentations, rapport, démo, présentation.

• Savoir écrire un algorithme simple en langage algorithmique
  • Manipuler des variables de type booléen, entier, réel, caractère
  • Manipuler des tableaux et chaînes de caractères
  • Connaître les structures de contrôle (tests, boucles, ...)
  • Savoir découper un programme en fonctions et procédures
  • Connaître les modes de passage des paramètres
  • Etre familier avec l’organisation de la mémoire
• Savoir implémenter tout ceci dans le langage C/C++

• Compétences :
  • Architecturer un logiciel complexe en définissant le modèle des données et la structure des composants à concevoir ou à utiliser (Notion)
  • Concevoir des algorithmes répondant à un cahier des charges, en choisissant les structures de données adéquates (Notion)
  • Programmer un logiciel implémentant une spécification fonctionnelle et technique (Notion)
  • Assurer la pertinence, la fiabilité et la qualité d’une solution algorithmique / logicielle (Notion)
• Savoirs :
  • Identifier et manipuler les représentations des données en machine (Notion)
  • Utiliser les algorithmes classiques, les combiner pour résoudre des problèmes complexes (Notion)
  • Reproduire, décrire la chaîne d’interprétation ou de compilation et savoir interpréter/compiler une application avec les systèmes de build standards des langages standards (Notion)
• Savoirs-faire :
  • Lire et analyser une spécification, en tirer une réalisation (Application)
  • Dérouler un algorithme (Application)
  • Résoudre un problème logiciel (erreur à la compilation, à l’exécution) (Application)
  • Identifier les données utiles au fonctionnement d’un logiciel (Notion)
  • Comprendre et exécuter un cahier des charges (Notion)
  • Utiliser des composants logiciels existants et les intégrer dans un développement (Notion)
  • Choisir de façon raisonnée la manière de stocker et d’exploiter les données persistantes d’un logiciel (Notion)
  • Intégrer les problématiques de tests, de robustesse, de qualité et de sécurité dans l’architecture d’un logiciel (Notion)
  • Structurer et modéliser le code d’un logiciel pour en faciliter la maintenance et en améliorer la qualité, en utilisant des standards du domaine comme l’UML (Notion)
  • Analyser et décomposer une tâche pour concevoir un algorithme (Notion)
  • Choisir une structure de données pertinente (Notion)
  • Concevoir un algorithme itératif ou récursif adapté à une structure de données (Notion)
  • Lire et analyser une spécification, en tirer une réalisation (Notion)
  • Évaluer la complexité algorithmique d’une solution / d’un algorithme proposé (Notion)
  • Évaluer en pratique les performances d’une solution (Notion)
  • Utiliser les outils de diagnostic (debug à l'exécution, diagnostic mémoire, évaluation de performance) (Notion)

Le programme de l'UE est le suivant :

• Manipulation des principales structures de données utilisées en informatique
  • Types primitifs: entier, réels, caractères, booléens, pointeurs
  • Types agrégés: tableaux et structures
  • Gestion des entrées-sorties: standard et fichier
  • Structures dynamiques: tableaux, piles, files, listes, arbres, fichiers
• Introduction à la programmation orientée objet
  • Membre, spécificateur d’accès, surcharge d’opérateur
  • Type de données abstrait et programmation modulaire
• Algorithmique
  • Algorithmes de tri (sélection, insertion, fusion)
  • Introduction à la notion de complexité algorithmique

• Comprendre et exécuter un cahier des charges
• Utiliser des composants logiciels existants et les intégrer dans un développement
• Choisir une structure de données pertinente
• Identifier, utiliser et choisir les différents paradigmes de programmation, au moins les classiques : fonctionnelle, procédurale, orientée objet, évènementielle, logique

L’UE se décompose en deux parties :

-     Modélisation Merise

Le but est de présenter aux étudiants, d'un point de vue pratique, les différents formalismes pour la modélisation des données et des activités. Ceci est concrétisé par l'apprentissage de l'Atelier Génie Logiciel (AGL) Graphtalk.

Le TD présente l'étude des différents formalismes : Entités Association (MCD), Diagramme flux de données (MCT), Diagramme Organisationnel de traitement (MOT), Modélisation Logique de Données (MLD), Modélisation Physique de Données (MPD)

Le TP est composé des parties suivantes :

- Etude des fonctionnalités générales de GraphTalk comme outil de modélisation

- Etude des extensions des méta-modèles prédéfinis

- Construction des modèles de données et des modèles de traitement

- Construction du méta-modèle des données et des traitements

- Modélisation UML

La partie UML a pour objectif d’initier les étudiants à la modélisation UML. Après un bref historique sur UML, ce cours présente : les principaux diagrammes utilisés en UML. Afin de voir concrètement l’utilisation de ce modèle de représentation, une étude de cas est proposée aux étudiants. Cette étude servira de fil conducteur au TD et TP associés à cette partie de l’UE (Logiciel Rose).

• Commutation de paquets
• Adressage IPv4
• Encapsulation
• Configuration d'une interface réseau, d'un commuateur et d'un routeur

• Architecture d'un réseau
• Segmentation d'un VLAN
• Routage dynamique
• Adressage IPv6

• Généralités (Réseaux de coeur, réseaux d'accès, retards et pertes de paquets, architecture)
• Couche Application (communication partagée, Socket, Connexion à distance, FTP, Mail, HTTP)
• Couche Transport (Multiplexage, TCP, UDP)
• Couche IP (Routage intra-AS et inter-AS, IPv6)
• Couche Liaison (CSMA, Ethernet, VLAN)
• SDN/NFV

• Comprendre le fonctionnement des applications d’Internet.
• Concevoir une application communicante sur un réseau local ou Internet.
• Mettre en œuvre, installer et configurer les applications d’Internet permettant l’administration d’un réseau local, la gestion des utilisateurs et de leurs fichiers, le nommage des machines, la messagerie électronique.
• Savoir installer et administrer un réseau local avec les services classiques associés à la gestion des utilisateurs et de leurs fichiers avec les systèmes Unix et Windows.
• Savoir mettre en place la redondance dans ces systèmes et en comprendre les mécanismes.
• Etre capable d’identifier les limites d’une solution dans un contexte de production.

• Accès à des fichiers distants (NFS, SMB)
• Gestion d'utilisateurs distants, des noms de machines... (LDAP et Active Directory)
• Les serveurs de noms (DNS)
• Le courrier électronique (POP, IMAP, SMTP, WebMail)

• Active Directory : Gestion multi sites, Relation d'approbation , Gestion des réplications, GPO, Gestion des ACL (dans AD / ntfs), Durcissement de la sécurité (application d'une politique multi Tiers), Scripting en powershell, Radius (configuration de swicth en 802.1x) 
• Environnement Remote Desktop Services (RDS) : Politique de gestion de l'environnement, Mise en ferme, Sécurité avec (AppLocker) 
• Cluster Haute Disponibilité : Service DHCP, Serveur de Fichier 
• Interopérabilité (Linux) : Kerberos / LDAP / NFS

• Présentation des concepts principaux des Bases de données
• Comparaison des différents types de bases de données
• Présentation des concepts principaux des bases de données relationnelles
• Algèbre relationnel
• Normalisation d’une base de données relationnelle
• Applications et exemples de création et manipulation d’une base de données relationnelle
• Présentation de SQL d’un point de vue théorique
• Illustration de SQL/ORACLE d’un point de vue pratique aussi bien pour l’utilisateur final que pour le développeur d’applications
• Utilisation de SQL FORMS
• Utilisation de SQL dans un programme C, C++, Java

L’enseignement proposé vise à connaître les architectures et les principes techniques liés aux communications sans fil et communications mobiles. Les enjeux de sécurisation, de mobilité mais aussi les enjeux économiques sont également abordés.

Mots clés :

Principes des transmissions sans fil, propagation des ondes radio, architecture cellulaire, gestion de la mobilité, partage du canal, généralités sur la couche liaison de données dans les réseaux sans fil, réseaux cellulaires (2G, 3G, 4G, 5G), Réseaux Wifi (802.11a/b/g/n/ac), communication dans l’internet des objets

• Comprendre les spécificités d’un environnement de Cloud computing.
• Acquérir une solide culture de la virtualisation des systèmes.
• Valider la composante stockage en terme de performance d’accès et de robustesse dans une grande infrastructure.

Le but de cette UE est de présenter les principes de la virtualisation et du stockage dans les systèmes informatiques. Ces problématiques seront abordées sous l’angle du cloud computing où les ressources (stockage et calcul) sont souvent nombreuses et distantes.

Les principaux thèmes abordés seront les suivants :

• Introduction au Cloud computing en se focalisant sur la couche de service infrastructure (IaaS).
• Les principes et technologies de virtualisation (ex : translation binaire, paravirtualisation et virtualisation par assistance matérielle)
• Ecosystème de la virtualisation : hyperviseurs, machines virtuelles, containers, technologies de migrations,  switchs virtuelles.
• Les infrastructures de stockage : étude des technologies FC (Fiber Channel) et iSCSI mais aussi des systèmes de stockage distribués tel que Ceph.
• Les solutions (hyper)convergées (systèmes combinant serveurs, baies de stockage et équipements réseau en une référence produit unique). 

Mots-clés : Virtualisation, Stockage, IaaS, Cloud computing.

Présentation des modèles géométriques fondamentaux utilisés en informatique graphique, et des algorithmes permettant leur manipulation :

• Modèles volumiques : surfaces implicites (arbres de construction, signed distance fields, blobs), représentations par voxels
• Modèles surfaciques : formes paramétriques à pôles (Bézier, B-Splines, NURBS), surfaces de révolution et d’extrusion
• Déformations : déformations de formes libres, déformations à partir de courbes de contrôles
• Méthodes numériques pour la modélisation (interpolation, approximation de points dans l’espace)
• Fonctions de bruit, bruit par convolution de noyaux, bruit de Gabor

• pipeline graphique, opengl 4 et shaders
• introduction lumière, matière et interactions
• introduction lancer de rayons
• structures accélératrices pour le lancer de rayons
• introduction simulation réaliste / méthodes de Monte Carlo
• méthodes de réduction de variance, estimateurs Monte Carlo efficaces

L'objet de ce cours est de donner aux étudiants les concepts et les principales approches pour aborder les problèmes fondamentaux de l’analyse d'images et la vision 3D, y compris l'acquisition d'images et les modèles radiométriques de formation d'images, la formation d'images dans la caméra, les concepts de traitement d'images et les concepts avancés comme l'estimation et le suivi du mouvement, la classification d'images, la compréhension de scènes, la classification et le suivi d'objets, la fusion d'images et le recalage d'images, etc.

L'objet de ce cours est de donner aux étudiants les concepts et les principales approches pour aborder les problèmes fondamentaux de l’analyse d'images en général avec un focus sur la vision 3D. Les sujets abordés comprennent les modèles de caméra, la géométrie multi-vues, la reconstruction. Afin d’aborder des algorithmes portant sur des tâches de vision de haut niveau (reconnaissance/classification, reconstruction 3D, …), sans exiger de prérequis, le cours englobera quelques méthodes d’extraction de caractéristiques.

Le syllabus ci-dessous donne un aperçu du programme qui sera abordé. cours consacrés à chacun d'entre eux :

Partie : Vision et apprentissage/réseaux de neurones : reconnaissance et traitement

• Introduction à la vision 3D : formation de l'image / géométrie projective coordonnées homogènes, transformations géométriques
• Modèle de caméra (modèle pinhole) / calibrage de caméra
• Géométrie épipolaire et mise en correspondance
• Reconstruction de la 3^ème dimension monoculaire/multi-vue
  • Stéréoscopie/ par projection de silhouettes (Shape from Silhouette)/ par creusage (space curving)

Partie : Vision et apprentissage/réseaux de neurones : reconnaissance et traitement

• Apprentissage et vision : quelques méthode et modèles de réseaux de neurones
• Mouvement et flux
• Reconnaissance d’entité d’expression/de mouvement/

Application : chacune des parties comporte un projet qui sera à réaliser en python/C++  ; avec des logiciels et des outils support : OpenCV, Tensorflow/Pytorch.

• Codage des entiers, flottants, caractères, dates, arbres, sons, images, vidéo, 3d…
• Théorie de l'information, égalisation de probabilités, Shannon-Fano, Huffman, codage arithmétique..
• Compression de données sans pertes, LZ77, LZ78, LZW, Block Sorting, LZMA2
• Compression de signaux : son, image et vidéo.
• DCT, Ondelettes, fractale (IFS).
• Compression et décompression progressive.
• Applications à la stéganographie et aux marquages des signaux.

L'objectif de l'UE est d'aborder l'animation en synthèse d'images sous différents aspects : de l'animation basée donnée (essentiellement issues de capture de mouvements, permettant des animations de personnage de grande qualité) à l'animation basée sur des modèles physiques (permettant la simulation de phénomènes réels tels que les fluides, le feu, le mouvement de tissus, etc.).  Les cours théoriques seront illustrés par des réalisations pratiques.

Notions abordées en cours et/ou TP

• Dynamique des particules : rappel de cinématique (position, vitesse, accélération), systèmes de particules, lois de Newton, forces (friction, ressort, gravité, équilibre).
• Moteur physique : méthodes d'intégration numérique (Taylor, Euler, Runge-Kutta, Verlet-Leapfrog), stabilité des méthodes d'intégration numérique.
• Animation d'objets déformables : caractéristiques des objets déformables, Mécanique des Milieux Continus (MMC), système masses-ressorts.
• Dynamique des objets rigides : concepts de la dynamique des objets rigides (repère objet, repère monde), évolution de l'état de l'objet rigide, structure de données de l'objet rigide, algorithmes de simulation.
• Détection et traitement des collisions : points de collision, réponse à la collision (force d'impulsion, force de contact), détection des collisions.

• Cinématique directe, quaternion, interpolation de rotation/transformation.
• Skinning, rigging.
• Cinématique inverse : géométrique, Gradient, Jacobien, heuristique comme CCD/Fabrik.
• Pilotage d'un personnage : machine à état, graphe d’animation, motion matching. 
• Ouverture vers les approches récentes de Machine Learning pour l’animation.

• Animation interactive basée sur la physique : rappels des fondamentaux.
• Conception de contrôleurs de mouvement : contrôle dans l’espace des articulations et feedback. local, contrôle par réseau de réponse à stimulus et contrôle par optimisation de dynamique contrainte.
• Contrôleur proportionnel et dérivé, machine à états finis de poses clés, optimisation de paramètres de contrôleur.

Outils employés en TPs

TPs réalisés  en C++/OpenGL avec l’utilisation de la librairie gKit2light développée par Jean-Claude Iehl et du moteur physique Box2D, ou encore utilisation du moteur Unity pour l’animation de personnage virtuel. 

• Caractéristiques d’une image numérique
• Format des données et reconstruction
• Signal, contraste et bruit
• Stockage et échange des images médicales….

• Segmentation et reconstruction 3D
• Modélisation et maillages volumiques
• Suivi de mouvement en imagerie

Après un rapide rappel sur les approches classiques d’apprentissage machine (SVM, Random Forests, boosting, dictionary learning, etc.), l’UE présentera les méthodes récentes de réseaux de neurones profonds (deep learning). Le cours détaillera le principe des réseaux (notion de poids, fonction d’activation, traitement des données), leur entrainement (optimisation, SGD, backpropagation), et donnera aussi certaines techniques de régularisation pour aider à un meilleur apprentissage en limitant les problèmes de sur-apprentissage.

Le cours présentera comment ces approches d’apprentissage sont utilisées pour attaquer les problèmes classiques liés à l’image comme la classification, l'extraction d'informations, la reconnaissance de formes, le suivi, la segmentation, etc. Un large panel des différents types de réseaux (CNN, auto-encoder, LTSM, GAN, etc.) sera donné, ainsi que leurs applications à des problèmes élaborés allant de l’édition (super-résolution, transfert de motifs, de palettes) jusqu’aux méthodes génératives (génération de visages, de maillage, d’animations, de textures, etc.) plus ou moins guidé par l’utilisateur.

• Programmation serveur pour le Web
• Bases de cryptographie (chiffrements, signature, certificat)
• Notions de base de déploiement dans des conteneurs

• des connaissances sur les systèmes de gestion de bases de données, les architectures distribuées, la modélisation de données et les techniques d’analyse de données;
• une bonne maîtrise du langage SQL, et du langage de programmation Python (ou Scala);
• des connaissances en Algèbre Relationnelle seront appréciées.

• du concept de Big Data (Volume, Variété, Vélocité, etc.) et de ses enjeux ;
• du paradigme Map/Reduce et de ses dérivés (e.g. Spark);
• des approches d’intégration de données massives ;
• du principe de partitionnement et de la distribution des données, que ce soit dans un contexte (i) de données relationnelles gérées par une ou plusieurs instances de systèmes de gestion de bases de données et (ii) de données ’simplement’ stockées dans des fichiers;
• de la performance des traitements/requêtes distribués;
• du traitement de flux de données;
• des bonnes pratiques dans la gestion d’un projet Big Data en entreprise.

• Bases de Données Réparties : fragmentation et distribution ;
• Traitement distribué de requêtes ;
• Le paradigme Map/Reduce ;
• L’analyse de données massives (Big Data Analytics).

• Les limites du "Tuning" d’un SGBD pour améliorer le passage à l’échelle
• Conception d’un SGBD Réparti ;
• Plan d’exécution distribué de requêtes SQL ;
• Prise en main de HDFS et Apache SPARK ;
• Partitionnement via Apache SPARK;
• Traitement de flux de données via Apache SPARK STREAMING.

- programmation (python ou C++)
- grands principes des applications et de la programmation Web
- algorithmes de recherche de chemins et de planification
- méthodes et outils de gestion de projet

- comprendre les problématiques de l'Internet et du Web des objets
- mettre en place un projet impliquant des objets connectés
- connaître les problèmes et solutions actuelles en robotique mobile
- savoir appliquer des techniques d’IA au contexte de la robotique mobile
- savoir utiliser et implémenter des modules dans un middleware robotique (Robot Operating System ROS)

L'UE se découpe en plusieurs parties, avec pour socle commun aux différentes parties le lien entre le monde physique et celui de la programmation information, l'utilisation de capteurs et d'actionneurs, et la mise en pratique d'algorithmes enseignés dans d'autres UEs de la formation.

- L'Internet/Web des Objets (IoT/WoT) : l'objectif est de découvrir la programmation embarquée sur microcontrôleur. On mettra notamment l'accent sur la conception d'une application  rendant un service "intelligent" à l'utilisateur, conçue et développée en mode projet. Elle devra respecter les standards du Web et exposer une interface utilisateur.

- La robotique mobile : l’objectif est de fournir un aperçu des problèmes et solutions actuelles dans ce domaine, ainsi que les notions de base nécessaires à leur compréhension (types de navigation, types de capteurs, localisation, cartographie). Le projet qui permet aux étudiants d’appliquer des techniques d’IA à différents problèmes de navigation robotique, en utilisant un middleware et simulateur robotique (ROS+Gazebo). Par exemple les projets porteront sur l’implémentation d’un contrôleur réactif pour la sortie d’un labyrinthe, l’exploration et la cartographie d’un environnement inconnu, le contrôle en formation de robots, ...

- Sélectionner les algorithmes d’apprentissage adaptés au problème à résoudre
- Évaluer les performances des modèles d’apprentissage automatique
- Améliorer le modèle d’apprentissage automatique Implémenter et entraîner (train) des modèles d’apprentissage profond
- Évaluer les performances des modèles d’apprentissage profond

Ce cours est destiné à présenter les thématiques de recherche intervenant dans la conception des Environnements Informatiques pour l’Apprentissage Humain (EIAH). Ce domaine de recherche pluridisciplinaire propose une approche centrée sur les connaissances et sur l’apprenant.

Dans la nouvelle société de l’information, l’usage des Technologies de l’Information et de la Communication a modifié les pratiques de formation. En effet, des besoins de formation tout au long de la vie et de formation à distance nécessitent de concevoir de nouveaux outils informatiques pour l’enseignement. Ces outils informatiques doivent être des systèmes intelligents au sens qu’ils doivent s’adapter à l’utilisateur pour personnaliser l’enseignement. Ils doivent être capables de fournir des explications appropriées à l’apprenant, et donc d’effectuer un diagnostic de ses connaissances pour élaborer un modèle de l’apprenant. Ils doivent également s'adapter aux spécificités de l'apprenant, au niveau de leurs interfaces et de leur fonctionnalités, en particulier dans des situations de handicap, ou dans des situations d'apprentissage collaboratif.

La conception d’Environnements Informatiques pour l’Apprentissage Humain (EIAH) est nécessairement pluridisciplinaire. Nous présenterons dans ce cours les apports des différentes disciplines que sont l’Intelligence Artificielle (IA), la psychologie cognitive, les sciences de l’éducation (didactique, pédagogie) et l’Interaction Homme-Machine (IHM).

Ce cours est une introduction à la visualisation interactive de données. Il couvre :

• Les principes de base de perception, cognition et de visualisation
• La typologie des graphiques pour les principaux types de données
• La réalisation une visualisation Web interactive en utilisant d3.js en utilisant un jeu de données réel

Ce cours permettra à la fois de maitriser les fondamentaux pour utiliser de manière informée des outils de dataviz tels que Tableau, mais aussi créer ses propres outils.

Ce cours a pour objectif de présenter les domaines de l'interopérabilité et les systèmes d’information collaboratifs

• Introduction aux problèmes de l’interopérabilité et de la répartition et l’intégration des données

• Classification des hétérogénéités des données
• Principales approches et architectures d’Interopérabilité
• Architectures à base d’ontologie
• Architectures Orientées Service
• Exemple d’un scénario de conception collaborative
• Développement d’un prototype de développement collaboratif
• OWL, Services Web, Interfaçage du JAVA et la SGBD ORACLE (TP)

• Évaluer et Configurer différentes architectures réseaux (filaire et sans fil)
• Administrer un système d’exploitation

Partie I  Initiation aux Systèmes d'Information pour la Production

- Rôle de la CAO

- Architecture des systèmes de CAO

- Technique de la modélisation géométrique:

    - Modèles volumiques (B-Rep, CSG, extrusion)

    - Formes implicites (modèles algébriques)

    - Formes paramétriques à pôles (Bézier, NURBS)

    - Géométrie Fractal

    - Surfaces implicites équipotentielles

- Techniques de la visualisation

- Structure de données

- Accroissement de l’intelligence des systèmes de CAO

- Modélisation à base de « features »

- Interface H/M et réalité virtuelle

- Développement d’un modeleur géométrique en C++

- Apprentissage d’un logiciel de CAO (CATIA)

- Maquette numérique, Prototypage rapide, Réalité augmentée, Imprimante 3D

Partie 2 : Intégration des SI pour la production

Ingénierie Coopérative et Simultanée, SGDT, PDM, PLM

• Présentation de l’environnement de développement des produits industriels, PLM et l’ingénierie simultanée
• Présentation des problèmes posés par la communication dans un tel environnement
• Solutions pour la communication de l’information, échange de données et partage de données
• Standards pour l’échange et partage de données et de processus (STEP, XML)
• Application et exemples pour la représentation des données de produit et utilisation de STEP et XML pour la normalisation et l’échange de ces modèles
• Développement d'une application PLM, Dynamic Network Manufacturing

Références

- Les dix commandements pour réussir la mise en oeuvre et le déploiement d'un projet ERP.

- Bibliographie ERP.

- Documents SAP  https://www.sap.com/france/

- Standard BPMN https://www.bpmn.org/

•     Commutation de paquets
•     Adressage IPv4
•     Encapsulation
•     Configuration d'une interface réseau, d'un commuateur et d'un routeur
•     Architecture d'un réseau
•     Segmentation d'un VLAN
•     Routage dynamique
•     Adressage IPv6

• Ingénierie de réseaux
• Garantie de QoS
• VXLAN
• Calcul de moyennes et d'intervalles de confiance

• MPLS
• QoS
• VXLAN
• Mesures de performances

• Configuration d'une interface réseau, d'un commutateur et d'un routeur
• Architecture d'un réseau
• Segmentation d'un VLAN
• Fonctionnement d'un WLAN

• Déploiement d'une infrastructure réseaux (VLAN, DMZ, Pare-feu, Proxy...)
• Authentification 802.1x (Radius)
• Attaques DoS et DDos
• Attaques sur protocoles et équipements couches 2 avec Scapy
• Attaques sur WPA2 du Wi-Fi
• Attaques Forensic
• Attaques OWASP (exploitation des 10 failles les plus connues)
• Tests d'intrusion

• Politique de sécurité
• Identité et gestion des accès (AAA, facteurs, Kerberos, contrôle d'accès)
• Contrôle des accès réseaux (802.11x, Radius)
• Séparation des réseaux (commutateur, routeur, pare-feu, NAT, VLAN, Proxy)
• Architecture réseau sécurisée (DMZ, cinématique, rupture protocolaire)
• VPN (IPsec)
• Sécurisation d'un réseau sans fil (WLANs, WPA)
• Equipements avancés de sécurité (IDS, IPS)
• Sécuriser emails et web (signature, TLS, proxy)
• Attaques réseaux (spoofing, arp poisoning, Man-in-the-middle, DoS)
• Outils réseaux (scan de vulnérabilités, wireshark, logs)
• Tests d'intrusion

Concevoir des classes répondant à un cahier des charges, en choisissant les structures de données adéquates       

Résoudre un problème logiciel (erreur à la compilation, à l’exécution)   

Programmer de petites applications

Analyser et interpréter les résultats produits par l'exécution d’un programme   

Interpréter (à la main et via un programme) un code écrit dans un langage

• Bases de la programmation en JAVA, concepts de base de l'orienté objet
• L'héritage et Polymorphisme
• Classes abstracts et Interface
• Chaînes de caractères
• Les exceptions 
• Les classes génériques en Java 
• Les interfaces graphiques

• Déployer une infrastructure multi-composants (VM, SG, RTR..) avec Terraform
• Installer des logiciels et des fichiers de configuration avec Ansible
• Versionner les fichiers avec git
• Vérifier et déployers des fichiers de configuration avec de l'intégration continue
• Surveiller des métriques automatiquement avec Prometheus
• Stocker et centraliser les journaux avec ELK ou Loki
• Afficher les journaux et les métriques avec les tableaux de bord Grafana

Cette UE propose une introduction au concept de l’informatique en nuage (Cloud Computing) et de ses principaux modèles de service (Saas, PaaS, IaaS). 
Nous discuterons en cours du Modèle économique du Cloud, de la Gestion et de l'administration des Clouds, de l'Intégration et de l'interoperabilité des Clouds et enfin de la Sécurité et la confidentialité dans le Cloud.

A ces cours sont associé des séances de Travaux Pratique sur la plateforme de Cloud privé disponible au sein du département Informatique. Nous y déploierons des machines virtuelles et des containers pour lesquelles nous développerons des services web et API simples.