Master Sciences, Technique, Santé

Nom de l’UE : Mif23 - Analyse et synthèse d’image Nombre de crédits : 6 UFR de rattachement : UFR Informatique Responsables d’UE : Saida Bouakaz Tél. : [phone] Mèl. : [e-mail] Contact formation : Behzad Shariat Tél. : [phone] Mèl. : [e-mail] Enseignement présentiel : 60 heures Répartition de l’enseignement présentiel : Cours Magistraux 30 heures Travaux Dirigés 21 heures Travaux Pratiques 9 heures
Contrôle des connaissances
Contrôle continu : coefficient 0,33 TP	Examen terminal : coefficient 0,67
Type de l’UE Obligatoire : NON Formation : Parcours : Optionnelle : OUI  Formation : MASTER 1 mention informatique Parcours : Général Place de l’UE dans le parcours : M1 Semestre : S2 Modalités d’accès à l’UE (pré-requis conseillés) : NON Lesquels :
Programme – contenu de l’UE Analyse d’image : Introduction à l’image numérique, présentation succincte du système visuel humain, acquisition par une caméra et codage Rappel des différents formats d’image, Traitement mathématique de l’image : Définition et propriété d’une convolution Introduction au filtrage : filtres passe bas, filtres passe haut, transformation de voisinage Application au lissage d’images Segmentation d’image : définition de la segmentation d’image, Méthodes utilisant le seuillage d’histogramme présentation de quelques méthodes fondées région : « Region growing, Split and Merge » Synthèse d’image : Pipeline graphique (Clipping / Remplissage de polygones / Élimination des parties cachées : Zbuffer et lancer de rayons / Modèle d'éclairement locaux ; lissage ; couleur) Représentation et modélisation : primitive géométrique de base, extrusion, révolution ; notion de graphe de scène Notion de textures : paramétrisation, antialiassage, piste pour la génération Introduction aux techniques d’animation Mise en pratique avec OpenGL ou lancer de rayons (C/C++) Compétences acquises Méthodologiques : Analyse d’image : Avoir une initiation aux traitements d’image, comprendre les algorithmes de base pour le traitement d’image, savoir élaborer une application Synthèse d’images : Comprendre les principes, techniques et algorithmes fondamentales de la synthèse d’images Techniques : Analyse d’image : Appréhender les logiciels d’analyse d’image, pouvoir choisir les traitements adéquats et en comprendre les principes. Pouvoir développer des applications spécifiques de traitement (de base) d’image Synthèse d’images : Comprendre et savoir réaliser une application 3D typique (OpenGL ou lancer de rayon). Secteur d’activité concerné et compétences métier acquises : Tout secteur utilisant l’analyse d’images et la synthèse d’images (jeux vidéo, effets spéciaux, vision, etc.)

Nom de l’UE : Mif24 - Techniques et applications de l’intelligence artificielle Nombre de crédits : 3 UFR de rattachement : UFR Informatique Responsables d’UE : Alain Mille Tél. : [phone] Mèl. : [e-mail] Contact formation : Behzad Shariat Tél. : [phone] Mèl. : [e-mail] Enseignement présentiel : 30 heures Répartition de l’enseignement présentiel : Cours Magistraux 15 heures Travaux Dirigés 15 heures Travaux Pratiques heures
Contrôle des connaissances
Contrôle continu : coefficient 0,3 TP et projet	Examen terminal : coefficient 0,7
Type de l’UE Obligatoire : NON  Formation : Parcours : Optionnelle : OUI Formation : MASTER mention informatique Parcours : Général Place de l’UE dans le parcours : M1 Semestre : S2 Modalités d’accès à l’UE (pré-requis conseillés) : OUI Lesquels : bases de l’IA
Programme – contenu de l’UE Ce module optionnel constitue une ouverture vers les techniques de l’IA les plus récentes et intégrées dans la réalité des entreprises. Chaque année 3 facettes techniques sont choisies parmi les 8 suivantes (en réalité, cette liste peut évoluer en fonction de l’émergence d’autres TIA maîtrisées dans les laboratoires associés à l’UFR) : - Le raisonnement à partir de cas et à partir de l’expérience (Bases du RàPC / Cycle de raisonnement / Ingénierie de la connaissance du RàPC / Applications du RàPC) - Les Systèmes Multi-Agents (Agents cognitifs / Agents réactifs / L’ingénierie des SMA / Applications des SMA) - Logiques non classiques (Logiques modales / Logiques temporelles / Applications des logiques non classiques) - Techniques et algorithmes de raisonnement (Subsomption / Raisonnement pour la classification / Raisonnement sur les objets / Application à l’exploitation d’ontologies) - Systèmes d'annotations (Les principes de l'annotation de documents / Technologies et techniques d'annotation pour le web sémantique / Travaux pratiques : annotations web / Annotations de documents multimédia et hypermédia) - Représentation de connaissances causales (Réseaux bayésiens / Ingénierie des réseaux bayésiens / Aide à la décision / Réseau bayésien / Application des réseaux bayésiens) - Techniques d’apprentissage artificiel (Apprentissage a partir d'exemples, supervise ou non / Réseaux de neurones artificiels / Problématique de la généralisation / Algorithmes génétiques / Applications de l’apprentissage artificiel) - Techniques de fouille de données (Préparation des données / Algorithmes de base / Ingénierie de la fouille de données / Applications de la fouille de données) Compétences acquises Méthodologiques : Modélisation de connaissances pour la résolution de problème Ingénierie des systèmes à base de connaissance Ingénierie de la découverte de connaissances Techniques : RàPC, SMA, ontologies, annotations, apprentissage automatique Secteur d’activité concerné et compétences métier acquises : Aide à la décision dans l'entreprise / Recherche d'information par le contenu (web sémantique) / Résolution de problèmes, systèmes experts