I2-S8 Modules informatiques (au choix)

Il s'agit d'une introduction aux différentes méthodes existantes pour traiter les images numériques (filtrage, segmentation, ...) Ce cours couvre les différentes thématiques suivantes :

Manipulation des images numériques
Modèle fréquentielle
Techniques d'interpolations
Notion de morphologie mathématique
Transformation de domaine
Tranformation couleur
Débruitage d'images

La mise en pratique et la programmation des notions se fera en C.

Voir la page complète

Que ce soit à l'échelle d'une entreprise, d'un groupe industriel ou d'un territoire géographique, l'innovation est aujourd'hui une problématique stratégique majeure.
Cependant, bien que les bénéfices de l'innovation soient en partie bien connus, la compréhension du phénomène d'innovation reste complexe. L'enjeu est de taille pour les acteurs innovants ou qui soutiennent l'innovation : bien comprendre les dynamiques d'innovation facilitent leur prise de décision en les aidant à mieux se positionner dans des environnements dynamiques, internationalisés et hautement compétitifs.
Face à ces enjeux, l'intelligence technologique peut être définie comme « Ensemble des activités coordonnées visant l'acquisition de connaissances solides sur l'environnement scientifique et technologique afin de soutenir le processus deprise de décision, en particulier sur les problématiques liées au management de la recherche et l'innovation ».
L'intelligence technologique s'apparente donc à la recherche et l'analyse d'informations stratégiques pour mieux comprendre les environnements innovants. C'est un ensemble de méthodes et d'outils originaux et à forte valeurajoutée qui permettent d'aborder un panel de questions variées, des plus larges aux plus précises. Exemples :
Quels sont les acteurs les plus actifs sur les technologies blockchain ? Quels sont les pays positionnés sur le développement de technologies pour le stockage d'hydrogène ? Quelles universités possèdent des compétences solides sur les technologies d'imagerie médicale ? Comment IBM aborde les technologies de deep learning ? Quelles entreprises travaillent sur mon domaine de compétence ?

Ce cours s'inscrit dans la volonté de sensibiliser aux enjeux de compréhension des environnements innovants.
Les étudiants pratiqueront l'intelligence technologique autour de cas appliqués de leur choix. Les 26 heures de cours s'articuleront en 3 parties et aboutiront à la réalisation d'un rapport collectif (groupe de trois ou quatreétudiants) qui présentera l'utilisation des méthodes en intelligence technologique acquises à travers une problématique choisie.
Les étudiants y manipuleront des bases de données structurées (base de données brevets principalement) et exploiteront les informations qui en sont issues grâce à des outils d'analyse dédiés.












L'innovation est aujourd'hui unanimement reconnue comme un facteur clés de succès du développement économique. La maîtrise de la technologie, toujours plus complexe, coûteuse, risquée, dans un monde en perpétuelle évolution est au coeur de la stratégie d'innovation des grands groupes industriels et pose la question du ressourcement. La démarche « d'Open Innovation » tente d'y répondre mais implique la mise en place de dispositifs de veille stratégique et d'intelligence économique/technologiques performants pour permettre l'identification précoce des partenaires clés et des signaux faibles annonciateurs de ruptures. L'analyse de ces informations multiples doit se faire dans un cadre sectoriel et non pas uniquement technologique pour alimenter une vision prospective de l'innovation dans son contexte à 10 ans. Ceci passe par une capacité à interroger, structurer et analyser des informations de très grandes masses renvoyant au concept de « Big Data ».

Ce cours et les travaux pratiques associés visent à appréhender :

les bases de données existantes dans le domaine de l'innovation (ORBIT et Scopus notamment)
les outils de veille et de traitement de l'information de type « Big Data » (informations brevets, publications scientifiques, réseaux sociaux... ) (Scoop it, Intellixir...).

Il doit permettre également de maitriser les outils de visualisation graphique adaptés à la visualisation de données de grandes masses (GEPHI et Sigma JS).
Environnement logiciel et bases de données : Les logiciels, outils de veille et bases de données ne nécessitent pas d'installation préalable, à l'exception du logiciel GEPHI (représentation cartographique des données).

Voir la page complète

Dans ce cours, les concepts de bases de la modélisation géométrique et cinématique des robots, ainsi que la planification de trajectoires sur des robots articulaires et mobiles seront présentés. L'objectif est de donner un aperçu des problématiques liées à la modélisation, au contrôle, mais aussi à la mise en pratique concrète sur du vrai matériel.

Programme:


Notions fondamentales de la robotique: mécatronique, modélisation, cinématique et dynamique, planification. Il s'agit de comprendre ce qui définit un robot, d'en produire un modèle géométrique et physique et d'aborder les techniques classiques de contrôle.
Modèle géométrique direct et inverse de robots articulaires
Modèle cinématique (robot mobile)
Génération de trajectoire dans l'espace opérationnel (interpolations)
Locomotion de robots à pattes
Utilisation de simulateur physique
Expérimentations sur des véritables robots



Evaluation
Pour l'évaluation des connaissances, il sera demander de remettre un projet (individuel) évalué à la fin du cours. Dans l'idéal (si les conditions sanitaires le permettent), le projet sera réalisé sur des robots hexapodes ou quadrupède. Dans le cas dégradé (enseignement à distance), le projet sera réalisé sous forme de simulation.

Voir la page complète

Apprendre à formaliser un problème d'apprentissage
Connaître les notions d'apprentissage suoervisés et non supervisés, de régression et de classification
Comprend les principales méthodes d'apprentissage (KMeans, NL-Bayes, GMM, Support Vector Machines, Deep Learning)
Connaitre leurs applications
Savoir les appliquer.

Voir la page complète