La contrainte d'embarquabilité de systèmes toujours plus complexes nous pousse à la fois à mettre en œuvre des algorithmes évolués comme ceux basés en IA, rendant les systèmes plus intelligents, tout en fournissant un effort de conception adapté aux contraintes de l'application (encombrement, consommation, sécurité, poids, réactivité en temps réel, puissance de calcul...).
C'est dans ce contexte que la formation vise à fournir des bases scientifiques en architecture, méthodologie de conception, modélisation des systèmes embarqués, systèmes de communications, systèmes basse consommation, systèmes reconfigurables.
Compétences ou capacités évaluées
- Concevoir des architectures matérielles/logicielles, systèmes temps-réel
- Modéliser des architectures pour systèmes embarqués numériques et mixtes analogiques/numériques
- Concevoir des systèmes sur puces numériques et mixtes analogiques/numériques
- Organiser le bon déroulement d'un projet
- Rédiger un état de l'art
- Mettre en œuvre des expériences scientifiques et présenter des résultats.
Projet de Recherche
L’initiation à la recherche comprend des heures de travaux pratiques, 150 heures de Projet d’initiation à la recherche et un stage de 6 mois. Les travaux pratiques correspondent à l’illustration ou à la mise en œuvre de méthodes exposées dans les différentes unités d’enseignement. Le Projet d’initiation à la recherche est un travail de synthèse (comprenant bibliographie, analyse théorique et mise en pratique) permettant d’approfondir l’un des champs disciplinaires du Master et de préparer le stage en laboratoire de recherche (apprendre à planifier son travail, à rédiger un rapport, à faire un exposé de recherche...).
Stage
Le stage long, d’une durée de 5 à 6 mois, constitue une part très importante de la formation. Il valide 20 crédits ECTS sur les 60 crédits totaux. Ce stage validé par l’un des responsables du parcours doit s’effectuer sur un sujet de recherche au sein d’un laboratoire universitaire ou industriel.
Débouchés
A l'issue du Master, les diplômés auront l'ensemble des compétences permettant de poursuivre leurs études en doctorat ou de se diriger vers les métiers de la R&D industrielle dans le domaine de l’électronique et des systèmes embarqués. Le caractère applicatif des thèmes abordés offre des débouchés tant en milieu universitaire qu’en milieu industriel dans les secteurs d'activités suivants :
- Électronique et systèmes embarqués
- Transports (Automobile, Aéronautique, Aérospatial),
- Télécommunications,
- Robotique,
- Santé,
- Sécurité,
- ...
Ce parcours de formation vise à acquérir des bases scientifiques en intelligence artificielle et robotique, une culture générale en sciences cognitives et neurosciences pour le traitement « intelligent » et « bio-inspiré » de l'information :
- Modèles de réseaux de neurones
- Algorithmes d'optimisation
- Nouvelles techniques d'interface homme-machine
- Informatique embarquée et contrôle robotique bio-inspiré
À l'issue de la formation, les étudiants sont capables d'intégrer plusieurs technologies d'apprentissage machine (machine learning) et de traitement intelligent de l'information (réseaux de neurones, IA, prise de décision temps-réel, meta-heuristiques, reconnaissance des formes). Ils auront acquis une connaissance des mécanismes des systèmes intelligents autonomes pour la prédiction, des notions en sciences cognitives et sur les neurosciences computationnelles.
Ils seront capables de :
- Concevoir des architectures de systèmes intelligents
- Développer des algorithmes d'apprentissage autonomes
- Concevoir des Interfaces Homme-Machine (IHM) multimodales et avancées (Interface Tangible, Réalité Augmentée)
- Traiter des images, les indexer et les utiliser dans des systèmes
- Faire de la reconnaissance automatique d'image (motif, forme, visage) et de geste (suivi de mouvement)
- Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche, rédiger un état de l'art, mettre en œuvre des expériences scientifiques, présenter des résultats
Projet d'Initiation à la Recherche
L’initiation à la recherche comprend des heures de travaux pratiques, 150 heures de Projet d’initiation à la recherche et un stage de 6 mois. Les travaux pratiques correspondent à l’illustration ou à la mise en œuvre de méthodes exposées dans les différentes unités d’enseignement. Le Projet d’initiation à la recherche est un travail de synthèse (comprenant bibliographie, analyse théorique et mise en pratique) permettant d’approfondir l’un des champs disciplinaires du Master et de préparer le stage en laboratoire de recherche (apprendre à planifier son travail, à rédiger un rapport, à faire un exposé de recherche...).
Projets d'Initiation à la Recherche de l’équipe Neurocybernétique
Stage
Le stage long (d’une durée de 5 à 6 mois) constitue une part très importante de la formation. Il valide 20 crédits ECTS sur les 60 crédits totaux. Ce stage validé par l’un des responsables du parcours doit s’effectuer sur un sujet de recherche au sein d’un laboratoire universitaire ou industriel.
Stages de l’équipe Neurocybernétique
Partenaires
Partenaires industriels : Orange Labs (Issy-les-Moulineaux, Meulan, Lannion), Thalès ATM (Bagneux), Thalès Communications (Gennevilliers), Thalès Services SAS (Osny), Thomson Airsystèmes (Vélizy), Safran (Eragny), Morpho (Osny), EDF (Chatou), EADS (Vernon), Alcatel (Vélizy) , Loxane (Cergy), IGN (Saint-Mandé), Gostai (Paris), SNCF (Paris), Institut Français du Pétrole, ONERA (Arcueil, Palaiseau), DOLABS (Boulogne), METACOM (Magny-Chateaufort), ST Microelectronics (Grenoble), Partnering 3.0 (Cergy), etc.
Laboratoires universitaires : INRIA (Sophia Antipolis), Arrmines (Paris), ENS (Lyon), Centre Hospitalier Becquerel (Rouen), CEA (Saclay), INSERM (Paris), ENST (Paris), IRISA (Rennes), ...
Et à l’étranger : HW Communications Limited (Lancaster, UK), University of Central Lancashire (Preston, UK), Lulea Tekniska Universitet (Lulea, Suède), Université de Laval (Québec, Canada), ITT (Illinois Institute of Technology, Chicago, USA), etc.
Le parcours DSML offre des bases solides en science des données, apprentissage automatique, statistique et intelligence artificielle, formant des spécialistes capables de comprendre, modéliser et exploiter efficacement les données.
Il repose sur des enseignements fondamentaux liés à l’apprentissage automatique, à la fouille de données et au traitement d’images, complétés par des modules permettant d’approfondir les connaissances dans des domaines tels que l’intelligence artificielle, les bases de données, l’optimisation ou les architectures de systèmes intelligents. Les étudiants peuvent également suivre des unités spécialisées portant sur l’apprentissage profond, le traitement de données massives, l’équité et la transparence des algorithmes, ou l’analyse de réseaux complexes.
Ces enseignements permettent de maîtriser les données structurées et hétérogènes, en mettant l’accent sur les techniques d’intégration de données issues de sources variées. Ils couvrent également la gestion de grandes quantités d’images et de données multimodales, combinant outils d’analyse d’images, techniques d’apprentissage et approches avancées d’intégration afin d’exploiter pleinement la diversité et la complexité des sources.
Les principaux débouchés concernent la recherche et le développement dans ces domaines, ainsi que la poursuite d’une thèse en vue d’une carrière d’enseignant-chercheur ou de chercheur R&D en entreprise.
Ce parcours de formation permet d'acquérir les bases scientifiques des télécommunications et du traitement du signal appliqué à la vision, l’imagerie, la compression, le stockage et le traitement de données.
Les principales compétences acquises dans ce parcours sont :
- Analyse et conception de systèmes de communication
- Modulation, détection, bases de la théorie de l'information, codage correcteur d'erreurs, compression source,
- Optimisation/allocation de ressources
- Protocoles pour les systèmes de stockage distribué
- Architecture matérielle (embarquée) des systèmes de communication
- Traitement du signal et de données
- Méthodes de filtrage avancées (ondelettes, bancs de filtres, …) avec applications en compression, imagerie, indexation
Les étudiants apprennent également à gérer un projet de recherche, c'est-à-dire :
- Organiser de bout en bout le bon déroulement d'un projet d'initiation à la recherche,
- Rédiger un état de l'art
- Mettre en œuvre des expériences scientifiques
- Présenter des résultats.
