Première année de Master :

• Semestre 1 :
  • Systèmes embarqués : 6 crédits ECTS
  • Analyse de données : 6 crédits ECTS
  • Pratiques et Outils de programmation : 6 crédits ECTS
  • Acquisition & capteurs : 3 crédits ECTS
  • Vision : 3 crédits ECTS
  • Research lab 1 : 3 crédits ECTS
  • Preparation to professional life 1 : 3 crédits ECTS

• Semestre 2 :
  • Technologies sans fil : 4 crédits ECTS
  • Apprentissage supervisé : 4 crédits ECTS
  • Systèmes embarqués communicants : 4 crédits ECTS
  • Réseaux & sécurité : 3 crédits ECTS
  • Interdisciplinary course 1 : 3 crédits ECTS
  • Research lab 2 : 3 crédits ECTS
  • Preparation to professional life 2 : 3 crédits ECTS
  • International mobility : 3 crédits ECTS
  • English 1 : 3 crédits ECTS

Deuxième année de Master :

• Semestre 3 :
  • Machine learning : 6 crédits ECTS
  • Systèmes et réseaux intelligents : 6 crédits ECTS
  • Computer vision : 6 crédits ECTS
  • Energy Harvesting / Watermarking : 3 crédits ECTS
  • Bio medical data analysis : 3 crédits ECTS
  • Interdisciplinary scientific project 1 : 3 crédits ECTS
  • English 2 : 3 crédits ECTS

• Semestre 4 :
  • In-depth disciplinary course 2 : 3 crédits ECTS
  • Interdisciplinary scientific project 2 : 3 crédits ECTS
  • Master thesis : 24 crédits ECTS

Étude de différentes méthodes d’exploration de données dans le cadre de la mesure. Les concepts élémentaires associés aux probabilités ainsi que les caractéristiques usuelles permettant de décrire des mesures telle que la notion de moyenne, de variance et de corrélation et enfin la description des lois les plus usitées. Etude des principales méthodes d’analyse de tableau de mesures comme par exemple l’ACP, à travers à la fois l’analyse des méthodes mais aussi leurs réalisations informatiques. Découverte des algorithmes dit de clustering permettant d’extraire des groupes de données à partir de leurs mesures.

La mise en œuvre de solutions logicielles liées à des problèmes d’analyse de données, de communication desdites données ou encore d’acquisition repose de plus en plus souvent sur l’utilisation et le déploiement de kits de développement (SDK : Software Development Kits) ou bibliothèques. Nous explorons dans ce module, d’une part, les pratiques techniques de développement associées à leur utilisation en abordant plus généralement tout un ensemble de solutions de gestion du cycle de vie d’un logiciel, et les pratiques de gestion de projet agiles associées.

Programmation embarquée sur des microcontrôleurs qui n’intègrent pas de système d’exploitation et est un préambule au module de « Système embarqué communicant » du second semestre. Il aborde les principales solutions technologiques des systèmes embarqués actuels basés sur un cœur ARM, ainsi que les éléments de choix de ces systèmes en termes de puissance, d’énergie etc… Il aborde ensuite les principaux environnements de développement libres ou payants et les méthodologies de conception depuis la spécification jusqu’à la validation. Les périphériques d’entrée/sortie, leurs méthodes d’accès et les bus de communications sont étudiés et mis en œuvre.

Ce module traite des capteurs, des mesures associées et de leur représentation dans l’espace numérique physique. Sur une grande variété de capteurs, les caractéristiques, performances et de coûts sont évalués afin d’en déduire des critères de choix en fonction des applications et des usages visés. Il s’agit par exemple d’étalonnage, d’auto-diagnostique, de calibration, de capacité de communication, de sensibilité… L’échantillonnage et la restitution des données dans l’espace de mesure constitue la part applicative de ce module.

Selon, le Sensor Market Report de 2016, les capteurs d’images devraient connaître la plus forte croissance du marché des capteurs pour la période 2016-2022. Ce module aborde les questions essentielles nécessaires pour transformer une prise d’image en une mesure. Il permettra de choisir les composants d’une chaîne de vision dont le capteur, et de mettre en place les premiers éléments d’exploitation des images en tant que mesure permettant une prise de décision.

L’utilisation de technologies sans fil pour les objets connectés est une évidence. L’utilisation d’une technologie spécifique pour un usage particulier ne peut résulter que d’une analyse approfondie prenant en compte de multiples critères : le débit, la portée, la fiabilité, la robustesse, la coexistence avec les autres technologies sans fil, la latence, la scalabilité, l’interopérabilité, la standardisation, la cybersécurité, la consommation, le déploiement, la maintenance, la mise à jour, la qualité de service, les modalités de connexion IP…. Ce module traite de l’ensemble de ces critères et de leur interdépendance par une approche « bilan de liaison ».

Le module Réseaux et sécurité traite des principes d’administration des réseaux, notamment pour ce qui concerne l’environnement des réseaux de capteurs sans fil. Ces réseaux sont généralement pilotés et administrés par une passerelle (gateway) qui constitue l’interface entre les capteurs sans fil et les réseaux filaires connectés aux services de stockage, par exemple. La cybersécurité est au centre des préoccupations des objets connectés : dans ce module, cet aspect est considéré sous l’angle des principaux algorithmes de cryptage et des bonnes pratiques de sécurité en tant qu’administrateur.

Dans les contextes adressés par l’Internet des Objets (IoT), les systèmes embarqués basés microcontrôleurs doivent intégrer une solution de communication sans fil efficace, robuste et économe en énergie. Ces contraintes impliquent La gestion d’un grand nombre de tâches et conduit naturellement à favoriser le développement de solutions logicielles pour des systèmes d’exploitation temps réel à faible empreinte comme FreeRTOS.  Ce module aborde également les principaux outils et méthodes de récupération de données utilisés dans le cadre de l’IoT (Cloud).

Ce module vient compléter le module d’analyse de données. On y aborde les techniques de prédiction et de prise de décision automatique par algorithmes auto-apprenant à partir de données étiquetées. Par « données étiquetées », nous entendons l’introduction d’information à caractère sémantique. Vis-à-vis d’algorithmes plus classiques d’apprentissage dit « non-supervisé », qui reposent sur la reconnaissance de motifs géométriques ou de cohérence statistique dans les données, l’information sémantique impose l’émulation d’un processus cognitif, d’où son association régulière avec le principe d’intelligence artificielle.

Ce module vise à étudier, analyser et concevoir des méthodes de prise de décisions automatiques adaptées aux données notamment de masse. Il s’agit plus précisément de prédire automatiquement l’évolution et/ou l’appartenance d’un ensemble de données brutes à partir d’une base d’apprentissage. Ce module s’inscrit notamment dans le contexte des algorithmes neuronaux, de l’apprentissage profond et des grandes masses de données.

Ce module « Computer Vision » vise à étudier, analyser et concevoir des méthodes d’analyses d’images et de vidéos, Il permet aux étudiants d’implémenter des programmes informatiques dans des contextes applicatifs et théoriques innovants liés aux représentations et aux traitements des images qui s’appuient, entre autres, sur des approches bio-inspirées et des approches variationnelles. Différents éléments fondamentaux de la chaîne sont étudiés tels que le recalage et la fusion d’images, le débruitage, la restauration, la reconstruction, la segmentation. Le module abordera également le traitement des vidéos notamment dans le cadre de l’analyse de scènes.

Ce module s’intéresse aux systèmes et réseaux intelligents de dernière génération. Le premier aspect applicatif est dédié à la mise en œuvre d’une chaîne de communication numériques à qualité de service fixé (priorité au débit, à la qualité, à la robustesse…). Dans cette chaine de communication complexe certains éléments particuliers étudiés dans nos laboratoires de recherches seront analysés à travers leurs effets et les enjeux qu’ils représentent. Le second aspect est plus prospectif et prend la forme de conférences scientifiques faites par des chercheurs et des industriels du secteur.