Bloc 1 - Programmation parallèle et architecture distribuée - Ingénierie des données - Optimisation appliquée

Voir la page complète

L’objectif de cette unité est d’introduire les différentes architectures logicielles distribuées ainsi que les frameworks technologiques pour leur prise en charges. 
Dans une architecture logicielle distribuée, les composants du logiciel sont présentés sur différentes plates-formes et plusieurs composants peuvent coopérer les uns avec les autres afin d’atteindre un objectif spécifique.
L’architecture client-serveur est un exemple typique qui constitue la base des architectures multi-niveaux ; les autres solutions sont l’architecture de courtier (Broker Architecture) telle que CORBA et l’architecture orientée services (SOA). Il existe plusieurs cadres technologiques pour prendre en charge les architectures distribuées, notamment .NET, J2EE, CORBA, les services Web.
NET, les services Web Java AXIS etc. Le Middleware est une infrastructure qui soutient de manière appropriée le développement et l’exécution d’applications distribuées. Il sert de tampon entre les applications et le réseau. La base d’une architecture distribuée est sa transparence, sa fiabilité et sa disponibilité. Ce cours focalise sur CORBA et les Web services.

Voir la page complète

Il s’agit d’introduire la programmation parallèle au travers de la programmation sur cartes graphiques NVidia dotées de la technologie CUDA. Avec le framework CUDA la programmation parallèle diffère de celle que l’on peut effectuer sur un CPU.

Voir la page complète

Voir la page complète

L’objectif de ce cours est de présenter les processus d’extraction de connaissances à partir de données, et de les mettre en œuvre
par des expérimentations. Après un rappel des fondamentaux de l’apprentissage statistique, l’idée sera d’appréhender les mécanismes modernes d’extraction statistique de connaissances. Nous commencerons par discuter des principes des machines à noyaux (type SVM) pour s’orienter vers diverses architectures neuronales profondes, qui offrent une plus grande flexibilité pour manipuler divers types de données complexes. L’UE sera également l’occasion pour les étudiants de prendre en main et se perfectionner sur les librairies actuelles du domaine (e.g., Numpy, Pytorch). L’enseignement sera complété par un projet.

Voir la page complète

Ce cours fait suite aux cours de bases de données qui fournissent les fondements théoriques et pratiques des bases de données utilisées aujourd’hui dans le monde professionnel, en particulier le modèle relationnel. Il a pour objectif de fournir un panorama de modèles de bases de données qui peuvent s’appliquer dans des domaines avancés.

Voir la page complète

Voir la page complète

Comment intégrer une technologie issue d’un domaine de recherche (ici un solveur de contraintes) dans une application Web ?
Cet enseignement permettra aux étudiants de voir les avantages de modéliser simplement un problème difficile dans un solveur
plutôt que d’implémenter un algorithme ad-hoc compliqué et difficilement compréhensible. Après une brève présentation des concepts et principaux langages de modélisation (Mini- Zinc, etc.), l’accent sera mis sur la modélisation d’un problème réel (réservation de ressources, choix d’itinéraire, planification, etc.), de sa résolution et de la présentation des résultats dans un site web.

Voir la page complète