Informatique S3

Positionnement : Semestre 3UE : InformatiqueECTS : 7
Nombre d’heures : 143,5h
Modalité : Présentiel (100%)
 L’UE Informatique est constituée de 4 éléments constitutifs d’UE :  

• Cloud – Duplication – Hadoop – Map reduce
• Développement logicel R et Python (1)
• Programmation avancée
• TP Informatique – Python (3)

 
La note finale associée à cette UE est calculée en pondérant les notes des 4 ECUE avec les coefficients associés.
 
ECUE 1 : Cloud – Duplication – Hadoop – Map reduce (Coef : 2) – 59,5h (Cours, TD,TP) - 15h (Estimation temps de travail personnel)
 
Objectifs : L’objectif de ce cours et ses applications est d’acquérir les connaissances générales sur les systèmes distribués et les intergiciels pour l'urbanisation des systèmes d'information distribués, pour la conception d'applications distribuées large échelle. 
Compréhension des mécanismes sous-jacents du Cloud Computing.
Être capable de différencier les avantages et inconvénients des systèmes distribués vs les systèmes « centralisés » .
 
Contenu :  

• Rappels sur les processus dans les systèmes centralisés :   mécanismes de synchronisation,  exclusion mutuelle, multi- threads, ordonnancement des processus
• Principes théoriques de fonctionnement des systèmes distribués.
  • Définitions, notions générales
  • Gestion du temps : horloges logiques, ordre causal.
  • Types d’algorithmes utilisés dans les systèmes distribués : exclusion, synchronisation, élection, terminaison, coupure, état global, …
  • Gestion partagée des données : désignation, cohérence mémoire, localisation, P2P, ...
• Architectures des systèmes distribués
  • Architectures physiques :  data centers, multi-cœurs, clustering, architectures mémoires NUMA, UMA, …
  • Méthodes de virtualisation
  • Architectures logicielles
  • Architectures de type Cloud computing exemples Google, Microsoft, AWS. Notions de PaaS, SaaS …
• Tolérance aux pannes dans les systèmes distribués : définitions, sureté de fonctionnement, types de pannes, pannes byzantines, mécanismes de réplication : redondances matérielles, mécanismes de recouvrement, … 
• Traitements parallèles de masse : paradigme Map reduce et autres modèles plus évolués.

 
Compétences visées : A l’issue du cours l’étudiant est capable :

• D’utiliser Map reduce sur MongoBD
• Gérer la tolérance aux pannes dans les systèmes distribués
• Passer à l’échelle sur le Cloud (AWS) sur n instances

 
 
Modalités d’évaluation :  Contrôle continu (rendus de TP) 
 
ECUE 2 Développement logiciel R et Python (Coef : 1) – 31,5h (Cours, TP, Projet) - 10h (Estimation temps de travail personnel)
 
Objectifs : Approfondir les connaissances sur le langage R via R Studio
 
Contenu :  

• Présentation de R Studio
• Fondamentaux du langage R
  • Vecteurs et facteurs
  • Tableaux de données
  • Matrices
  • Listes
• Manipulation de fichiers 
  • Excel et CSV, Tidy Data
  • Texte, analyse textuelle, expressions régulières
  • XML et langage XPath
  • Fichiers de données géographiques
• Découvertes des bibliothèques associées

 
L’accent est mis sur la découverte de ces sujets via des TP.
 
Compétences visées : A l'issue de la formation, l'apprenant sera capable de : 

• Utiliser R pour programmer et analyser des données
• Savoir les bibliothèques à utiliser

 
 
Modalités d’évaluation : Contrôle continu sous forme de TP
 
ECUE 3 : Programmation avancée – (Coef : 1) – 31,5h (Cours, TP, Projet) - 10h (Estimation temps de travail personnel)
 
Objectifs : Ce cours est la suite de l’ECUE Informatique générale – Programmation algorithmique de première année.
Apprendre à mettre en place un projet JAVA complexe avec la gestion de dépendances correspondante.
Maîtriser les concepts avancés de la programmation et conception objet en JAVA.
 
Contenu :  

• Les bases (rappel) :
  • Structure des applications objets avec JAVA
  • Types primitifs, Aspects impératifs du langage
  • Interfaces, Types, Classes et polymorphisme
  • Généricité et Collections
  • Structures de données
• Programmation des Entrées/Sorties
• Sérialisation/Désérialisation
• Industrialisation/gestion du cycle de vie des applications (maven/gradle)
• Assertions et tests unitaires
• Introspection et réflexivité en Java
• Programmation concurrente
• Patterns de conception

 
 
Compétences visées : Maîtriser le langage Java et les concepts objets avancés cités dans le programme.
Pouvoir analyser et faire évoluer un projet JAVA existant. 
 
Modalités d’évaluation : Contrôle continu. Tous les TP (un par sujet) sont notés avec un coefficient différent selon la complexité.
ECUE 4 : TP Informatique – Python (3) – (Coef : 1) – 21h (TP) – 10h (Estimation temps de travail personnel)
 
Objectifs 
 Présentation des besoins d’intelligence artificielle dans le monde privé. Gérer un projet en Python sur un sujet d’IA.
 
Contenu :  

• Proposition de projet : un projet doit traiter au moins une des thématiques suivantes
  • Machine Learning 
  • Deep Learning N
  • LP (Natural Language Processing) 
  • Computer Vision 
• Identification des objectifs et problématiques correspondantes 
• Rédaction d’un plan de travail pendant 5 séances
  • Préparation de dataset bruts 
  • Preprocessing de dataset 
  • Développement des méthodes d’IA 
  • Expérimentation  

 
Compétences visées : Maitriser le langage Python et ses utilisations dans l’IA
 
Modalités d’évaluation : Travail en groupe de 3 ou 4 étudiants. Soutenance + démonstration (dernière séance). Notation du code et du rapport.

• Contrôle continu
• Projet(s)
• Mémoire
• Examen final