Département des Sciences et technologies

2024-2025

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

UE Quad 1HeuresECTSÉval.
Projet entrepreneurial et managérial40 h4UE
Intercultural communication20 h
Projet entrepreneurial20 h
UE spécifiques : option Automation et Systèmes embarqués
Optimisation des Systèmes de Production15 h1UE
Modes de production industrielle5 h
Optimisation des lignes de production5 h
Techniques d'ordonnancement5 h
Systèmes automatisés de production80 h5UE
Projet en systèmes automatisés de production40 h
Systèmes et réseaux d'automatisation industrielle40 h
Instrumentation et régulation30 h2UE
Bancs d'essais d'instrumentation10 h
Régulation sur bancs d'essais et chaîne d'assemblage en miniusine20 h
UE spécifiques : option Intelligence artificielle et Big Data
Compléments en Machine learning60 h5UE
Machine learning et Deep learning21 h
Projet en Machine learning39 h
Natural language processing15 h1UE
Natural language processing15 h
Computer vision30 h2UE
Computer vision30 h
UE spécifiques : option Gestion
Gestion financière21 h3UE
Gestion financière21 h
Sustainable economics21 h3UE
Sustainable economics21 h
Séminaire de simulation en gestion40 h4UE
Préparation à la simulation en gestion15 h
Séminaire de simulation en gestion25 h
International management and Human resources30 h3UE
Contemporary management pillars10 h
Human resources management10 h
International management10 h
Compétences managériales15 h1UE
Compétences managériales15 h
Problématique environnementale30 h2UE
Problématique CO2 et bilan carbone20 h
Green IT10 h
Optimisation combinatoire58 h5UE
Optimisation combinatoire : théorie18 h
Optimisation combinatoire : projet40 h
Systèmes temps réel et programmables30 h3UE
Systèmes temps réel10 h
Composants programmables20 h
UE Quad 1 et 2HeuresECTSÉval.
Projet de fin d'études en entreprise370 h30UE
TFE225 h
Stages (13 semaines min.)145 h
Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #2190 intitulée :

Projet entrepreneurial et managérial

Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 2

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel / orientation Construction / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2

Informations

Responsable d'UE : Julie LENAERTS

Bloc : MA2 Geo, MA2 Info, MA2 Co, MA2 LDT

Période : 1er quadrimestre

Durée : 40 h

Crédits : 4 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Néant

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Au terme de cette formation, les étudiants seront capables :

- de concevoir et de tester un « business model » à l’aide de l’outil « Business Model Canvas »

- d’aborder un projet technique en y intégrant toutes les autres facettes de l’entreprise

- de préparer et délivrer une présentation à destination d’investisseurs

- de conduire des entretiens qualitatifs avec des prospects ou partenaires

- comprendre et décrire les différents mécanismes d’une « startup »

- to recognize the existence of cultural differences

- to measure the importance of a flexible approach to cultural differences

- not to rank the cultural differences in terms of their own culture

- to adapt to different cultural behaviour

- to have an interest in observing cultures

- to take into account the importance of cultural differences to adapt their behaviour and analysis

Students will thus acquire the openness and cultural flexibility required for rapid integration into the host culture and adapt their negociation skills accordingly

Contenu des AA

Intercultural communication

Course objectives and methods:

The overall objective of the course is to allow a full understanding of the existence and impact of cultural differences through reflection guides based on the main theoretical tools as well as numerous examples. The purpose of this training is to open the student to other cultures and to teach him not to judge others through his own cultural rules but rather to try to understand and develop an attitude of tolerance.

At the end of the training, the student will be able to:

Recognize the existence of cultural differences.
Measure the importance of a flexible approach to cultural differences.
Do not prioritize cultural differences according to your own culture.
Adapt to different cultural behaviors.
Have an interest in observing cultures.
Consider the importance of cultural differences to adapt your behavior and analysis.
Adapt his/her negotiation style and expectations to the cultural context

Students will therefore need to acquire the openness and cultural flexibility essential for rapid integration into the host culture and for acquiring a taste for mobility.

Specific objectives:

• Develop the students' analytical skills by confronting them with real situations and providing them with guides for reflection based on the main theoretical and practical tools of intercultural communication.

• Help the student to apply his new knowledge in a relevant way in different real contexts.

• Develop in the student a taste for mobility.

• Foster in the student a lateral thinking that can lead to a better intercultural understanding.

Content and educational materials

Teaching methods

In order to reconcile the objectives of acquiring theoretical knowledge, developing independent thinking and self-training skills, the pedagogy is structured as follows:

1. Theoretical presentations, supported by a PowerPoint presentation, cover all the different themes and concepts of intercultural communication. Examples constantly illustrate them.

2. Numerous advertisements and video reports are presented to the students during the theoretical sessions in order to materialize as much as possible the theoretical concepts exposed.

Prerequisites: No formal knowledge prerequisites, but openness and curiosity are valuable.

 

Educational materials

A complete PowerPoint presentation accompanied by multiple examples

Assessment

Written exam via multiple-choice questionnaire
PowerPoint presentation by small groups of students of the results of their research based on the differences in commercial culture and negotiation style between Belgium and a given country.

Projet entrepreneurial

Les étudiants travaillant par équipe, ont pour objectif la recherche d’un « business model » (modèle d’entreprise ou modèle d’affaire) d’une idée de produit ou service qu’ils doivent proposer. Le « business model canvas » est l’outil utilisé lors des séances. Au fil des séances animées par des coachs startech et enseignant, tous les étudiants sont amenés à explorer les différentes facettes du monde fascinant de la création d’entreprise, de l’idée au prototype quand c’est techniquement possible. Chaque équipe devra également présenter le résultat final de ses travaux devant un jury de professionnels (chefs d’entreprises, investisseurs, etc.).

Répartition des heures

Intercultural communication : 10 h de théorie, 10 h de travaux

Projet entrepreneurial : 5 h de théorie, 15 h de travaux

Méthodes d'enseignement

Intercultural communication : cours magistral, travaux de groupes, approche par projets, approche par situation problème, étude de cas

Projet entrepreneurial : cours magistral, travaux de groupes, approche par projets, approche par situation problème, approche avec TIC, étude de cas

Langues d'enseignement

Intercultural communication : anglais

Projet entrepreneurial : français

Supports

Intercultural communication : copies de présentations

Projet entrepreneurial : notes de cours, activités sur eCampus, document startech

Ressources bibliographiques

Intercultural communication

  • Cervera G. & Kosma C. (2016), La négociation internationale et interculturelle, de la connaissance de soi à la rencontre de l'autre, Editeur Génie des Glaciers, collection Les Mementos.
  • Thoams Vulpe, Daniel Kealey, David Protheroe et Doug Macdonald, "Profil de la personne efficace sur le plan interculturel", Ministère des Affaires étrangères et du commerce international canadien, 2000.
  • Gary P. Ferraro, "The cultural dimension of international business", Pearson, 2006.
  • Edward T. Hall, "La langage silencieux", Edition Seuil, 1997.
  • Marie-Joëlle Browaeys & Roger Price, "Understanding Cross-cultural management", Prentice-Hall, 2008.

Projet entrepreneurial

  •  Business Model You, T. Clark. Business Model Generation, A. Osterwalder et Y. Pigneur. La Maison de l’Entreprise, Mons

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Intercultural communication (50%) :

- group project on the cultural elements of a negociation in a chosen foreign country

- multiple choice exam

Projet entrepreneurial (50%) : 

L'évalution est continue et est sur les éléments suivants notés par un jury et par les coaches composés des enseignants : 

- Rapport écrit à remettre en cours d'activité et à la fin (rapports intermédiaires et BMC contextualisé)

- Présentation orale (évaluation sur la qualité de la présentation du projet; le degré de participation en cours).

Non remédiable en 2e session.

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #1525 intitulée :

Optimisation des Systèmes de Production

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués

Informations

Responsable d'UE : Fabrice HUBERT

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 15 h

Crédits : 1 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Eléments de recherche opérationnelle et de planification de projets

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Les étudiants seront capables :

- d'étudier et d'optimiser un système industriel de production,

- de présenter et défendre les résultats de leur étude de cas.

Contenu des AA

Modes de production industrielle

Classification des systèmes automatisés de production,

Modélisation des systèmes industriels de production ( Flowshop, Jobshop, Systèmes hybrides, ...)

Optimisation des lignes de production

Eléments de réglage des lignes de production ( Taux d'équilibrage, temps de cycle, taux de production, retard d'équilibre ) et heuristiques d'équilibrage de lignes,

Techniques d'ordonnancement

Algorithmes d'ordonnancement de la production sur machine unique et sur machines parallèles, classification de Conway.

Répartition des heures

Modes de production industrielle : 5 h de théorie

Optimisation des lignes de production : 5 h de théorie

Techniques d'ordonnancement : 5 h de théorie

Méthodes d'enseignement

Modes de production industrielle : travaux de groupes, approche par projets, approche par situation problème, étude de cas

Optimisation des lignes de production : travaux de groupes, approche par projets, approche par situation problème, étude de cas

Techniques d'ordonnancement : travaux de groupes, approche par projets, approche par situation problème, étude de cas

Langues d'enseignement

Modes de production industrielle : français

Optimisation des lignes de production : français

Techniques d'ordonnancement : français

Supports

Modes de production industrielle : protocoles de laboratoires

Optimisation des lignes de production : protocoles de laboratoires

Techniques d'ordonnancement : protocoles de laboratoires

Ressources bibliographiques

Modes de production industrielle

Gestion de la production et des flux de Vincent GIARD

Optimisation des lignes de production

Gestion de la production et des flux de Vincent GIARD

Techniques d'ordonnancement

Gestion de la production et des flux de Vincent GIARD

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

Projet de recherche bibliographique et étude de cas en rapport avec les thématiques de la formation

Rédaction d'un rapport de synthèse et défense orale du projet 

100% des points sont attribués à ce projet.

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #1526 intitulée :

Systèmes automatisés de production

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués

Informations

Responsable d'UE : Fabrice SCOPEL

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 80 h

Crédits : 5 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Se référer au prérequis et au corequis.

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu des AA

Projet en systèmes automatisés de production

  • Programmation avancée sur PLC, périphérie décentralisée, HMI et Drive.
  • Mise en réseaux de systèmes d'automatisation et de commande (pilotage industriel).

Systèmes et réseaux d'automatisation industrielle

  • Effectuer la recherche algorithmique d’une solution optimale.
  • Mettre en place un réseau industriel adapté connectant automate, périphérie décentralisée et terminal.
  • Programmer l’automate, la périphérie décentralisée (PLC et IO Controller / Device), le terminal (HMI) et le drive.
  • Procéder à la mise en oeuvre complète d'une installation automatisée sur matériel de simulation et de laboratoire (bancs didactiques).

Répartition des heures

Projet en systèmes automatisés de production : 40 h de travaux

Systèmes et réseaux d'automatisation industrielle : 40 h d'exercices/Labos

Méthodes d'enseignement

Projet en systèmes automatisés de production : travaux de groupes, approche par projets, approche par situation problème, utilisation de logiciels, Travail en autonomie (distanciel)

Systèmes et réseaux d'automatisation industrielle : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels, Travail en autonomie (présentiel / distanciel)

Langues d'enseignement

Projet en systèmes automatisés de production : français

Systèmes et réseaux d'automatisation industrielle : français

Supports

Projet en systèmes automatisés de production : copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires

Systèmes et réseaux d'automatisation industrielle : copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires

Ressources bibliographiques

Projet en systèmes automatisés de production

  • Concepts théoriques : Programmation & mise en réseau d’une solution automatisée complète, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
  • Applications : Travaux dirigés & Travaux pratiques, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
  • BERGER H., Automating With SIMATIC S7-1500 : Configuring, Programming and Testing With Step 7 Professional - Second Edition, Publicis Publishing, 2017.
  • BERGER, H., Automating with SIMATIC S7-1500 - First Edition, Publicis MCD Werbeagentur GmbH, 2014.
  • BERGER, H., Automating with STEP 7 in LAD and FBD: SIMATIC S7-300/400 Programmable Controllers - 5nd edition, Wiley VCH, 2012.
  • BERGER, H., Automating with SIMATIC: Integrated Automation with SIMATIC S7-300/400: Controllers, Software, Programming, Data Communication, Operator Control and Process Monitoring - second edition, Wiley VCH, 2004.

Sites internet :

  • Siemens Sitrain : Tests en ligne,
    https://www.sitrain-learning.siemens.com/FR/fr/rw78288/Tests-de-prérequis-en-ligne
    consulté le 22 août 2024.
  • Schneider Electric Education : Cahiers techniques & shémathèque
    http://www.schneider-electric.be/sites/belgium/fr/support/publication/publication-introduction.page
    consulté le 22 août 2024.

Systèmes et réseaux d'automatisation industrielle

  • Concepts théoriques : Programmation & mise en réseau d’une solution automatisée complète, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
  • Applications : Travaux dirigés & Travaux pratiques, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
     
  • BERGER H., Automating With SIMATIC S7-1500 : Configuring, Programming and Testing With Step 7 Professional - Second Edition, Publicis Publishing, 2017.
  • BERGER, H., Automating with SIMATIC S7-1500 - First Edition, Publicis MCD Werbeagentur GmbH, 2014.
  • BERGER, H., Automating with STEP 7 in LAD and FBD: SIMATIC S7-300/400 Programmable Controllers - 5nd edition, Wiley VCH, 2012.
  • BERGER, H., Automating with SIMATIC: Integrated Automation with SIMATIC S7-300/400: Controllers, Software, Programming, Data Communication, Operator Control and Process Monitoring - second edition, Wiley VCH, 2004.

Sites internet :

  • Siemens Sitrain : Tests en ligne,
    https://www.sitrain-learning.siemens.com/FR/fr/rw78288/Tests-de-prérequis-en-ligne
    consulté le 22 août 2024.
  • Schneider Electric Education : Cahiers techniques & shémathèque
    http://www.schneider-electric.be/sites/belgium/fr/support/publication/publication-introduction.page
    consulté le 22 août 2024.

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

  • A.A : Systèmes et réseaux d'automatisation industrielle : 20%
            > Évaluation continue ; non remédiable en 2ème session.
  • A.A : Projet en systèmes automatisés de production : 80%.
            > Examen oral / PC : Défense du projet de fin d'année.

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #1527 intitulée :

Instrumentation et régulation

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués

Informations

Responsable d'UE : Laëtitia ISIDORO

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 30 h

Crédits : 2 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

- Reconnaître, câbler et calibrer les différents types de capteurs.

- Interpréter et comprendre les données renseignées sur une plaque signalétique.

- Contrôler une chaîne de mesure de grandeur physique (niveau, température, débit, vitesse…).

- Etablir la communication avec un capteur analogique en utilisant le protocole HART.

- Paramétrer un afficheur à partir d’un logiciel. Intervenir pratiquement sur des boucles de régulation et des chaînes de mesure de grandeurs physiques en vue de réglages, diagnostic de défaut, réparation, optimisation.

- Aborder les systèmes régulés d’une manière physique et pratique.

- Paramétrer un régulateur et visualiser les courbes de réponse sur logiciel.

- Identifier les composants d’une boucle de régulation ainsi que leur câblage, de vérifier les signaux électriques (courant de boucle…), de consulter les paramètres et courbes de tendance en interprétant les valeurs relevées, de déterminer expérimentalement les paramètres « PID» en vue d’optimiser le fonctionnement. => en Miniusine II

- Identifier les composants informatiques Siemens et leur câblage, d’éditer le programme Siemens d’une installation existante, d’effectuer des modifications de ces programmes en utilisant la syntaxe appropriée, d’utiliser la console de programmation pour diagnostiquer un dysfonctionnement.=> en Miniusine III

Contenu des AA

Bancs d'essais d'instrumentation

Rappel des notions fondamentales de la régulation sur les systèmes asservis continus et discrets.

+ Formation extérieure de 1 jour à Technocampus sur le site Miniusines de Mons.

- jour 1 : Introduction sur l'instrumentation et la régulation.

NB: pour les autres jours de la formation voir la fiche de l'AA régulation

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine

Rappel des notions fondamentales de la régulation sur les systèmes asservis continus et discrets.

+ Formation extérieure de 3 jours à Technocampus sur le site Miniusines de Mons.

- jour 2 : Mise en pratique des notions de régulation sur bancs d'essais didactiques (de température, vitesse, niveau et débit).

- jour 3: Miniusine II, mise en situation sur une reproduction d'une chaine d'assemblage industrielle en vue de la détermination expérimentale des paramètres de réglage d'une boucle de régulation pour optimiser le fonctionnement de l’installation.

- jour 4 : Miniusine III, mise en situation sur une reproduction d'une chaine d'assemblage industrielle pour le paramètrage et le dépannage d'automates programmables SIEMENS.

Répartition des heures

Bancs d'essais d'instrumentation : 2 h de théorie, 8 h de séminaires

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : 20 h de séminaires

Méthodes d'enseignement

Bancs d'essais d'instrumentation : travaux de groupes, approche par situation problème, activités pédagogiques extérieures, étude de cas, utilisation de logiciels

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : travaux de groupes, approche par situation problème, activités pédagogiques extérieures, étude de cas, utilisation de logiciels

Langues d'enseignement

Bancs d'essais d'instrumentation : français

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : français

Supports

Bancs d'essais d'instrumentation : copies de présentations, protocoles de laboratoires

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : copies de présentations, protocoles de laboratoires

Ressources bibliographiques

Bancs d'essais d'instrumentation

-

Régulation sur bancs d'essais et chaîne d'assemblage en miniusine

-

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

Evaluation continue (sur place) + rapports écrits=> 100% de l'UE

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3624 intitulée :

Compléments en Machine learning

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data

Informations

Responsable d'UE : Jean-Sébastien LERAT

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 60 h

Crédits : 5 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Maîtrise des prérequis et des acquis d'apprentissage de l'unité d'enseignement Intelligence artificielle de la première année de master en sciences de l'ingénieur industriel en informatique de la haute école en Hainaut.

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu des AA

Machine learning et Deep learning

  • Classification
  • Clustering
  • SVM, Decision Trees, DBScan, K-means, Hierarchical Clustering, k-NN
  • Training set, Validation set, Test set
  • k-cross fold validation
  • Activation functions
  • Loss functions
  • Backpropagation
  • Perceptron
  • Multi-layer Perceptron
  • Convolutional Neural Network (Convolution, Pooling)
  • Recurrent Neural Networks (RNN, LSTM)
  • Generative Adversarial Networks
  • Autoencoders
  • Deep Reinforcement Learning (Deep Q-Learning)
  • Time Series Forecasting
  • Transfert Learning
  • Compression
  • Object Detection
  • Transformers

Projet en Machine learning

Challenges :

  1. Convolutional Neural Network
  2. Generative Adversarial Networks
  3. Time Series Forecasting

Répartition des heures

Machine learning et Deep learning : 14 h de théorie, 7 h d'exercices/Labos

Projet en Machine learning : 1 h de théorie, 1 h d'exercices/Labos, 37 h de travaux

Méthodes d'enseignement

Machine learning et Deep learning : cours magistral, approche par situation problème, approche avec TIC, utilisation de logiciels

Projet en Machine learning : approche par projets, approche avec TIC, utilisation de logiciels

Langues d'enseignement

Machine learning et Deep learning : français

Projet en Machine learning : français

Supports

Machine learning et Deep learning : copies de présentations, notes d'exercices

Projet en Machine learning : copies de présentations, activités sur eCampus

Ressources bibliographiques

Machine learning et Deep learning

Dua, S. & Du, X. (2016). Data Mining and Machine Learning in Cybersecurity. CRC Press
Talbi, E.G. (2009). Metaheuristics: From Design to Implementation. Wiley
Shoham, Y. & Leyton-Brown, K. (2008). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge
University Press
Nowak, M.A. (2006). Evolutionary Dynamics. Harvard University Press
Osborne, M.J. (2009). An Introduction to Game Theory. Oxford University Press
Borne, P., Benrejeb, M. & Haggège, J. (2007). Les réseaux de neurones: présentation et applications. Éditions Technip
Sutton, R.S. (2012). Reinforcement Learning. Springer US
Lin, C.T. & Lee, C.S.G. (1996). Neural Fuzzy Systems: A Neuro-fuzzy Synergism to Intelligent Systems. Prentice Hall PTR
Conway, D., & White, J. M. (2012). Machine learning for hackers: Case studies and algorithms to get you started. O’Reilly Media.
Dua, S., & Du, X. (2011). Data mining and machine learning in cybersecurity. Auerbach Publications.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning (adaptive computation and machine learning series). The MIT Press.
Machine learning in cyber trust: Security, privacy, and reliability. (2009). Springer.
Patterson, J., & Gibson, A. (2017). Deep learning: A practitioner’s approach. O’Reilly Media.

Projet en Machine learning

-

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Le résultat des challenges (précision, classement) ainsi que l'évaluation du rapport permettent d'attribuer une note au projet.
Un examen oral permet d'attribuer une note à l'activité académique "Machine Learning et Deep Learning".
La note finale est une moyenne de ces deux notes.
Toutefois, un travail de qualité (justifications et fondement théorique requis dans le rapport) à l'activité d'apprentissage "Projet en Machine Learning" peut dispenser l'étudiant d'un examen oral.

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3625 intitulée :

Natural language processing

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data

Informations

Responsable d'UE : Jean-Sébastien LERAT

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 15 h

Crédits : 1 ects

UE Prérequises : aucune

UE Corequises : aucune

Activité d'apprentissage (AA)

Connaissances et compétences préalables

Maîtrise des prérequis et des acquis d'apprentissage de l'unité d'enseignement Intelligence artificielle de la première année de master en sciences de l'ingénieur industriel en informatique de la haute école en Hainaut.

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu de l'AA

  • Terminologie
  • Expression régulière
  • Grammaire
  • Tokenization
  • Stemming (Racinisation/désuffixation) & Lemmatization
  • Métrique (Edit Distance, Cosine)
  • N-gram Language Models
  • Naive Bayes
  • Semantic
  • Large language models
  • Speech Tagging

Répartition des heures

10 h de théorie, 5 h d'exercices/Labos

Méthodes d'enseignement

Cours magistral, approche par projets, approche avec TIC

Langues d'enseignement

Français

Supports

Copies de présentations, protocoles de laboratoires

Ressources bibliographiques

Jurafsky, D., & Martin, J. H. (2009). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition.

Jurafsky, D., & Martin, J. H. (2024, 3th draft). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models.

Nugues, P. M. (2006). An Introduction to Language Processing with Perl and Prolog: An Outline of Theories, Implementation, and Application with Special Consideration of English, French, and German. Allemagne: Springer Berlin Heidelberg.

Rao, D., McMahan, B. (2019). Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning. (n.p.): O'Reilly Media.

Tunstall, L., Werra, L. v., Wolf, T. (2022). Natural Language Processing with Transformers, Revised Edition. États-Unis: O'Reilly Media.

Vajjala, S., Majumder, B., Gupta, A., Surana, H. (2020). Practical Natural Language Processing: A Comprehensive Guide to Building Real-World NLP Systems. États-Unis: O'Reilly Media.

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Evaluation et présentation d'un travail à réaliser en groupe (2 personnes).

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3626 intitulée :

Computer vision

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data

Informations

Responsable d'UE : Olivier CORTISSE

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 30 h

Crédits : 2 ects

UE Prérequises : aucune

UE Corequises : aucune

Activité d'apprentissage (AA)

Connaissances et compétences préalables

* programmation en Python

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

* découverte des différentes méthodes utilisées en vision artificielle et en imagerie numérique

* apprentissage des fondements du domaine

* compréhension les notions utilisées dans le traitement numérique des images et la vision artificielle

* mise en pratique avec Python et OpenCV

Contenu de l'AA

* introduction au traitement d'images numériques

* traitement de base des images

* filtrage des images

* détection de contours

* segmentation d'images

* calibrage de caméra

* stéréovision

* mouvement

Répartition des heures

9 h de théorie, 6 h d'exercices/Labos, 15 h de travaux

Méthodes d'enseignement

Cours magistral, travaux de groupes, approche par projets, étude de cas, utilisation de logiciels

Langues d'enseignement

Français, anglais

Supports

Copies de présentations, notes de cours, notes d'exercices

Ressources bibliographiques

* Computer Vision: Algorithms and Applications (Richard Szeliski / Springer 2023)

* Raspberry Pi Computer Vision Programming (Packt 2020)

* Learning OpenCV 4 Computer Vision with Python 3 (Packt 2020)

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

* travaux/rapports/participation (40 %)
* projet (60 %)

Fiche indisponible

Cette fiche ects d'UE 2024-2025 est indisponible.

Fiche indisponible

Cette fiche ects d'UE 2024-2025 est indisponible.

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #2346 intitulée :

Séminaire de simulation en gestion

Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 2

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Informations

Responsable d'UE : Julie LENAERTS

Bloc : MA2 Geo, MA2 Info

Période : 1er quadrimestre

Durée : 40 h

Crédits : 4 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Cours de gestion.

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Acquérir des connaissances sur la gestion d’entreprise.

Mettre en pratique à travers un jeu de simulation d'entreprise les connaissances acquises au cours de l'ensemble du cours de gestion.

Être capable de gérer une équipe et de travailler en groupe.

Contenu des AA

Préparation à la simulation en gestion

Différents modules sont dispensés afin de préparer les étudiants au séminaire.

Séminaire de simulation en gestion

Le séminaire dure trois jours (si possible consécutifs) pendant lesquels les participants, scindés en groupes, sont chargés de gérer une entreprise fictive. Les étudiants fixent préalablement la stratégie de leur groupe et prennent ensuite toute une série de décisions. Le support informatique permet d'obtenir de très nombreuses informations financières et facilite les simulations qui précèdent les prises de décision.

Répartition des heures

Préparation à la simulation en gestion : 15 h de théorie

Séminaire de simulation en gestion : 25 h d'AIP

Méthodes d'enseignement

Préparation à la simulation en gestion : cours magistral

Séminaire de simulation en gestion : travaux de groupes, approche par projets, approche déductive, approche avec TIC, activités pédagogiques extérieures

Langues d'enseignement

Préparation à la simulation en gestion : français

Séminaire de simulation en gestion : français

Supports

Préparation à la simulation en gestion : notes de cours

Séminaire de simulation en gestion : syllabus

Ressources bibliographiques

Préparation à la simulation en gestion

-

Séminaire de simulation en gestion

-

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

Evaluation de la participation au séminaire selon 5 critères : la préparation (participation au cours de préparation), la détermination de la stratégie de l'équipe, la prise de décision, le classement et la présentation finale. Sauf cas exceptionnels, la note est collective pour l'équipe.

Non remédiable en 2e session 

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #2442 intitulée :

International management and Human resources

Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 2

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel / orientation Construction / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2

Informations

Responsable d'UE : Laurence BARAS

Bloc : MA2 Geo, MA2 Info, MA2 Co, MA2 LDT

Période : 1er quadrimestre

Durée : 30 h

Crédits : 3 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Concepts of management, balance sheet and income statement

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

The student will be able to (in written and verbally) :

Describe the differences between managers and employees
Explain the meaning of the term management
Distinguish between the concepts of effectiveness and performance and carry out a performance assessment
Be able to define and explain management and sustainable management;
Be able to define and recognise the personal and technical skills do Managers need
Explain the three key roles of a manager

Describe the four key competencies needed to be a successful manager

Define and explain what Strategic Management is and its four key process steps
Define and explain what design thinking is

Distinguish between management and leadership
Be able to explain the theories of leadership (situational leadership by Hersey and Blanchard) (approach + exercises);
Be able to define and explain the sources (pillars) of modern management, its advantages and disadvantages and its limits: 1)The pre-modern era, 2)The classical school of management, 3) The human relations school, 4) Quantitative approach to management; 5) Social events and conceptions of management and 6) Management today

To be able to comment, explain and compare the different scientific organisations of work (characteristics, advantages and disadvantages especially of the representatives of the classical school):

FAYOL/FAYOLISM: characteristics, functions of the company, administrative function, pillars of management, principles, ...
TAYLOR/TAYLORISM: characteristics of Taylorism, points of view and interests of the employer and the worker (maximum prosperity in particular), application of its principles to industry, lagging work: its causes, principles of OST, Taylorism in France: success and decline, reforms, ...
TOYOTA/TOYOTISM: characteristics, just-in-time principle, 5 zeros
FORDISM: characteristics and differences with Taylorism
Bureaucracy: the Weberian bureaucratic model (MAX WEBER)
The School of Human Relations: ELTON MAYO, etc.

But also: Robert Owen, Hugo Munsterberg, Mary Parker Follett, Chester Barnard,

To be able to explain and comment on Maslow's pyramid, to criticize it and to apply it to one's team when managing people
Be able to identify and explain the six management styles;
Be able to define and explain Michael Porter's analysis: the 5 competitive forces;

Be able to recognise the different strokes and formulate good ones to motivate your staff + exercises;

Human resources management: explain the different staff categories, evaluation and remuneration, ..., well-being at work

International (strategic and sustainable) management: being able to explain its characteristics and points of attention

How to communicate well, to delegate work, to solve problems and solve conflict, to make decision, ...

Be able to explain what risk management is

==>According to the progress of the course

+ exercises

+ To be able to understand and explain the articles seen in class on all subjects

Contenu des AA

Contemporary management pillars

I. Principles of management :

- What does management mean ?

- How do managers differ from others ? Levels of managers. Efficiency and Effectiveness. What kind of personal and technical skills do Managers need. Key roles

- What is strategic management ? Process. Design thinking.

II. The sources of Contemporary Management

1. The pre-modern era

2. The classical school of management

3. The human relations school

4. Quantitative approach to management

5. Social events and conceptions of management

6. Management today... Sustainable Management

+ be able to understand and explain the articles and case studies seen in class on all subjects.

Human resources management

Leadership versus management

Situational Leadership

Design and Strategic thinking : how and when ? + Systemic analysis

Changing approaches to management

How can I manage human ressources : different staff categories, six key management styles, ..., ?

How and when to take a decision ?

How to coach and accompany teams in a changing process ?

Evaluation and remuneration

Well-being at work

Enneagram to solve conficts

==> according to course progress

International management

Global, international ... sustainable management. Tools towards an ecological transition.

- Culture and ideology

- Good communications :

How to communicate well ? (//intercultural communication)

How to solve problems and conflicts ?

- Bureaucracy and regulatory standards

==> according to course progress

Répartition des heures

Contemporary management pillars : 9 h de théorie, 1 h d'exercices/Labos

Human resources management : 8 h de théorie, 2 h d'exercices/Labos

International management : 8 h de théorie, 2 h d'exercices/Labos

Méthodes d'enseignement

Contemporary management pillars : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas

Human resources management : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas

International management : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas

Langues d'enseignement

Contemporary management pillars : anglais

Human resources management : anglais

International management : anglais

Supports

Contemporary management pillars : copies de présentations, notes de cours, notes d'exercices, activités sur eCampus, Moodle

Human resources management : copies de présentations, notes de cours, notes d'exercices, activités sur eCampus, Moodle

International management : copies de présentations, notes de cours, notes d'exercices, activités sur eCampus, Moodle

Ressources bibliographiques

Contemporary management pillars

Business Strategy, The Economist, a guide to effective decision-making, Third Edition, 2015, by Jérémy Kourdi

How Management works ? The concept visually explained, New Edition, 2022, Dorling Kindersley

Human Resource Management, 2019, Sixteenth

Public Speaking Communication Strategies, 2021, Roberto Grasso,‎ Independently published

Formation : accompagner les équipes à la gestion du changement

Training at Vlerick Business School : Take the lead in Sustainability Management

Human resources management

Business Strategy, The Economist, a guide to effective decision-making, Third Edition, 2015, by Jérémy Kourdi

How Management works ? The concept visually explained, New Edition, 2022, Dorling Kindersley

Human Resource Management, 2019, Sixteenth

Public Speaking Communication Strategies, 2021, Roberto Grasso,‎ Independently published

Formation : accompagner les équipes à la gestion du changement

Training at Vlerick Business School : Take the lead in Sustainability Management

International management

Business Strategy, The Economist, a guide to effective decision-making, Third Edition, 2015, by Jérémy Kourdi

How Management works ? The concept visually explained, New Edition, 2022, Dorling Kindersley

Human Resource Management, 2019, Sixteenth

Public Speaking Communication Strategies, 2021, Roberto Grasso,‎ Independently published

Formation : accompagner les équipes à la gestion du changement

Training at Vlerick Business School : Take the lead in Sustainability Management

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : anglais

Modalités d'évaluation :

Written exam : 70%

Oral exam : 30%

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #2443 intitulée :

Compétences managériales

Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 2

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel / orientation Construction / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2

Informations

Responsable d'UE : Nicolas BOUILLON

Bloc : MA2 Geo, MA2 Info, MA2 Co, MA2 LDT

Période : 1er quadrimestre

Durée : 15 h

Crédits : 1 ects

UE Prérequises : aucune

UE Corequises : aucune

Activité d'apprentissage (AA)

Connaissances et compétences préalables

Aucune

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Focus sur la capacité d'adaptation et le jugement, l'évaluation de situations

Contenu de l'AA

Les objectifs du cours sont les suivants:

1.Découvrir les compétences non techniques nécessaires à l’ingénieur dans l’exercice de sa profession
2.Apprendre à se connaître, s’évaluer, s’améliorer
3.Prendre conscience de la complexité des métiers de l’ingénieur en ce qui concerne les éléments « humains »

Mise en situation sous forme d’ateliers à thème sur certains sujets:

1.Connais-toi toi-même (les rôles)
2.Tout est question de priorité (observation et adaptation)
3.Seul ou ensemble? (structuration du travail)
4.Time is on my side (gestion du temps)
5.Et zut, il ne manquait plus que ça (gestion de crise)

Revue des éléments de théorie associés à l’atelier pour une meilleure compréhension et une définition de pistes d’amélioration.

Répartition des heures

5 h de théorie, 10 h d'exercices/Labos

Méthodes d'enseignement

Cours magistral, travaux de groupes, approche interactive, approche par situation problème, étude de cas

Langues d'enseignement

Français

Supports

Copies de présentations

Ressources bibliographiques

-

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

La présence est obligatoire, une absence entraîne une pénalité sur la note finale de 1 point sur 20 par cours avec absence non justifiée, donc avec un maximum de 5 points de malus en cas d'absence à tous les cours.

Veuillez noter que la participation ACTIVE sera demandée pendant le cours.

Par respect pour l'ensemble des étudiants et le professeur et, étant donné le type de cours donné, il est demandé d'arriver à l'heure au cours!

Pour assurer une bonne conduite du cours, la porte sera fermée après le démarrage du cours.

L’évaluation se fera de la sorte:

- des groupes d’étudiants de min 4 personnes et max 6 seront constitués et communiqués à l’enseignant au plus tard le 15/11/2024.

- L’enseignant se réserve le droit de changer certaines compositions de groupes pour que tous les étudiants soient dans un groupe

- ces groupes devront effectuer un travail sous forme de présentation qui devra être fourni dans les délais impartis

- le travail écrit (la présentation) comptera pour 40% de la note globale de l'étudiant et sera évalué globalement pour l’ensemble du groupe qui doit présenter

- le travail écrit devra être remis en respectant les consignes qui seront données.

- A défaut de conformité aux consignes ou de restitution dans le délai prévu, le groupe pourra s’être refusé globalement la possibilité de défendre le travail à l’oral ce qui impliquerait que l'ensemble des membres du groupe serait sanctionné également par un 0/20 à la partie “oral".

- la défense orale comptera pour 60% de la note globale de l'étudiant et sera évaluée individuellement, chaque étudiant devant présenter et défendre une partie

 - l’importance de la partie présentée par chaque étudiant (en terme de volume et de complexité) ainsi que la qualité de la défense seront évalués

- si un étudiant ne présente pas une partie du travail lors de la défense orale, il obtiendra une note de 0/20 pour la partie orale et sera donc mathématiquement en échec

- enfin, déduction éventuelle sera faite des points de malus sanctionnés par les absences non justifiées pour former la note globale de l'étudiant.

En cas d'échec lors de la première session, une deuxième session sera organisée pour les étudiants n'ayant pas obtenu les crédits y relatifs sous forme d'un travail individuel cette fois.

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #2445 intitulée :

Problématique environnementale

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2

Informations

Responsable d'UE : Samuel CREMER

Bloc : MA2 Info, MA2 LDT

Période : 1er quadrimestre

Durée : 30 h

Crédits : 2 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Comprendre les enjeux climatiques et environnementaux

Comprendre les mécanismes à mettre en oeuvredans le cadred'une statégie carbone globale

Comprendre la méthode permettant de réaliser le bilan carbone d'une activité/d'un produit

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Comprendre les enjeux climatiques et environnementaux

Comprendre les mécanismes à mettre en oeuvredans le cadred'une statégie carbone globale

Comprendre la méthode permettant de réaliser le bilan carbone d'une activité/d'un produit

Contenu des AA

Problématique CO2 et bilan carbone

Comprendre et s'approprier l'ensembles des thématiques climatiques et enjeux. Contexte Carbone( mondial, national, régional) et nécessite de diminuer les émissions CO2.

Mécanismes de compensation: pourquoi? comment?

Les modèles économiques: linéaires, circulaire et de fonctionnalité

Stratégie globale de réduction.

 Comment comptabiliser les émissions de CO2. Comprendre et réaliser une cartographie des flux d'une activité

Exercices pratiques

Green IT

  • Esprit critique-
  • Rappels technologiques
  • Pistes de réflexion
  • Règles de bonnes pratiques
  • "Débunkage" de fausses bonnes idées

Répartition des heures

Problématique CO2 et bilan carbone : 10 h de théorie, 10 h d'exercices/Labos

Green IT : 10 h de théorie

Méthodes d'enseignement

Problématique CO2 et bilan carbone : cours magistral, approche par projets, approche interactive, utilisation de logiciels

Green IT : cours magistral, approche interactive

Langues d'enseignement

Problématique CO2 et bilan carbone : français

Green IT : français

Supports

Problématique CO2 et bilan carbone : copies de présentations

Green IT : copies de présentations

Ressources bibliographiques

Problématique CO2 et bilan carbone

 Méthode Bilan Carbone

ADEME- Agence Françaisede l'Energie etde la Maitrise de l'énergie

AWAC Agence Wallonne de Air et Climat

CO2 Stratégy

Green IT

  • M. Halsey, "The Green IT Guide", Apress, France, 2022
  • I. Albert, "Tech it green", Institut G9+, 2020

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

35% pour Green IT : projet à réaliser en groupe

65 % pour Problématique CO2 et bilan carbone : examen

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3496 intitulée :

Optimisation combinatoire

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2

Informations

Responsable d'UE : Samuel CREMER

Bloc : MA2 Info, MA2 LDT

Période : 1er quadrimestre

Durée : 58 h

Crédits : 5 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu des AA

Optimisation combinatoire : théorie

  • Théorie de la complexité
  • Heuristiques et metaheuristiques
  • Théorie des graphes et algorithmes

Optimisation combinatoire : projet

Projet d'optimisation combinatoire.

Répartition des heures

Optimisation combinatoire : théorie : 8 h de théorie, 10 h d'exercices/Labos

Optimisation combinatoire : projet : 2 h de théorie, 18 h de travaux, 20 h d'autonomie

Méthodes d'enseignement

Optimisation combinatoire : théorie : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels

Optimisation combinatoire : projet : travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels

Langues d'enseignement

Optimisation combinatoire : théorie : français

Optimisation combinatoire : projet : français, anglais

Supports

Optimisation combinatoire : théorie : copies de présentations

Optimisation combinatoire : projet : copies de présentations

Ressources bibliographiques

Optimisation combinatoire : théorie

  • Graph theory and its applications, J.L. Gross and J. Yellen, CRC Press, 1998
  • Mastering algorithms with C, K. Loudon, O'Reilly, 1999
  • Algorithmique et structures de données génériques, M. Divay, Dunod, 2004

Optimisation combinatoire : projet

  • Graph theory and its applications, J.L. Gross and J. Yellen, CRC Press, 1998
  • Mastering algorithms with C, K. Loudon, O'Reilly, 1999
  • Algorithmique et structures de données génériques, M. Divay, Dunod, 2004

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

65 % pour le projet (qualité du projet + présentation + rapport)

35 % pour la théorie (examen écrit)

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3623 intitulée :

Systèmes temps réel et programmables

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Informations

Responsable d'UE : Gaëtan PAULET

Bloc : MA2 Info

Période : 1er quadrimestre

Durée : 30 h

Crédits : 3 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Electronique numérique

Programmation en C

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu des AA

Systèmes temps réel

  • Architectures des systèmes embarqués, particulièrement temps réel
  • Ordonnancement multi-processeur
  • Analyse de différents SoC

Composants programmables

  • Composition d'un projet sur SoC
  • Programmation de SoC

Répartition des heures

Systèmes temps réel : 6 h de théorie, 4 h d'exercices/Labos

Composants programmables : 20 h d'exercices/Labos

Méthodes d'enseignement

Systèmes temps réel : cours magistral, approche par situation problème, utilisation de logiciels

Composants programmables : approche par situation problème, approche inductive, utilisation de logiciels

Langues d'enseignement

Systèmes temps réel : français

Composants programmables : français

Supports

Systèmes temps réel : copies de présentations

Composants programmables : copies de présentations, protocoles de laboratoires

Ressources bibliographiques

Systèmes temps réel

  • RICHARD, Pascal et GROLLEAU, Emmanuel et RICHARD, Michaël et et autres., 10 juin 2013, « Ordonnancement temps réel Ordonnancement multiprocesseur ». Dans : « Technologies logicielles Architectures des systèmes », [en ligne], Editions T.I. [Paris, France], 2024, s8057, [Consulté le 30/08/2024], TIP402WEB, [base de données en ligne],doi:10.51257/a-v1-s8057, disponible à l'adresse : https://www.techniques-ingenieur.fr/base-documentaire/technologies-de-l-information-th9/systemes-embarques-42588210/ordonnancement-temps-reel-s8057

Composants programmables

  • Manuel de référence de la carte Zybo Z7 (Digilent Reference) : https://digilent.com/reference/programmable-logic/zybo-z7/reference-manual

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français

Modalités d'évaluation :

  • 40% Examen écrit
  • 60% Exercice sur PC

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :

Département des Sciences et technologies

2024-2025

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #1529 intitulée :

Projet de fin d'études en entreprise

Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2

Informations

Responsable d'UE : Samuel CREMER

Bloc : MA2 Info

Période : 1er et 2e quadrimestres

Durée : 370 h

Crédits : 30 ects

UE Prérequises : aucune

UE Corequises : aucune

Activités d'apprentissage (AA)

Connaissances et compétences préalables

Cours de BA1, BA2, BA3 et Master 1

Contribution aux objectifs du référentiel de compétences de l'ARES

Acquis d'apprentissage spécifiques

Contenu des AA

TFE

Réalisation d'un travail de "niveau ingénieur" en entreprise avec rédaction d'un rapport conséquent ainsi qu'une défense orale devant un jury composé d'enseignants et de représentants du monde industriel.

Stages (13 semaines min.)

L’objectif essentiel du stage est d’apporter à l’étudiant une application en entreprise des enseignements dispensés dans sa formation. Il doit permettre à celui-ci de se familiariser avec les diverses fonctions de l’ingénieur et de s’intégrer à la vie d’une entreprise tout en se consacrant à un projet technique sous la responsabilité d’un maître de stage, lui-même ingénieur de formation.

Le cahier des charges du projet technique sera validé par les responsables académiques qui jugeront de la pertinence du sujet proposé et de son adéquation avec le niveau requis pour nos formations d’ingénieur.

Cette activité d’insertion professionnelle fera l’objet d’un rapport de synthèse écrit qui sera défendu publiquement. 

Le stage est couplé au TFE et la durée minimale est de 18 semaines.

Répartition des heures

TFE : 225 h d'AIP

Stages (13 semaines min.) : 145 h d'AIP

Méthodes d'enseignement

TFE : approche par projets, approche par situation problème, approche avec TIC, activités pédagogiques extérieures, étude de cas, utilisation de logiciels, séance d'informations sur les TFE

Stages (13 semaines min.) : Stage en entreprise

Langues d'enseignement

TFE : français, anglais

Stages (13 semaines min.) : français

Supports

TFE : guide du TFE

Stages (13 semaines min.) : Guide du stage de seconde master

Ressources bibliographiques

TFE

-

Stages (13 semaines min.)

-

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Les 30 ECTS de l'UE sont répartis de cette façon :
- 18 ECTS pour le TFE
- 12 ECTS pour le Stage

Veuillez lire le du guide du PFE sur eCampus pour prendre connaissance de toutes les échéances, obligations et spécificités. Le non respect de ces obligations peut entrainer 0/20 à l'UE.

L’acquisition des compétences sera évaluée à hauteur de :

0 % lors de la défense orale de l'état d'avancement *
20 % par le promoteur interne
15 % par le promoteur externe**
25 % pour les lecteurs du travail écrit
15 % pour la défense interne
25 % pour la défense externe

*Bien que non cotée, cette présentation est obligatoire (voir section 7 du guide PFE)
** Pour les étudiants en mobilité = la note reprise sur le certificat de mobilité stage.

Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :