2025-2026
| UE Quad 1 | Heures | ECTS | Éval. |
|---|---|---|---|
| Langue | 14 h | 2 | UE |
| Anglais | 14 h | ||
| Bases de données avancées | 39 h | 4 | UE |
| Bases de données relationnelles : cours avancé | 18 h | ||
| Big Data et systèmes NoSQL | 9 h | ||
| Architectures serveurs | 12 h | ||
| Analyse spectrale | 58 h | 5 | UE |
| Analyse spectrale : théorie | 42 h | ||
| Analyse spectrale : laboratoires | 16 h | ||
| Langage R et bioinformatique | 50 h | 4 | UE |
| Introduction à la programmation R | 20 h | ||
| Application du langage R à la transcriptomique | 30 h | ||
| Génie enzymatique | 52 h | 4 | UE |
| Génie enzymatique | 36 h | ||
| Laboratoires de génie enzymatique | 16 h | ||
| Biopharmacie et qualité | 40 h | 3 | UE |
| GMP-GLP | 20 h | ||
| Culture cellulaire | 20 h | ||
| Project management | 15 h | 1 | UE |
| Project management | 15 h | ||
| Génie génétique | 46 h | 4 | UE |
| Génie génétique | 36 h | ||
| Laboratoire de génie génétique | 10 h | ||
| Business intelligence | 33 h | 3 | UE |
| Analyse et extraction de données | 21 h | ||
| OLAP and reporting | 12 h | ||
| UE Quad 2 | Heures | ECTS | Éval. |
| Intelligence artificielle | 24 h | 2 | UE |
| Intelligence artificielle | 12 h | ||
| Machine learning | 12 h | ||
| Sequençage nouvelle génération | 30 h | 3 | UE |
| Initiation aux NGS | 30 h | ||
| Protection des données | 30 h | 2 | UE |
| Protection des données personnelles | 15 h | ||
| Gestion des données informatiques | 15 h | ||
| Informatique pour le séquençage | 60 h | 5 | UE |
| Exploitation des ressources bioinformatiques | 30 h | ||
| High-throughput sequencing algorithms | 30 h | ||
| Annotation d'un génome | 30 h | 3 | UE |
| Annotation d'un génome : études de cas | 30 h | ||
| Biostatistiques 1 | 44 h | 4 | UE |
| Initiation aux biostastistiques | 44 h | ||
| Analyse bioinformatique du protéome | 20 h | 2 | UE |
| Analyse des données protéomiques | 20 h | ||
| Capteurs | 24 h | 2 | UE |
| Biocapteurs | 24 h | ||
| Préparation au milieu professionnel | 10 h | 1 | UE |
| Préparation au milieu professionnel | 10 h | ||
| Architectures parallèles | 27 h | 2 | UE |
| Parallélisme : théorie | 9 h | ||
| Parallélisme : laboratoires | 18 h | ||
| Programmation scientifique | 18 h | 2 | UE |
| Programmation scientifique | 18 h | ||
| Compléments en Big Data | 30 h | 2 | UE |
| Projet de recherche appliquée en Big Data | 30 h |
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1496 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Laurence REMACLE
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 14 h
Crédits : 2 ects
-
L’étudiant devra être capable :
- d’appliquer les règles grammaticales et syntaxiques révisées pendant le cours
- de comprendre et utiliser correctement le vocabulaire professionnel et technique étudié pendant le cours
- d'exprimer ses idées de façon claire et compréhensible en démontrant une bonne connaissance du vocabulaire
Consolidation et approfondissement grammatical/lexical en vue de préparer les étudiants au test TOEIC. Niveau attendu = B2 (soit 785 points au TOEIC Listening and Reading)
Tests réguliers sur Moodle afin d'identifier les lacunes grammaticales/lexicales. Remédiation en classe.
Exercices de compréhension écrite et orale (anglais à caractère général, contexte professionnel, activités de l’entreprise, etc)
Exercices de production écrite et orale (anglais à caractère général, contexte professionnel, activités de l’entreprise)
3 h de théorie, 8 h d'exercices/Labos, 3 h de travaux
Cours magistral, approche interactive, approche déductive, approche avec TIC
Anglais
Syllabus, notes de cours, activités sur eCampus
Liste non exhaustive :
- Working in English, Cambridge (livre et audio)
- English Grammar in Use, Murphy
- English Vocabulary in Use, Mc Carthy, M. & O'Dell
- Divers sites internet (OneStopEnglish, BBC News, CNN Student News, etc)
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : anglais
Un test TOEIC OBLIGATOIRE est organisé lors de la session de janvier. Afin de se conformer aux exigences de la CTI, les étudiants doivent obtenir un score de 785 (Niveau minimum requis par la CTI et correspondant à un niveau B2 sur l'échelle du Cadre européen commun de référence pour les langues). Une note sur /20 sera attribuée selon la grille de correspondance des notes ci-dessous.
965-995 = 20/20
920-960 = 19/20
875-915 = 18/20
830-870 = 17/20
785-825 = 16/20
Toute absence non justifiée au test sera sanctionnée par un 0/20.
Si un étudiant n'obtient pas 785 ou plus au test TOEIC, il ne recevra pas de note en janvier et devra représenter un test écrit équivalent au TOEIC (mais non officiel) pendant le Q2.
En cas de seconde session, l’étudiant présentera un test écrit équivalent au TOEIC (mais non officiel) afin de valider le niveau B2 requis.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1497 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 39 h
Crédits : 4 ects
Approfondissement des bases de données :
Systèmes de base de données NoSQL :
Ce cours est divisé en 2 parties :
Bases de données relationnelles : cours avancé : 15 h de théorie, 3 h d'exercices/Labos
Big Data et systèmes NoSQL : 9 h de théorie
Architectures serveurs : 12 h de théorie
Bases de données relationnelles : cours avancé : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Big Data et systèmes NoSQL : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Architectures serveurs : cours magistral, approche interactive, approche avec TIC, étude de cas
Bases de données relationnelles : cours avancé : français
Big Data et systèmes NoSQL : français, anglais
Architectures serveurs : français
Bases de données relationnelles : cours avancé : copies de présentations, syllabus, activités sur eCampus
Big Data et systèmes NoSQL : copies de présentations
Architectures serveurs : copies de présentations
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Les AA seront évaluées simultanément lors d'un examen écrit. Il n'y a donc pas de notes aux AA mais uniquement une note à l'UE. L'examen étant commun aux AA, aucune dispense partielle del'UE n'est envisageable.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2354 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Aurélie SEMOULIN
Bloc : MA1 LDT
Période : 1er quadrimestre
Durée : 58 h
Crédits : 5 ects
-
Ce cours sera dispensé en présentiel dans le cadre de la codiplomation avec la HELHa au sein des bâtiments de la HELHa et en commun avec les étudiants de Ma1 Ingénieur industriel orientation chimie et biochimie et les étudiants de MA2 en alternance en Génie analytique. Pour les dispositions pédagogiques complémentaires spécifiques à ce cours, aller voir la fiche ECTS du cours pour les étudiants de Ma1 Biochimie postée sur connectED.
A la fin du cours, l'étudiant(e) devra être capable :
A la fin du TP, l'étudiant(e) devra être capable :
Méthodes analytiques de spectrométrie de masse (MS) - infrarouge (IR) - résonance magnétique nucléaire (RMN) :
principe de fonctionnement des appareillages, conditions d’utilisation, performances et exemples d’application.
Exercices : interprétation de spectres et identification de composés organiques et macromoléculaires par
combinaison des différentes techniques précitées.
GC-FID et HPLC (traitement statistique des données)
Analyse spectrale : théorie : 42 h de théorie
Analyse spectrale : laboratoires : 16 h d'exercices/Labos
Analyse spectrale : théorie : cours magistral
Analyse spectrale : laboratoires : travaux de groupes
Analyse spectrale : théorie : français
Analyse spectrale : laboratoires : français
Analyse spectrale : théorie : copies de présentations, notes d'exercices, Tous les documents resources seront postés sur la plateforme en ligne de la HELHa (connectED) à laquelle l'étudiant est tenu de s'inscrire et de se connecter régulièrement pour recevoir les documents et informations utiles à sa formation
Analyse spectrale : laboratoires : protocoles de laboratoires
« Principe d’analyse instrumentale » par Skoog, West et Holle.
La bibliographie complète est mise à disposition sur connectED.
Voir notes de travaux pratiques
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
La note de l'UE sera calculée sur base d'une moyenne géométrique pondérée de la manière suivante : 4 crédits pour le cours et 1 crédit pour le TP.
Evaluation et calcul de la note du cours : examen écrit composé d'une épreuve d'exercices valant pour 50 % de la note et de questions portant sur la théorie valant pour 50 % de la note.
Evaluation et calcul de la note du TP : 100 % de la note seront attribués à la rédaction des rapports de manipulation
Pour les dispositions complémentaires d'évaluation : voir fiche ECTS du cours pour les étudiants HELHa postée sur connectED.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2355 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Vincent BRANDERS
Bloc : MA1 LDT
Période : 1er quadrimestre
Durée : 50 h
Crédits : 4 ects
- Principes de bases en biologie moléculaire et technologies de séquençage haut-débit (Illumina)
- Utiliser la ligne de commande (bash) dans un système LINUX/UNIX
- Produire des figures scientifiques pertinentes et attractives en terme de visualisation mais également en terme de communication effective de résultats
- Familiarisation au language de programmation R, le Tidyverse, et Bioconductor, et leurs utilisation dans le cadre d'analyses de données de séquençage
Au terme de l’AA Programmation R, l’étudiant sera capable :
• d’expliquer la syntaxe de base de R et d’utiliser des concepts tels que les boucles, fonctions et apply(s)
• d’identifier et de manipuler les types de données courants en R
• d’importer, lire et écrire des données dans différents formats (CSV, TSV, Excel, …)
• d’appliquer des opérations de base sur les données, telles que la sélection, le filtrage et le tri
• de créer des graphiques de base pour explorer et représenter des données et d’utiliser des packages tels que ggplot2 pour créer des visualisations plus avancées
• de réaliser de la manipulation avancée de données
• de respecter les conventions de codage R et de maintenir un code propre et bien documenté
• de collaborer efficacement en utilisant des outils de gestion de versions comme Git
Au travers d'une analyse de données:
Introduction à la programmation R : 5 h de théorie, 15 h d'exercices/Labos
Application du langage R à la transcriptomique : 10 h de théorie, 20 h d'exercices/Labos
Introduction à la programmation R : travaux de groupes, approche par projets, approche interactive, approche par situation problème
Application du langage R à la transcriptomique : travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche déductive, étude de cas, utilisation de logiciels
Introduction à la programmation R : français, anglais
Application du langage R à la transcriptomique : français, anglais
Introduction à la programmation R : copies de présentations, notes d'exercices
Application du langage R à la transcriptomique : copies de présentations, notes d'exercices, Resources et scripts disponible via un répertoire GitHub public
- Collection de "cheat sheets" pour la programmation R, la manipulation de données, et la production de figures scientifiques: https://www.rstudio.com/resources/cheatsheets/
- Guide pour la création et validation de figures scientifiques: https://www.data-to-viz.com
- Grolemund, Garrett, and Hadley Wickham. 2017. R for Data Science. Sebastopol, CA: O’Reilly Media.
- Collection de "cheat sheets" pour la programmation R, la manipulation de données, et la production de figures scientifiques: https://www.rstudio.com/resources/cheatsheets/
- Guide pour la création et validation de figures scientifiques: https://www.data-to-viz.com
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
La note finale est définie comme suit :
Cette fiche ects d'UE 2025-2026 est indisponible.
Cette fiche ects d'UE 2025-2026 est indisponible.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2440 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Nicolas BOUILLON
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 15 h
Crédits : 1 ects
Connaissance préalable de l'anglais (niveau moyen)
Focalisation sur les habilités d'analyse, synthèse et jugement
>1)Definitions of Project & Project Management
2)Methodologies
3)The Agile way of working
4)Classical vs Agile project management
5)The REAL life
6)Risk Management
15 h de théorie
Cours magistral, approche interactive, approche par situation problème
Anglais
Copies de présentations
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : anglais
Examen oral en Anglais
1 question choisie au hasard pour 9 points
1 question choisie par l'enseignant pour 9 points
2 vrais ou faux choisis au hasard pour 1 point chacun: 1/2 pt si correct, 1/2 si l'explication courte est correcte, 0/1 si incorrect
Cette fiche ects d'UE 2025-2026 est indisponible.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3487 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Intelligence artificielle et Big Data
- option Intelligence artificielle et Big Data - Passerelle
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 33 h
Crédits : 3 ects
Techniques de programmation avancées 1 (BA2)
Traitement de l'information (BA3)
Être capable d'automatiser des flux de données à destination de l'informatique décisionnelle en utilisants des serveurs de bases de données, des ETL (Extract Transform Load) et des solutions de reporting
Analyse et extraction de données : 3 h de théorie, 18 h d'exercices/Labos
OLAP and reporting : 5 h de théorie, 7 h d'exercices/Labos
Analyse et extraction de données : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC
OLAP and reporting : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC
Analyse et extraction de données : français
OLAP and reporting : français, anglais
Analyse et extraction de données : copies de présentations
OLAP and reporting : copies de présentations
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Les étudiants devront réaliser un projet en groupe et l'accompagner d'un rapport. Ces 2 délivrables seront évalués ainsi que la participation/implication des étudiants durant les heures dédiées au projet.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3495 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Automation et Systèmes embarqués
- option Intelligence artificielle et Big Data
- option Gestion
Master en Sciences de l'Ingénieur industriel orientation Informatique / Cycle 2 Bloc complémentaire
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA1 Info, MA0 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 24 h
Crédits : 2 ects
Maîtrise des concepts de programmations
Maîtrises de concepts mathématiques du bachelier
Intelligence artificielle : 7 h de théorie, 4 h d'exercices/Labos, 1 h de travaux
Machine learning : 7 h de théorie, 4 h d'exercices/Labos, 1 h de travaux
Intelligence artificielle : cours magistral, approche par projets, approche interactive, approche par situation problème, approche avec TIC, utilisation de logiciels
Machine learning : cours magistral, approche par projets, approche interactive, approche par situation problème, approche avec TIC, utilisation de logiciels
Intelligence artificielle : français, anglais
Machine learning : français, anglais
Intelligence artificielle : copies de présentations
Machine learning : copies de présentations
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach, Global Edition, 4th Foundations, vol. 19.
Osborne, M. J. (2009). An Introduction to Game Theory: International ed. NY: Oxford University PressInc.
Shoham, Y. & Leyton-Brown, K. (2008). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge University Press
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach, Global Edition, 4th Foundations, vol. 19.
Talbi, E.G. (2009). Metaheuristics: From Design to Implementation. Wiley
Nowak, M.A. (2006). Evolutionary Dynamics. Harvard University Press
Mohri, M., Rostamizadeh, A., & Talwalkar, A. (2018). Foundations of machine learning. MIT press.
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
20% d'évaluation continue non remédiable
80% d'examen oral
Note : un concours d'intelligence artificiel est organisé dans le cadre du cours. Les étudiants qui ont réalisé un travail remarquable (évalué par l'enseignant sur base du travail et du résultat au concours) peuvent obtenir une note et être dispensé de l'examen oral (la note du travail est alors assimilée à celle de l'examen).
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2362 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : John RIVIERE
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 3 ects
Notions de biologie moléculaire et génie génétique.
- Comprendre les principes fondamentaux du Séquençage Nouvelle Génération (NGS)
- Comprendre les différentes technologies disponibles aujourd’hui (Illumina, IonTorrent,…)
- Comprendre les bases des protocoles (matériel de départ, construction des librairies, séquençage, validation
des résultats, interprétation,…)
(1) Rappel des notions de base de manipulation d’ADN, construction de librairies,…
(2) Présentation des nouvelles méthodes de séquençage d’ADN:
(2.1) La méthode de séquençage par détection de protons («Post-light» Ion Torrent technologie)
(2.2) La méthode de séquençage par synthèse, terminateurs réversibles (Illumina et Qiagen)
(2.3) Les techniques Pacific Biosciences et Oxford Nanopore
(3) Applications :
(3.1) Réalisation d'un séquençage ciblé sur une plateforme Illumina MiSeq (extraction d'ADN, PCR cible, Index PCR, sequençage).
5 h de théorie, 15 h d'exercices/Labos, 5 h de travaux, 5 h de séminaires
Cours magistral, travaux de groupes, activités pédagogiques extérieures, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, notes de cours, protocoles de laboratoires
Les ressources bibliographiques sont reprises dans les notes de cours.
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
- Examen écrit : travail de groupe sur base d'une étude de cas (les consignes de rédaction seront fournies aux étudiants). Représente 70 % de la note finale.
- Présentation orale le jour de l'examen afin de défendre le rapport d'étude de cas (des membres extérieurs pourraient être invités lors de cette présentation). Représente 30 % de la note finale.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2363 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Jean-Paul SZCZEPANSKI
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 2 ects
Informatiques de base : Acronymes, Routeur, Firewall, DMZ, LDAP
Appréhender la notion d'audit de sécurité
Cours : Introduction
Le RGPD – Définitions essentielles : les données personnelles
Les principes fondamentaux : le traitement des données
Les réglementations européennes
Les droits de la personne et les atteintes
Les obligations du DPO, les responsabilités et les sanctions
La sécurité des données et les règles de transmission
Conclusion
Exercices : Maitriser le RGPD dans l’entreprise
Labos : comment, concrètement, appliquer le RGPD
Cours : Introduction
Types de données (classification : Secret, Confidentiel, Usage Interne, Public)
Règles de Sécurité physique et logique
Protection des données d’entreprise
Méthode d’accès aux données
Le cloud computing et stockage d’information
Conclusion
Exercices : Cas d’utilisation : PCI-DSS
Labos : Translation des contraintes PCI-DSS vers différentes infrastructure
Protection des données personnelles : 9 h de théorie, 6 h d'exercices/Labos
Gestion des données informatiques : 9 h de théorie, 6 h d'exercices/Labos
Protection des données personnelles : approche interactive, approche par situation problème, étude de cas
Gestion des données informatiques : approche interactive, approche par situation problème, étude de cas
Protection des données personnelles : français
Gestion des données informatiques : français
Protection des données personnelles : copies de présentations, notes de cours, notes d'exercices
Gestion des données informatiques : copies de présentations, notes de cours, notes d'exercices
https://www.belgium.be/fr/justice/respect_de_la_vie_privee/protection_des_donnees_personnelles
RGPD – le comprendre et le mettre en œuvre ISBN :978-2-409-02538-9
Guide Juridique du RGPD ISBN : 978-2-409-02308-8
Maitriser le RGPD dans l’entreprise ISBN : 978-2-7579-0837-2
Protection des données à caractères personnel & PME ISBN : 978-2-87496-363-6
PCI Security standards Council – Document Library
https://www.pcisecuritystandards.org/document_library?category=programs&document=rem_assess_guide
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Evaluation : 1 seule note à l’UE
50% Gestion informatique des données
50% Protection des données personnelles
Méthode d’évaluation:
- Taux de présence au cours
- Présentation orale d’un projet couvrant les 2 cours : Powerpoint + Document (pdf) explicatif
20 minutes de présentation /10 minutes Questions/Réponses
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2365 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Vincent BRANDERS
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 60 h
Crédits : 5 ects
Séquencage nouvelle génération1 et services web bioinformatique
High-throughput sequencing algorithms :
Capacité à définir le processus adéquat pour traiter des données NGS dans le cadre d'une recherche en particulier.
Aptitude à exploiter les ressources existantes pour les intégrer à un projet de recherche.
L'amplification du recours aux techniques NGS dans tous les pans de la recherche biologique aboutit à l'engorgement quotidien de ce type de données dans leur différentes phases de maturation ; données brutes, filtrées,nettoyées, assemblées, corrigées. Nous allons adresser ces questions en puisant abondamment au sein des banques afin de répéter les différentes étapes de finalisation allant des données brutes initiales pour finir par un résultat d'analyse complet : génome complet, analyse des variations dans le profil d'expression par exemple. Nous allons "rejouer" les travaux effectués lors des stages/TFEs des étudiants des annéesprécédentes lorsque les dites données sont rendues publiques.
Exploitation des ressources bioinformatiques : 10 h de théorie, 20 h d'exercices/Labos
High-throughput sequencing algorithms : 15 h de théorie, 15 h d'exercices/Labos
Exploitation des ressources bioinformatiques : cours magistral, travaux de groupes, approche interactive, utilisation de logiciels
High-throughput sequencing algorithms : cours magistral, approche par projets, approche interactive
Exploitation des ressources bioinformatiques : français
High-throughput sequencing algorithms : français
Exploitation des ressources bioinformatiques : notes de cours, activités sur eCampus
High-throughput sequencing algorithms : copies de présentations
-
Ukkonen, E. « On-line construction of suffix trees. » Algorithmica, 1995.
Margaret Dayhoff et al. « Atlas of protein sequence and structure », 1966
Pevzner, P. « Computational Molecular Biology: An Algorithmic Approach », MIT Press, 2000
Fedoroff, N. « Transposable elements, epigenetics, and genome evolution. » Science, 2012
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Pondération 50% Algorithmes de séquencage haut débit et 50% Exploitation des ressources bioinformatiques
Examen oral avec exercices pratique pour Exploitation des ressources bioinformatiques.
High-throughput sequencing algorithms :
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2366 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Thomas SIMON
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 3 ects
Utilisation et Administration de Unix
Anglais
Sequencage Nouvelle Génération, Analyse d'un génome
Traiter, analyser et évaluer les annotations par structures et fonctions de génomes prokaryotique via des logiciels et pipelines (NCBI annotation, Prokka, EggNOG-mppe, Artemis)
Traiter, analyser et évaluer les annotations par structures et fonctions de génomes Eukaryotique via des logiciels et pipelines (Maker, Busco, Jbrowse)
Utiliser des resources en ligne tel que Galaxy Project pour automatiser et maintenir une reproductibilité.
Utilisation des jeux de données de génomes d’eucaryotes disponible sur Ensembl, pour les traiter, analyser et évaluer via des logiciels et des pipelines (NCBI annotation, Ensembl, IGV, Exonerate…)
8 h de théorie, 12 h d'exercices/Labos, 10 h de travaux
Cours magistral, travaux de groupes, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, notes de cours, tuto en ligne (github et galaxyproject)
Prokka; 10.1093/bioinformatics/btu153
eggNOG-mapper; https://doi.org/10.1101/2021.06.03.446934
NCBI pipeline; https://doi.org/10.1093/nar/gkw569
Artemis; https://doi.org/10.1093/bioinformatics/16.10.944
Maker; https://doi.org/10.1186/1471-2105-12-491
Busco; https://doi.org/10.1093/bioinformatics/btv351
Jbrowser; https://doi.org/10.1186/s13059-016-0924-1
Galaxy training; https://training.galaxyproject.org/training-material/topics/genome-annotation/tutorials/annotation-with-maker/tutorial.html
Github training; https://github.com/RVanDamme/Prokaryotic_annotation
Ensembl: 10.1093/nar/30.1.38
Exonerate: https://doi.org/10.1186/1471-2105-6-31
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Travail continu 40%, Non rémédiable
Présentation oral du travail de groupe 40%, rémédiable
Rapport ecrit du travail de groupe 20%, rémédiable
Cette fiche ects d'UE 2025-2026 est indisponible.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2368 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Aline LEONET
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 20 h
Crédits : 2 ects
Cours de protéomique BA3
Comprendre les méthodes d'analyse qualitative et quantitative des protéines en spectrométrie de masse.
Traiter, analyser, interpréter les résultats de jeux de donnés issus d'un spectromètre de masse, protéomique, via des logiciels Trans Proteomic pipeline; Skyline, X!tendem, MaxQuant..
Rappel de l'orginie des données en protéomique et présentation des méthodes d'analyse quantitative des proteines en spectrometrie de masse.
Utiliser des jeux de données issus d'analyseurs en spectrometrie de masse, pour traiter, analyser, interpreter les résultats via des logiciels, Trans Proteomic pipeline, Skyline,.. découverte de l'univers "PROTEOMICS"
8 h de théorie, 12 h d'exercices/Labos
Cours magistral, approche par projets, approche par situation problème
Français
Copies de présentations, notes d'exercices
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Evaluation 100% via la réalisation et présentation d'un projet.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2416 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Christelle MAES
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 24 h
Crédits : 2 ects
-
A la fin de l'apprentissage dans le cadre de ce cours de Biocapteurs, l’étudiant sera capable de :
• énoncer, décrire et expliquer avec le vocabulaire adéquat les principes abordés lors des cours magistraux
• collecter les informations essentielles du cours de manière à présenter une réponse synthétique
• illustrer par des exemples ou des schémas légendés et pertinents les concepts abordés au cours
La liste des objectifs spécifiques au cours est disponible sur la plateforme Connected
•Comprendre les progrès dans les biocapteurs (principe,architecture,applications)
•Comprendre des biorécepteurs et transducteurs plus particuliers.
•Détailler des applications et les innovations au niveau des biocapteurs dans différents domaines (environnement, biologie, matériaux, biomédical)
•Expliquer les différents dosages utilisant des biocapteurs.et les relier à des applications utilisées dans le monde professionnel pour rechercher ou quantifier une molécule présente dans un échantillon.
Partie commune Ingé HELHa (Biocapateurs "Genéral"-BG)
1. Définition « Biocapteur », schéma d’ un biocapteur et rôle de chaque élément le constituant
2. Fonctionnement général d’un biocapteur
3. Construction d’un biocapteur – Méthodes d’immobilisation
4. Classification des biocapteurs
•Classification selon le type de biorécepteur utilisé
•Classification selon la nature de l’élément biologique
•Classification selon le signal engendré
•Classification selon l’espèce recherchée
5. Analyse des différents biorécepteurs
6. Analyse des différents transducteurs
7. Analyse de capteurs selon l’espèce recherchée dans des domaines différents
Partie spécifique LDT (Biocapteurs "Complément"-BC)
Partie 1: Etude plus approfondie de transducteurs
1. Les transducteurs optiques ou les biocapteurs optiques
2. Les transducteurs électrochimiques
3. Les transducteurs piézoélectriques
Partie 2: Les nanobiocapteurs
24 h de théorie
Cours magistral, PPT Commentés plateforme connectED/Teams
Français
Copies de présentations, ConnectED
L. BLUM, J. FOULETIER, P. DESGOUTTE et al, Les capteurs en instrumentation industrielle, Dunod, 2010
R. LALAUZE, Capteurs chimiques, biocapteurs et biopuces, Lavoisier, 2012
Articles de Techniques de l'Ingénieur
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
L'examen examen écrit 100% (questions ouvertes et/ou Vrai ou Faux à justifier)
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2438 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel / orientation Construction / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Julie LENAERTS
Bloc : MA1 Geo, MA1 Info, MA1 Co, MA1 LDT
Période : 2e quadrimestre
Durée : 10 h
Crédits : 1 ects
Néant
Milieux professionnel : s’informer sur le milieu professionnel, adapter sa communication.
en fonction des entreprises
10 h d'AIP
Présentation des entreprises
Français
Notes de cours
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Consignes : Présence, remise du CV et participation à minimum 5 entretiens : obligatoire.
L'UE est validée ou non si les consignes sont respectées.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3489 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 27 h
Crédits : 2 ects
Introduction théorique (en anglais) :
Laboratoires (en anglais) :
Parallélisme : théorie : 9 h de théorie
Parallélisme : laboratoires : 18 h d'exercices/Labos
Parallélisme : théorie : cours magistral, approche interactive, approche avec TIC, étude de cas, utilisation de logiciels
Parallélisme : laboratoires : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Parallélisme : théorie : français, anglais
Parallélisme : laboratoires : français, anglais
Parallélisme : théorie : copies de présentations, syllabus
Parallélisme : laboratoires : copies de présentations, syllabus
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Pour cette UE il n'y a pas de notes aux AA. La note finale de l'UE sera calculée sur base de :
L'eupreuve examinatoire étant intégrée entre les 3 AA, aucune dispence partielle de l'UE n'est possible.
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3492 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 18 h
Crédits : 2 ects
Maîtrrise de la programmation procédirale, impérative et orientée objets
Connaissances mathématiques acquises dans les activités des blocs précédents
8 h de théorie, 10 h d'exercices/Labos
Cours magistral, approche interactive, approche avec TIC, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations
Gandrud, C. (2018). Reproducible research with R and R studio. Chapman and Hall/CRC.
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science. " O'Reilly Media, Inc.".
Grolemund, G. (2014). Hands-on programming with R: Write your own functions and simulations. " O'Reilly Media, Inc.".
Verzani, J. (2011). Getting started with RStudio. " O'Reilly Media, Inc.".
Kronthaler, F., & Zöllner, S. (2021). Data analysis with RStudio. An Easygoing Introduction, 7-131.
Horton, N. J., & Kleinman, K. (2015). Using R and RStudio for data management, statistical analysis, and graphics. CRC Press.
Nazarathy, Y., & Klok, H. (2021). Statistics with Julia: fundamentals for data science, machine learning and artificial intelligence. Springer Nature.
Klok, H., & Nazarathy, Y. (2019). Statistics with julia: Fundamentals for data science, machine learning and artificial intelligence.
Heitzinger, C. (2022). Algorithms with JULIA: Optimization, Machine Learning, and Differential Equations Using the JULIA Language. Springer Nature.
Kaminski, B. (2023). Julia for Data Analysis. Manning Publications .
Kumar Dash, S. (2021). Hands-On Julia Programming: An Authoritative Guide to the Production-Ready Systems in Julia. BPB Publications.
Lauwens, B., & Downey, A. (2019). Think Julia: How to Think Like a Computer Scientist." O'Reilly Media, Inc.".
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
100% Travail à réaliser
2025-2026
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3493 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Intelligence artificielle et Big Data
- option Intelligence artificielle et Big Data - Passerelle
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 2 ects
Cours de Bases de données avancées (MA1 Q1)
Etre capable de choisir, de déployer et d'utiliser les technologies les plus a adaptées à un problèem donné pour des problématiques de type Big Data
Après un rappel téhorique sur les paradigmes et concepts du Big Data, le cours sera essentielment pratique et centré sur la création d'un pipeline de données mélangeant différentes technologies comme le streaming de données, le map reduce, les wide column stores, les document stores, les moteurs de recherche, etc.
6 h de théorie, 24 h d'exercices/Labos
Cours magistral, travaux de groupes, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, protocoles de laboratoires
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Les étudiants devront réaliser un ou plusieurs projets durant les heures de cours. Ce ou ces projets seront accompagnés de rapports en anglais. L'évaluation portera sur la qualité des délivrables réalisés ainsi que l'implication des étudiants pendant les heures de cours.