Aucun prérequis formel n’est exigé pour cette activité d’apprentissage.
Les étudiants ont toutefois déjà suivi des activités d’apprentissage en anglais en Bac 1, Bac 2 et Bac 3 (ou passerelle). Il est dès lors attendu qu’ils disposent de connaissances de base en grammaire, vocabulaire, compréhension à la lecture et compréhension à l’audition.
Les éventuelles lacunes devront faire l’objet d’un travail personnel et autonome, en complément des activités proposées dans le cadre de l’activité d’apprentissage.
Contribution aux objectifs du référentiel de compétences de l'ARES
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Communiquer dans une ou plusieurs langues étrangères
Intégrer les réalités culturelles dans un contexte national et international
S’engager dans une démarche de développement professionnel
S’autoévaluer pour identifier ses besoins de développement
Organiser son savoir de manière à améliorer son niveau de compétence
Acquis d'apprentissage spécifiques
À l’issue de l’activité d’apprentissage, l’étudiant devra être capable de :
comprendre des documents écrits et oraux en anglais dans des situations de la vie courante et professionnelle ;
mobiliser le vocabulaire et les structures grammaticales nécessaires à la compréhension de messages en anglais ;
mettre en œuvre des stratégies adaptées aux différents types de questions rencontrés dans le test TOEIC ;
atteindre au minimum un niveau B2 du Cadre européen commun de référence pour les langues (CECRL).
Contenu de l'AA
L’activité d’apprentissage vise à préparer les étudiants à la présentation d’un test TOEIC officiel organisé au cours de l’année académique (session de janvier).
Lors de la première séance, les étudiants réalisent une simulation de test TOEIC afin d’évaluer leur niveau initial, d’identifier leurs points forts et leurs éventuelles difficultés et de déterminer les compétences qui devront faire l’objet d’un travail plus approfondi. Cette simulation a une visée diagnostique. Le résultat obtenu à cette simulation n’intervient pas dans la note finale.
Les séances suivantes sont principalement consacrées à des exercices de type TOEIC et portent notamment sur :
la compréhension à l’audition ;
la compréhension à la lecture ;
le vocabulaire général et professionnel ;
les structures grammaticales et syntaxiques fréquemment rencontrées ;
les stratégies de compréhension et de gestion du temps propres aux différentes parties du test.
Compte tenu du nombre limité d’heures de cours, les séances constituent avant tout un accompagnement et une préparation méthodologique au test. Elles ne peuvent, à elles seules, garantir l’acquisition du niveau linguistique attendu.
Un travail personnel régulier et autonome est donc indispensable, en particulier pour les étudiants dont le niveau initial est inférieur au niveau B2.
Afin de soutenir la progression des étudiants, des séances de remédiation ainsi que des tables de conversation sont organisées durant le premier quadrimestre. Ces dispositifs permettent aux étudiants de renforcer leurs connaissances linguistiques, de travailler leurs difficultés spécifiques et de développer davantage leur aisance en anglais.
Répartition des heures
4 h de théorie, 10 h d'exercices/Labos
Méthodes d'enseignement
Approche inductive, approche déductive, approche avec TIC
Langues d'enseignement
Anglais
Supports
Syllabus, notes de cours, activités sur eCampus
Ressources bibliographiques
ETS, Harvey, C. & Langner, D., Grammaire – Vocabulaire TOEIC®, Hachette Éducation.
Ressources et exercices officiels de préparation au TOEIC Listening & Reading proposés par ETS Global.
Ressources numériques, exercices interactifs et tests d’entraînement sélectionnés et communiqués par l’enseignant via Moodle.
Supports, exercices et documents complémentaires mis à disposition dans le cadre du cours.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : anglais
Modalités d'évaluation :
L’évaluation repose sur la présentation d’un test TOEIC officiel au premier quadrimestre. L’objectif attendu est d’atteindre au minimum un score de 785/990, correspondant au niveau B2 du CECRL.
Un score égal ou supérieur à 785/990 donne lieu à l’attribution d’une note comprise entre 12/20 et 20/20, selon la grille de conversion établie.
La participation au test TOEIC officiel organisé au premier quadrimestre est obligatoire.
En cas d’absence non justifiée à ce test, l’étudiant obtient la note de 0/20 pour la première session. Il ne bénéficie pas de la possibilité de représenter la simulation organisée en avril/mai et est dès lors ajourné à la deuxième session, au cours de laquelle il devra représenter l’évaluation selon les modalités prévues.
En cas d’absence dûment justifiée, l'étudiant bénéficie de la possibilité de représenter la simulation organisée en avril/mai.
Lorsqu’un étudiant obtient un score inférieur à 785/990 au test TOEIC officiel, aucune note n’est attribuée à ce stade. L’étudiant bénéficie d’une deuxième chance au deuxième quadrimestre, sous la forme d’une simulation de test TOEIC organisée en avril/mai.
Le résultat obtenu lors de cette deuxième chance donne lieu à l’attribution d’une note selon la même grille de conversion :
un résultat inférieur à 785/990 correspond à une note comprise entre 0/20 et 9/20 ;
un résultat égal ou supérieur à 785/990 correspond à une note comprise entre 12/20 et 20/20.
En cas de non-réussite à l’issue de cette deuxième chance, l’étudiant peut représenter l’évaluation en deuxième session au mois d’août, selon les mêmes modalités et la même grille de conversion.
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1497 intitulée :
Des conseils pour le déploiement des serveurs de bases de données
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Bases de données relationnelles : cours avancé : français
Big Data et systèmes NoSQL : français, anglais
Architectures serveurs : français
Supports
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
Ressources bibliographiques
Bases de données relationnelles : cours avancé
Base de données, les systèmes et leurs langages, Gardarin aux éditions Eyrolles
Des bases de données à l’Internet, Philippe Mahieu aux éditions Vuibert 2000.
High performance MySQL, B. Schwartz, P. Zaitsev et V. Tkachenko, O'Reilly, 2012
Big Data et systèmes NoSQL
NoSQL and SQL Data Modeling: Bringing Together Data, Semantics, and Software, Ted Hills, Technics Publications, 2017
Making sense of NoSQL, D. McCreary et A. Kelly, Manning publications, 2013
Architectures serveurs
Documentations officielles des constructeurs de serveurs, de composants et des fournisseurs de SGBD
Sites de comparatifs
Architectures des systèmes informatique (BA2)
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
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.
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Bases de données relationnelles : cours avancé : non
Big Data et systèmes NoSQL : non
Architectures serveurs : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1500 intitulée :
Project planning et programmation linéaire : 20 h, Fabrice HUBERT
Travaux dirigés de ROP ( Workshops ) : 10 h, Fabrice HUBERT
Connaissances et compétences préalables
-
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Évaluer les coûts et la rentabilité de son projet
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Acquis d'apprentissage spécifiques
Les étudiants seront capables :
- de planifier un projet et d'en optimiser le coût,
- de résoudre des problèmes d'optimisation sous contraintes diverses
Contenu des AA
Project planning et programmation linéaire
Introduction à la recherche opérationnelle : théorie des graphes et applications à la planification de projets industriels, PERT, PERT COST, programmations linéaire et non linéaire, aide à la décision.
Utilisation d'outils de simulation pour la planification et la programmation linéaire.
Travaux dirigés de ROP ( Workshops )
ROP, optimisation mathématique et planification de projets.
Répartition des heures
Project planning et programmation linéaire : 20 h de théorie
Travaux dirigés de ROP ( Workshops ) : 10 h d'exercices/Labos
Méthodes d'enseignement
Project planning et programmation linéaire : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Travaux dirigés de ROP ( Workshops ) : travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Langues d'enseignement
Project planning et programmation linéaire : français
Travaux dirigés de ROP ( Workshops ) : français
Supports
Project planning et programmation linéaire : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Travaux dirigés de ROP ( Workshops ) : syllabus, notes de cours, notes d'exercices, activités sur eCampus, protocoles de laboratoires
Ressources bibliographiques
Project planning et programmation linéaire
"Signaux et Systèmes" Volume 5/7 Ir.F.HUBERT
Travaux dirigés de ROP ( Workshops )
"Signaux et Systèmes" Volume 5/7 Ir.F.HUBERT : protocole de laboratoires
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Test dispensatoire à la fin du cours ( hors session ).
Examen en session ( 80 % des points ).
Travaux dirigés obligatoires ( 20 % des points ).
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Technologie et évolution des réseaux téléphoniques et mobiles : 24 h, Laëtitia ISIDORO
Connaissances et compétences préalables
électricité générale (TB2) réseaux informatiques (TB3) traitement du signal (TB3)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Acquis d'apprentissage spécifiques
Les étudiants seront capables de
- Appréhender les bases nécessaires du point de vue interface radio pour la compréhension des différents systèmes existants de réseaux mobiles.
- Expliquer les principes du téléphone mobile et de leurs réseaux avec leur évolution de la première à la cinquième génération.
- Résoudre les exercices relatifs aux antennes et à la propagation des ondes.
Contenu de l'AA
1er partie:
- Ondes électromagnétiques, propagation des OEM, antennes
- Antennes description - Rayonnement, propagation en espace libre et propagation réelle - Systèmes cellulaires 2eG, interférences, couverture par un système cellulaire - Types de duplexage et de multiplexage
2e partie : Evolution du téléphone mobile et des réseaux:
- 1er génération
- 2e génération: GSM, GPRS, EDGE
- 3e génération: UMTS
- Structure du mobile émission/réception.
- 4e génération: LTE
- 5e génération: New Radio
Répartition des heures
24 h de théorie
Méthodes d'enseignement
Cours magistral, étude de cas
Langues d'enseignement
Français
Supports
Copies de présentations, notes de cours, notes d'exercices
Ressources bibliographiques
- G. Pujolle, "les réseaux", Edition 2008, Eyrolles, 1099 pages - P. Lecoy, "technologies des télécommunications", 1999, Hermès, 364 pages
- Le réseau GSM, évolution GPRS, I-MODE et WAP, 4e édition, J. Tisal, Edition DUNOD. - UMTS 2e édition revue et augmentée, J. Sanchez et M.Thioune, Edition Lavoisier 2004.
- Architecture des réseaux mobiles, André Perez, édition Lavoisier 2011
G. Baudoin, "radiocommunications numériques: 1) principes, modélisation et simulation", 2002, Dunod, 624 pages
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen écrit 100%
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2455 intitulée :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Dépasser les cadres ou les limites d’un problème et apporter des solutions innovantes
S’engager dans une démarche de développement professionnel
Assumer la responsabilité de ses décisions et de ses choix
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre l’architecture et les fonctionnalités fondamentales d’un système d’exploitation (processus, mémoire, fichiers, E/S, protection, appels système, communication interprocessus).
Analyser les mécanismes de gestion mémoire et d’ordonnancement et expliquer leurs impacts sur les performances d’un système.
Mettre en œuvre des manipulations pratiques sur un système GNU/Linux (gestion de processus, exploration du système de fichiers, compilation et test d’un noyau).
Concevoir et développer des scripts d’automatisation (Bash, PowerShell, Perl/Python) adaptés à des besoins systèmes.
Intégrer et expérimenter un ordonnanceur dans un noyau minimal et évaluer ses résultats au regard des objectifs de gestion des ressources.
Justifier les choix de conception et d’implémentation effectués lors du développement ou de la modification d’éléments d’un système d’exploitation.
Gestion mémoire et ordonnancement : copies de présentations, protocoles de laboratoires
Systèmes d'exploitation open-source : copies de présentations, protocoles de laboratoires
Shell scripting : copies de présentations, protocoles de laboratoires
Ressources bibliographiques
Gestion mémoire et ordonnancement
Operating System Concepts (Silberschatz et al.)
Systèmes d'exploitation open-source
Tanenbaum, A. S. (2022). MODERN OPERATING SYSTEMS FIFTH EDITION.
Operating System Concepts – Abraham Silberschatz, et al. (10ᵉ édition)
Understanding the Linux Kernel – Daniel Bovet & Marco Cesati (3ᵉ édition)
Yosifovich, P., Ionescu, A., Solomon, D. A., & Russinovich, M. E. (2017). Windows Internals: System architecture, processes, threads, memory management, and more, Part 1. Microsoft Press.
Allievi, A., Ionescu, A., Russinovich, M. E., & Solomon, D. A. (2021). Windows internals, part 2. Microsoft Press.
Shell scripting
Robbins, A., & Beebe, N. H. (2005). Classic Shell Scripting: Hidden Commands that Unlock the Power of Unix. " O'Reilly Media, Inc.".
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Évaluation continue (20%), QCM et exercices (80%) sur une plateforme (e.g. ecampus) en présentiel dans un local de laboratoire
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Gestion mémoire et ordonnancement : non
Systèmes d'exploitation open-source : non
Shell scripting : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2455 intitulée :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Dépasser les cadres ou les limites d’un problème et apporter des solutions innovantes
S’engager dans une démarche de développement professionnel
Assumer la responsabilité de ses décisions et de ses choix
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre l’architecture et les fonctionnalités fondamentales d’un système d’exploitation (processus, mémoire, fichiers, E/S, protection, appels système, communication interprocessus).
Analyser les mécanismes de gestion mémoire et d’ordonnancement et expliquer leurs impacts sur les performances d’un système.
Mettre en œuvre des manipulations pratiques sur un système GNU/Linux (gestion de processus, exploration du système de fichiers, compilation et test d’un noyau).
Concevoir et développer des scripts d’automatisation (Bash, PowerShell, Perl/Python) adaptés à des besoins systèmes.
Intégrer et expérimenter un ordonnanceur dans un noyau minimal et évaluer ses résultats au regard des objectifs de gestion des ressources.
Justifier les choix de conception et d’implémentation effectués lors du développement ou de la modification d’éléments d’un système d’exploitation.
Gestion mémoire et ordonnancement : copies de présentations, protocoles de laboratoires
Systèmes d'exploitation open-source : copies de présentations, protocoles de laboratoires
Shell scripting : copies de présentations, protocoles de laboratoires
Ressources bibliographiques
Gestion mémoire et ordonnancement
Operating System Concepts (Silberschatz et al.)
Systèmes d'exploitation open-source
Tanenbaum, A. S. (2022). MODERN OPERATING SYSTEMS FIFTH EDITION.
Operating System Concepts – Abraham Silberschatz, et al. (10ᵉ édition)
Understanding the Linux Kernel – Daniel Bovet & Marco Cesati (3ᵉ édition)
Yosifovich, P., Ionescu, A., Solomon, D. A., & Russinovich, M. E. (2017). Windows Internals: System architecture, processes, threads, memory management, and more, Part 1. Microsoft Press.
Allievi, A., Ionescu, A., Russinovich, M. E., & Solomon, D. A. (2021). Windows internals, part 2. Microsoft Press.
Shell scripting
Robbins, A., & Beebe, N. H. (2005). Classic Shell Scripting: Hidden Commands that Unlock the Power of Unix. " O'Reilly Media, Inc.".
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Évaluation continue (20%), QCM et exercices (80%) sur une plateforme (e.g. ecampus) en présentiel dans un local de laboratoire
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Gestion mémoire et ordonnancement : non
Systèmes d'exploitation open-source : non
Shell scripting : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3487 intitulée :
Analyse et extraction de données : 21 h, Samuel CREMER
OLAP and reporting : 12 h, Samuel CREMER
Connaissances et compétences préalables
Techniques de programmation avancées 1 (BA2)
Traitement de l'information (BA3)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Prendre en compte les missions, visions stratégiques et enjeux de son cadre professionnel
Intégrer les enjeux sociétaux, économiques et environnementaux dans ses décisions
S’impliquer dans la politique d’amélioration de la qualité
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Acquis d'apprentissage spécifiques
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
Contenu des AA
Analyse et extraction de données
Formats des données
API
Workflows
Utilisation d'un ETL (Extract Transform Load)
OLAP and reporting
Data Warehouse
OLAP et cubes multidimensionnels
Modélisation (Star-Schema, Snowflakes, etc.)
Utilisation d'un outil de reporting
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Analyse et extraction de données : français
OLAP and reporting : français, anglais
Supports
Analyse et extraction de données : copies de présentations
OLAP and reporting : copies de présentations
Ressources bibliographiques
Analyse et extraction de données
Thomas C. Hammergren and Alan R. Simon: Data Warehousing forDummies (2nd Edition). Wiley Publishing, 2009
Paulraj Ponniah: Data Warehousing. Fundamentals for IT professionals(2nd Edition). John Wiley & Sons, 2010
Oded Maimon, Lior Rokach (Eds.): The Data Mining and KnowledgeDiscovery Handbook (2nd Edition). Springer, 2010
OLAP and reporting
Thomas C. Hammergren and Alan R. Simon: Data Warehousing forDummies (2nd Edition). Wiley Publishing, 2009
Paulraj Ponniah: Data Warehousing. Fundamentals for IT professionals(2nd Edition). John Wiley & Sons, 2010
Oded Maimon, Lior Rokach (Eds.): The Data Mining and KnowledgeDiscovery Handbook (2nd Edition). Springer, 2010
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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.
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Technologie et évolution des réseaux téléphoniques et mobiles : 24 h, Laëtitia ISIDORO
Connaissances et compétences préalables
électricité générale (TB2) réseaux informatiques (TB3) traitement du signal (TB3)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Acquis d'apprentissage spécifiques
Les étudiants seront capables de
- Appréhender les bases nécessaires du point de vue interface radio pour la compréhension des différents systèmes existants de réseaux mobiles.
- Expliquer les principes du téléphone mobile et de leurs réseaux avec leur évolution de la première à la cinquième génération.
- Résoudre les exercices relatifs aux antennes et à la propagation des ondes.
Contenu de l'AA
1er partie:
- Ondes électromagnétiques, propagation des OEM, antennes
- Antennes description - Rayonnement, propagation en espace libre et propagation réelle - Systèmes cellulaires 2eG, interférences, couverture par un système cellulaire - Types de duplexage et de multiplexage
2e partie : Evolution du téléphone mobile et des réseaux:
- 1er génération
- 2e génération: GSM, GPRS, EDGE
- 3e génération: UMTS
- Structure du mobile émission/réception.
- 4e génération: LTE
- 5e génération: New Radio
Répartition des heures
24 h de théorie
Méthodes d'enseignement
Cours magistral, étude de cas
Langues d'enseignement
Français
Supports
Copies de présentations, notes de cours, notes d'exercices
Ressources bibliographiques
- G. Pujolle, "les réseaux", Edition 2008, Eyrolles, 1099 pages - P. Lecoy, "technologies des télécommunications", 1999, Hermès, 364 pages
- Le réseau GSM, évolution GPRS, I-MODE et WAP, 4e édition, J. Tisal, Edition DUNOD. - UMTS 2e édition revue et augmentée, J. Sanchez et M.Thioune, Edition Lavoisier 2004.
- Architecture des réseaux mobiles, André Perez, édition Lavoisier 2011
G. Baudoin, "radiocommunications numériques: 1) principes, modélisation et simulation", 2002, Dunod, 624 pages
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen écrit 100%
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1647 intitulée :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
S’engager dans une démarche de développement professionnel
S’autoévaluer pour identifier ses besoins de développement
Organiser son savoir de manière à améliorer son niveau de compétence
Acquis d'apprentissage spécifiques
-bases fondamentales de la chimie.
-principes généraux des différents domaines de la chimie ( chimie structurale, chimie organique et chimie analytique ).
Contenu de l'AA
1. Structure de la matière : la théorie ondulatoire de la lumière, les rayons X & les rayonnements radioactifs ; les particules fondamentales : électrons ; protons & neutrons ; le noyau atomique ; le spectre atomique de l’hydrogène ;la classification périodique des éléments , les éléments de la mécanique ondulatoire ; les orbitales atomiques et moléculaires.
2. Les liaisons chimiques : la liaison ionique, la liaison covalente (l’hybridation des molécules organiques), la liaison métallique ; les liaisons secondaires.
3. Les systèmes chimiques : les masses atomiques et les masses moléculaires relatives,la notion de Mole, les symboles chimiques et les formules chimiques, les équations chimiques, les solutions et les mélanges, la classification des corps simples dans le tableau périodique des éléments, la nomenclature des composés minéraux & ioniques, les réactions acide-base; les réactions de précipitation ; les réactions d’oxydo-réduction , les lois des gaz.
4. Chimie organique : étude des différentes fonctions organiques et nomenclature des composés organiques.
Chaque chapitre est agrémenté d'exercices.
Répartition des heures
14 h de théorie, 14 h d'exercices/Labos
Méthodes d'enseignement
Cours magistral, approche par situation problème, approche avec TIC
Langues d'enseignement
Français
Supports
Syllabus, notes d'exercices
Ressources bibliographiques
Syllabus " Chimie générale", Anne-Sophie Deprez, Département des Sciences et Technologies de la HEH, 2026-2027
KIEL M., "Chimie générale", Tome 1, Estem
KIEL M., "Chimie générale", Tome 2, Estem
ARNAUD P., "Cours de Chimie physique", 3ème édition, Dunod
S.ZUMDAHL, "Chimie des solutions", 2ème édition, De Boeck
ATKINS PETER, "Chimie générale", InterEditions
FLAMAND E, ALLARD J-L, "Chimie générale", 2ème édition, Modulo
S.ZUMDAHL, "Chimie générale",2ème édition, De Boeck Université
JOHNSON, "Invitation à la chimie organique, De Boeck
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen écrit à 100% sur toute la matière vue aux cours ( théorie + exercices ).
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
S’engager dans une démarche de développement professionnel
S’autoévaluer pour identifier ses besoins de développement
Organiser son savoir de manière à améliorer son niveau de compétence
Acquis d'apprentissage spécifiques
-bases fondamentales de la chimie.
-principes généraux des différents domaines de la chimie ( chimie structurale, chimie organique et chimie analytique ).
Contenu de l'AA
1. Structure de la matière : la théorie ondulatoire de la lumière, les rayons X & les rayonnements radioactifs ; les particules fondamentales : électrons ; protons & neutrons ; le noyau atomique ; le spectre atomique de l’hydrogène ;la classification périodique des éléments , les éléments de la mécanique ondulatoire ; les orbitales atomiques et moléculaires.
2. Les liaisons chimiques : la liaison ionique, la liaison covalente (l’hybridation des molécules organiques), la liaison métallique ; les liaisons secondaires.
3. Les systèmes chimiques : les masses atomiques et les masses moléculaires relatives,la notion de Mole, les symboles chimiques et les formules chimiques, les équations chimiques, les solutions et les mélanges, la classification des corps simples dans le tableau périodique des éléments, la nomenclature des composés minéraux & ioniques, les réactions acide-base; les réactions de précipitation ; les réactions d’oxydo-réduction , les lois des gaz.
4. Chimie organique : étude des différentes fonctions organiques et nomenclature des composés organiques.
Chaque chapitre est agrémenté d'exercices.
Répartition des heures
14 h de théorie, 14 h d'exercices/Labos
Méthodes d'enseignement
Cours magistral, approche par situation problème, approche avec TIC
Langues d'enseignement
Français
Supports
Syllabus, notes d'exercices
Ressources bibliographiques
Syllabus " Chimie générale", Anne-Sophie Deprez, Département des Sciences et Technologies de la HEH, 2026-2027
KIEL M., "Chimie générale", Tome 1, Estem
KIEL M., "Chimie générale", Tome 2, Estem
ARNAUD P., "Cours de Chimie physique", 3ème édition, Dunod
S.ZUMDAHL, "Chimie des solutions", 2ème édition, De Boeck
ATKINS PETER, "Chimie générale", InterEditions
FLAMAND E, ALLARD J-L, "Chimie générale", 2ème édition, Modulo
S.ZUMDAHL, "Chimie générale",2ème édition, De Boeck Université
JOHNSON, "Invitation à la chimie organique, De Boeck
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen écrit à 100% sur toute la matière vue aux cours ( théorie + exercices ).
Analyse et extraction de données : 21 h, Samuel CREMER
OLAP and reporting : 12 h, Samuel CREMER
Connaissances et compétences préalables
Techniques de programmation avancées 1 (BA2)
Traitement de l'information (BA3)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Prendre en compte les missions, visions stratégiques et enjeux de son cadre professionnel
Intégrer les enjeux sociétaux, économiques et environnementaux dans ses décisions
S’impliquer dans la politique d’amélioration de la qualité
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Acquis d'apprentissage spécifiques
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
Contenu des AA
Analyse et extraction de données
Formats des données
API
Workflows
Utilisation d'un ETL (Extract Transform Load)
OLAP and reporting
Data Warehouse
OLAP et cubes multidimensionnels
Modélisation (Star-Schema, Snowflakes, etc.)
Utilisation d'un outil de reporting
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Analyse et extraction de données : français
OLAP and reporting : français, anglais
Supports
Analyse et extraction de données : copies de présentations
OLAP and reporting : copies de présentations
Ressources bibliographiques
Analyse et extraction de données
Thomas C. Hammergren and Alan R. Simon: Data Warehousing forDummies (2nd Edition). Wiley Publishing, 2009
Paulraj Ponniah: Data Warehousing. Fundamentals for IT professionals(2nd Edition). John Wiley & Sons, 2010
Oded Maimon, Lior Rokach (Eds.): The Data Mining and KnowledgeDiscovery Handbook (2nd Edition). Springer, 2010
OLAP and reporting
Thomas C. Hammergren and Alan R. Simon: Data Warehousing forDummies (2nd Edition). Wiley Publishing, 2009
Paulraj Ponniah: Data Warehousing. Fundamentals for IT professionals(2nd Edition). John Wiley & Sons, 2010
Oded Maimon, Lior Rokach (Eds.): The Data Mining and KnowledgeDiscovery Handbook (2nd Edition). Springer, 2010
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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.
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Dépasser les cadres ou les limites d’un problème et apporter des solutions innovantes
S’engager dans une démarche de développement professionnel
Assumer la responsabilité de ses décisions et de ses choix
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre l’architecture et les fonctionnalités fondamentales d’un système d’exploitation (processus, mémoire, fichiers, E/S, protection, appels système, communication interprocessus).
Analyser les mécanismes de gestion mémoire et d’ordonnancement et expliquer leurs impacts sur les performances d’un système.
Mettre en œuvre des manipulations pratiques sur un système GNU/Linux (gestion de processus, exploration du système de fichiers, compilation et test d’un noyau).
Concevoir et développer des scripts d’automatisation (Bash, PowerShell, Perl/Python) adaptés à des besoins systèmes.
Intégrer et expérimenter un ordonnanceur dans un noyau minimal et évaluer ses résultats au regard des objectifs de gestion des ressources.
Justifier les choix de conception et d’implémentation effectués lors du développement ou de la modification d’éléments d’un système d’exploitation.
Gestion mémoire et ordonnancement : copies de présentations, protocoles de laboratoires
Systèmes d'exploitation open-source : copies de présentations, protocoles de laboratoires
Shell scripting : copies de présentations, protocoles de laboratoires
Ressources bibliographiques
Gestion mémoire et ordonnancement
Operating System Concepts (Silberschatz et al.)
Systèmes d'exploitation open-source
Tanenbaum, A. S. (2022). MODERN OPERATING SYSTEMS FIFTH EDITION.
Operating System Concepts – Abraham Silberschatz, et al. (10ᵉ édition)
Understanding the Linux Kernel – Daniel Bovet & Marco Cesati (3ᵉ édition)
Yosifovich, P., Ionescu, A., Solomon, D. A., & Russinovich, M. E. (2017). Windows Internals: System architecture, processes, threads, memory management, and more, Part 1. Microsoft Press.
Allievi, A., Ionescu, A., Russinovich, M. E., & Solomon, D. A. (2021). Windows internals, part 2. Microsoft Press.
Shell scripting
Robbins, A., & Beebe, N. H. (2005). Classic Shell Scripting: Hidden Commands that Unlock the Power of Unix. " O'Reilly Media, Inc.".
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Évaluation continue (20%), QCM et exercices (80%) sur une plateforme (e.g. ecampus) en présentiel dans un local de laboratoire
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Cours magistral, approche interactive, approche avec TIC, étude de cas, utilisation de logiciels
Langues d'enseignement
Français, anglais
Supports
Copies de présentations
Ressources bibliographiques
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.".
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
100% Travail à réaliser pour l'examen (dont travaux durant l'année)
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2341 intitulée :
Planification et organisation d'un projet évènementiel : 55 h, Samuel CREMER, Kevin GAUSSIN, Jean-Sébastien LERAT
Connaissances et compétences préalables
Techniques de programmation (C, PHP, MySQL)
Réseaux informatiques
Electricité générale
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Évaluer les coûts et la rentabilité de son projet
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Manager des équipes
Élaborer une stratégie de communication
Négocier avec les différents acteurs des milieux professionnels
Entreprendre et innover, dans le cadre de projets personnels ou par l’initiative et l’implication au
sein de l’entreprise
Prendre en compte les missions, visions stratégiques et enjeux de son cadre professionnel
Traduire des stratégies en actions concrètes en s’ajustant à la vision de l’entreprise
Intégrer les enjeux sociétaux, économiques et environnementaux dans ses décisions
S’impliquer dans la politique d’amélioration de la qualité
Participer au développement de la culture de l’entreprise
Dépasser les cadres ou les limites d’un problème et apporter des solutions innovantes
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Communiquer dans une ou plusieurs langues étrangères
Adopter une attitude éthique et respecter les règles déontologiques des secteurs professionnels
Intégrer les réalités culturelles dans un contexte national et international
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
S’autoévaluer pour identifier ses besoins de développement
Assumer la responsabilité de ses décisions et de ses choix
Organiser son savoir de manière à améliorer son niveau de compétence
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Prendre conscience de l'importantce de la compétence organisationnelle
Contenu de l'AA
Les étudiants devront organiser un événement. Pour ce faire il devront potentiellement :
Trouver des sponsors pour la location du matériel et l'achat des différents lots à gagner durant l'événement
Faire la promotion de l'événement
Administrer et adapter le site internet et la plateforme intranet de l'événement
Déployer un réseau électrique stable et suffisamment puissant
Déployer un réseau informatique stable et suffisamment performant
Déployer et administrer des serveurs
Mettre en place un système de monitoring réseau
Gérer l'intendance et la sécurité pendant l'évènement
Administrer les tournois et prévoir des animations
Gérer les renforts (étudiants de 3e année)
Répartition des heures
55 h d'AIP
Méthodes d'enseignement
Travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, activités pédagogiques extérieures, étude de cas, utilisation de logiciels
Langues d'enseignement
Français
Supports
Protocoles de laboratoires
Ressources bibliographiques
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
La note obtenue à l'UE sera représentative de :
L'investissement personnel de l'étudiant
Le travail accompli durant la phase de préparation et pendant l'évènement
La qualité des tâches accomplies
La prise d'initiative
La gestion des problèmes
L'esprit d'équipe
Cette note sera calculée sur base des avis des enseignants, étudiants et quelques participants externes.
Étant donné que cette UE est basée sur un évènement annuel, un échec à cette UE est non remédiable en seconde session.
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1504 intitulée :
GRAFCET et automates programmables industriels : 21 h, Fabrice HUBERT
Travaux dirigés sur PLC ( Workshops ) : 20 h, Fabrice HUBERT
Connaissances et compétences préalables
Automatique et systèmes logiques
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Acquis d'apprentissage spécifiques
Les étudiants seront capables :
- de programmer un automate et de concevoir le Grafcet d'un avant projet de système automatisé industriel.
Contenu des AA
GRAFCET et automates programmables industriels
Théorie du GRAFCET : automatismes à séquence unique ou séquences multiples, parallélisme et synchronisation, séquences conditionnelles, modes de marche et d'arrêt, temporisations, compteurs et sémaphores, ressources partagées.
Etude du fonctionnement des automates programmables industriels, programmation et simulation.
Eléments de pneumatique, capteurs et actionneurs.
Réseaux industriels et supervision.
Travaux dirigés sur PLC ( Workshops )
PLC, GRAFCET, bases de pneumatique.
Répartition des heures
GRAFCET et automates programmables industriels : 21 h de théorie
Travaux dirigés sur PLC ( Workshops ) : 20 h d'exercices/Labos
Méthodes d'enseignement
GRAFCET et automates programmables industriels : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Travaux dirigés sur PLC ( Workshops ) : travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Langues d'enseignement
GRAFCET et automates programmables industriels : français
Travaux dirigés sur PLC ( Workshops ) : français
Supports
GRAFCET et automates programmables industriels : syllabus, notes de cours, notes d'exercices, activités sur eCampus, protocoles de laboratoires
Travaux dirigés sur PLC ( Workshops ) : syllabus, notes de cours, notes d'exercices, activités sur eCampus, protocoles de laboratoires
Ressources bibliographiques
GRAFCET et automates programmables industriels
"Signaux et Systèmes" Volume 7/7 Ir.F.HUBERT
Le grafcet et sa pratique EDUCALIVRE BOSSY BRARD FAUGERE et MERLAUD
Guide de Scences et Technologie " FANCHON
Travaux dirigés sur PLC ( Workshops )
"Signaux et Systèmes" Volume 7/7 Ir.F.HUBERT : protocole de laboratoires
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Test dispensatoire à la fin du cours ( hors session ).
Examen en session ( 80 % des points ).
Travaux dirigés obligatoires ( 20 % des points ).
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
GRAFCET et automates programmables industriels : non
Travaux dirigés sur PLC ( Workshops ) : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1513 intitulée :
Bonnes connaissances en systèmes d'exploitation et en langage C
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
S’engager dans une démarche de développement professionnel
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Calculer la faisabilité d'un système temps réel.
Mettre en place un système d'exploitation temps réel sur différentes architectures embarquées.
Différencier les caratéristiques d'un OS en fonction du matériel sur lequel il doit fonctionner.
Définir quel algorithme d'ordonnancement utiliser en fonction des contraintes
Contenu des AA
Projet et séminaire de systèmes embarqués
Formation dans le cadre des systèmes embarqués
Systèmes d'exploitation pour l'embarqué : théorie
Rappel des généralités sur les systèmes d'exploitation.
Spécificités des OS pour l'embarqué et des OS temps réel.
Algorithmes d'ordonnancement pour le temps réel.
Introduction à FreeRTOS
Systèmes d'exploitation pour l'embarqué : laboratoires
Cas pratique d'un OS embarqué temps réel : FreeRTOS.
Exercices et manipulations avec FreeRTOS sur différentes architectures.
Répartition des heures
Projet et séminaire de systèmes embarqués : 15 h de séminaires
Systèmes d'exploitation pour l'embarqué : théorie : 8 h de théorie, 6 h d'exercices/Labos
Systèmes d'exploitation pour l'embarqué : laboratoires : 15 h d'exercices/Labos
Méthodes d'enseignement
Projet et séminaire de systèmes embarqués : activités pédagogiques extérieures, étude de cas
Systèmes d'exploitation pour l'embarqué : théorie : cours magistral, approche par situation problème
Systèmes d'exploitation pour l'embarqué : laboratoires : approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Langues d'enseignement
Projet et séminaire de systèmes embarqués : français
Systèmes d'exploitation pour l'embarqué : théorie : français
Systèmes d'exploitation pour l'embarqué : laboratoires : français
Supports
Projet et séminaire de systèmes embarqués : copies de présentations
Systèmes d'exploitation pour l'embarqué : théorie : syllabus
Systèmes d'exploitation pour l'embarqué : laboratoires : syllabus
Ressources bibliographiques
Projet et séminaire de systèmes embarqués
-
Systèmes d'exploitation pour l'embarqué : théorie
Syllabus
FreeRTOS V9.0.0 Reference Manual (disponible en ligne gratuitement, FreeRTOS.org)
Mastering the FreeRTOS Real Time Kernel - a Hands On Tutorial Guide (disponible en ligne gratuitement, FreeRTOS.org), Richard Barry
Systèmes d'exploitation pour l'embarqué : laboratoires
Syllabus
FreeRTOS V9.0.0 Reference Manual (disponible en ligne gratuitement, FreeRTOS.org)
Mastering the FreeRTOS Real Time Kernel - a Hands On Tutorial Guide (disponible en ligne gratuitement, FreeRTOS.org), Richard Barry
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
20% de la note globale pour "Projet et séminaire de systèmes embarqués", évaluation continue : non remédiable en seconde session
30% de la note globale pour "Systèmes d'exploitation pour l'embarqué : théorie" : examen écrit
50% de la note globale pour "Systèmes d'exploitation pour l'embarqué : laboratoires" : examen sur PC
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Projet et séminaire de systèmes embarqués : oui
Systèmes d'exploitation pour l'embarqué : théorie : non
Systèmes d'exploitation pour l'embarqué : laboratoires : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2335 intitulée :
Signaux et systèmes numériques : 21 h, Fabrice HUBERT
Travaux dirigés sur outils de simulation (Workshops) : 20 h, Fabrice HUBERT
Connaissances et compétences préalables
Automatique, transformées de Laplace et de Fourier, nombres complexes, filtrage analogique
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Acquis d'apprentissage spécifiques
Les étudiants seront capables :
de calculer des systèmes à signaux échantillonnés
Contenu des AA
Signaux et systèmes numériques
Etude de la tranformée en Z et résolution d'équations recurrentes,
Etude des filtres numériques et stabilité des systèmes discrets,
Eléments d'automatique numérique, calcul et optimisation d'un PID numérique,
Théorie de l'échantillonnage et théorème de Shannon.
Utilisation d'outils de simulation dédiés au traitement des signaux échantillonnés.
Travaux dirigés sur outils de simulation (Workshops)
Transformation en Z, systèmes échantillonnés, outils de simulation.
Répartition des heures
Signaux et systèmes numériques : 21 h de théorie
Travaux dirigés sur outils de simulation (Workshops) : 20 h d'exercices/Labos
Méthodes d'enseignement
Signaux et systèmes numériques : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Travaux dirigés sur outils de simulation (Workshops) : travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Langues d'enseignement
Signaux et systèmes numériques : français
Travaux dirigés sur outils de simulation (Workshops) : français
Supports
Signaux et systèmes numériques : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Travaux dirigés sur outils de simulation (Workshops) : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Ressources bibliographiques
Signaux et systèmes numériques
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT
« Engineering mathematics, a modern foundation for Electronic, Electrical and Systems Engineers »_CROFT, DAVISON and HARGREAVES_De Montfort University_Editions ADDISON WESLEY'
Travaux dirigés sur outils de simulation (Workshops)
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT : protocole de laboratoires
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Test dispensatoire en fin de module.
Examen en fin de quadrimestre
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Signaux et systèmes numériques : non
Travaux dirigés sur outils de simulation (Workshops) : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2343 intitulée :
Systèmes de commande et de supervision : 40 h, Fabrice SCOPEL
Connaissances et compétences préalables
Se référer aux prérequis et aux corequis.
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Manager des équipes
Élaborer une stratégie de communication
S’engager dans une démarche de développement professionnel
Assumer la responsabilité de ses décisions et de ses choix
Acquis d'apprentissage spécifiques
Les étudiants seront capables de travailler en équipe et de mener à bien un projet technologique nécessitant l'acquisition de nouvelles connaissances dans les domaines de l'automatisation.
Contenu de l'AA
Cette activité d'apprentissage se déroule durant toute une semaine en fin d'année scolaire. Les étudiants seront séparés en groupes et devront mener à bien un projet technique. Ce projet nécessitera d'acquérir de nouvelles connaissances et d'en faire le lien avec différentes sciences du cursus. Une bonne organisation du travail est également primordiale. Les thématiques abordées (IEC 61131-3, PLC, HMI, Drive, bus de terrains, simulation de process, etc. ) peuvent varier d'une année à l'autre.
Répartition des heures
10 h de théorie, 30 h d'exercices/Labos
Méthodes d'enseignement
Travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels, Travail en autonomie (présentiel / distanciel)
Langues d'enseignement
Français
Supports
Copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires
Ressources bibliographiques
Concepts théoriques : Programmation & mise en réseau d’une solution automatisée complète, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2025.
Applications : Travaux dirigés & Travaux pratiques, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
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 Controllers, Software, Programming, Data Communication, Operator Control and Process Monitoring - fifth 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 28 août 2025.
Schneider Electric Education : Cahiers techniques & shémathèque http://www.schneider-electric.be/sites/belgium/fr/support/publication/publication-introduction.page consulté le 28 août 2025.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Durant une semaine intensive, les étudiants devront réaliser un projet en équipe. La semaine sera clôturée par une présentation des résultats. Leur niveau d'implication pendant cette semaine, la qualité du travail réalisé et la présentation finale feront office d'évaluation.
Pour des raisons évidentes de logistique, il n'est pas possible de réorganiser cette semaine pendant la seconde session.
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3495 intitulée :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Adopter une attitude éthique et respecter les règles déontologiques des secteurs professionnels
Intégrer les réalités culturelles dans un contexte national et international
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
Assumer la responsabilité de ses décisions et de ses choix
Organiser son savoir de manière à améliorer son niveau de compétence
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre les algorithmes d'intelligence artificielle et de machine learning traditionnel (hors réseaux de neurones et data mining)
Mettre en place une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Justifier les choix de conception d'une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Concevoir et mettre en oeuvre une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Contenu des AA
Intelligence artificielle
Définition de la terminologie (intelligence artificielle, agent, environnement, rationalité, ...)
Résolution de problème par exploration (heuristique, environnement complexe, contraintes, backtracking, théorie des jeux ...)
Connaissances, raisonnement et planification (agent basé sur les connaissances, logique du premier ordre, inférence, représentation de connaissances, planification automatique, ...)
Incertitudes (quantification, raisonnement probabiliste, prise de décision, processus de décision markovien, multi-agents, programmation probabiliste)
Machine learning
Définition de la terminologie (machine learning, data mining, deep learning, ...)
Régression linéaire
Formulation logique
Modèles probabilistes
Chaîne de markov
Logique floue
Apprentissage par renforcement
Métaheuristique
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Intelligence artificielle : français, anglais
Machine learning : français, anglais
Supports
Intelligence artificielle : copies de présentations
Machine learning : copies de présentations
Ressources bibliographiques
Intelligence artificielle
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
Machine learning
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.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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).
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Intelligence artificielle : non
Machine learning : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2335 intitulée :
Signaux et systèmes numériques : 21 h, Fabrice HUBERT
Travaux dirigés sur outils de simulation (Workshops) : 20 h, Fabrice HUBERT
Connaissances et compétences préalables
Automatique, transformées de Laplace et de Fourier, nombres complexes, filtrage analogique
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Acquis d'apprentissage spécifiques
Les étudiants seront capables :
de calculer des systèmes à signaux échantillonnés
Contenu des AA
Signaux et systèmes numériques
Etude de la tranformée en Z et résolution d'équations recurrentes,
Etude des filtres numériques et stabilité des systèmes discrets,
Eléments d'automatique numérique, calcul et optimisation d'un PID numérique,
Théorie de l'échantillonnage et théorème de Shannon.
Utilisation d'outils de simulation dédiés au traitement des signaux échantillonnés.
Travaux dirigés sur outils de simulation (Workshops)
Transformation en Z, systèmes échantillonnés, outils de simulation.
Répartition des heures
Signaux et systèmes numériques : 21 h de théorie
Travaux dirigés sur outils de simulation (Workshops) : 20 h d'exercices/Labos
Méthodes d'enseignement
Signaux et systèmes numériques : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Travaux dirigés sur outils de simulation (Workshops) : travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Langues d'enseignement
Signaux et systèmes numériques : français
Travaux dirigés sur outils de simulation (Workshops) : français
Supports
Signaux et systèmes numériques : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Travaux dirigés sur outils de simulation (Workshops) : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Ressources bibliographiques
Signaux et systèmes numériques
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT
« Engineering mathematics, a modern foundation for Electronic, Electrical and Systems Engineers »_CROFT, DAVISON and HARGREAVES_De Montfort University_Editions ADDISON WESLEY'
Travaux dirigés sur outils de simulation (Workshops)
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT : protocole de laboratoires
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Test dispensatoire en fin de module.
Examen en fin de quadrimestre
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Signaux et systèmes numériques : non
Travaux dirigés sur outils de simulation (Workshops) : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3493 intitulée :
Projet de recherche appliquée en Big Data : 30 h, Samuel CREMER
Connaissances et compétences préalables
Cours de Bases de données avancées (MA1 Q1)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Communiquer dans une ou plusieurs langues étrangères
Acquis d'apprentissage spécifiques
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
Contenu de l'AA
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.
Répartition des heures
6 h de théorie, 24 h d'exercices/Labos
Méthodes d'enseignement
Cours magistral, travaux de groupes, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Langues d'enseignement
Français, anglais
Supports
Copies de présentations, protocoles de laboratoires
Ressources bibliographiques
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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.
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3494 intitulée :
Connaissance des systèmes d'exploitation (GNU/Linux & Windows)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Acquis d'apprentissage spécifiques
Expliquer les différences entre fils d’exécution et processus, ainsi que leurs implications en termes de performances et d’isolation.
Mettre en œuvre la communication inter-processus (GNU/Linux, Windows) à l’aide de mécanismes adaptés.
Utiliser des primitives de synchronisation (mutex, sémaphore) pour coordonner des threads ou processus concurrents.
Décrire les modèles de calcul parallèle (mémoire partagée, mémoire distribuée) et leurs avantages/limites.
Programmer des applications parallèles avec Multi-Processing (MP) et OpenMP.
Concevoir des applications distribuées exploitant MPI/OpenMPI et analyser leurs performances.
Mettre en œuvre des communications distribuées via RPC et SHMEM.
Expérimenter avec des bibliothèques spécialisées (NCCL, UCC, UCX) pour optimiser les communications en environnement HPC.
Expliquer les principes des sockets et leurs implémentations sous Linux (BSD Sockets) et Windows (WinAPI).
Développer des applications réseau exploitant des sockets RAW, UDP et TCP, et comparer leurs comportements et usages.
Comprendre les notions fondamentales de l’informatique quantique : qubit, superposition, intrication, mesure.
Mettre en œuvre des circuits quantiques simples avec Qiskit et un simulateur quantique.
Illustrer par la programmation les algorithmes quantiques Deutsch-Jozsa, Grover et Shor sur simulateur.
Évaluer les cas d’usage pertinents de l’informatique quantique par rapport au calcul classique.
Contenu des AA
Calcul distribué
Fils d'exécution, multi-processus, communication inter-processus (GNU/Linux, Windows)
Mutex, Sémaphore
Calcul parallèle, calcul distribué
Multi-Processing (MP), OpenMP
Message Passing Interface (MPI), OpenMPI
Remore Procedure Call (RPC)
SHared MEMory (SHMEM)
NVIDIA Collective Communications Library (NCCL)
Unified Collective Communication (UCC)
Unified Communication X (UCX)
Programmation réseau
Socket BSD
WinAPI 2
Socket RAW
Socket UDP
Socket Stream (TCP)
Informatique quantique
Qubit, superposition, intrication, mesure.
Algorithmes : Deutsch-Jozsa, Grover, Shor.
Qiskit
Répartition des heures
Calcul distribué : 7 h de théorie, 14 h d'exercices/Labos
Programmation réseau : 2 h de théorie, 10 h d'exercices/Labos
Informatique quantique : 6 h de théorie, 3 h d'exercices/Labos
Méthodes d'enseignement
Calcul distribué : cours magistral, approche par projets, utilisation de logiciels
Programmation réseau : cours magistral, approche par projets, utilisation de logiciels
Informatique quantique : cours magistral, approche par projets, utilisation de logiciels
Langues d'enseignement
Calcul distribué : français, anglais
Programmation réseau : français, anglais
Informatique quantique : français, anglais
Supports
Calcul distribué : copies de présentations, protocoles de laboratoires
Programmation réseau : copies de présentations, protocoles de laboratoires
Informatique quantique : copies de présentations, protocoles de laboratoires
Ressources bibliographiques
Calcul distribué
Using OpenMP: Portable Shared Memory Parallel Programming (Chapman, Jost, van der Pas, 2007) Programming Your GPU with OpenMP (Tom Deakin & Tim Mattson, 2023) Yang, C. T., Huang, C. L., & Lin, C. F. (2011). Hybrid CUDA, OpenMP, and MPI parallel programming on multicore GPU clusters. Computer Physics Communications, 182(1), 266-269. Parallel Programming for Science and Engineering (par Victor Eijkhout, dans The Art of HPC, 2021)
Programmation réseau
UNIX Network Programming, Volume 1: The Sockets Networking API (W. Richard Stevens, 3ᵉ éd.) TCP/IP Sockets in C: Practical Guide for Programmers (Donahoo & Calvert, 2021)
Informatique quantique
Quantum Computation and Quantum Information – Michael Nielsen & Isaac Chuang (2ᵉ éd., 2010) A Practical Guide to Quantum Computing (Hands-on with Qiskit)
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen de laboratoire (exercice à réaliser sur ordinateur ou papier le cas échéant)
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Calcul distribué : non
Programmation réseau : non
Informatique quantique : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3495 intitulée :
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Adopter une attitude éthique et respecter les règles déontologiques des secteurs professionnels
Intégrer les réalités culturelles dans un contexte national et international
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
Assumer la responsabilité de ses décisions et de ses choix
Organiser son savoir de manière à améliorer son niveau de compétence
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre les algorithmes d'intelligence artificielle et de machine learning traditionnel (hors réseaux de neurones et data mining)
Mettre en place une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Justifier les choix de conception d'une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Concevoir et mettre en oeuvre une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Contenu des AA
Intelligence artificielle
Définition de la terminologie (intelligence artificielle, agent, environnement, rationalité, ...)
Résolution de problème par exploration (heuristique, environnement complexe, contraintes, backtracking, théorie des jeux ...)
Connaissances, raisonnement et planification (agent basé sur les connaissances, logique du premier ordre, inférence, représentation de connaissances, planification automatique, ...)
Incertitudes (quantification, raisonnement probabiliste, prise de décision, processus de décision markovien, multi-agents, programmation probabiliste)
Machine learning
Définition de la terminologie (machine learning, data mining, deep learning, ...)
Régression linéaire
Formulation logique
Modèles probabilistes
Chaîne de markov
Logique floue
Apprentissage par renforcement
Métaheuristique
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Intelligence artificielle : français, anglais
Machine learning : français, anglais
Supports
Intelligence artificielle : copies de présentations
Machine learning : copies de présentations
Ressources bibliographiques
Intelligence artificielle
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
Machine learning
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.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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).
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Intelligence artificielle : non
Machine learning : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #1513 intitulée :
Bonnes connaissances en systèmes d'exploitation et en langage C
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
S’engager dans une démarche de développement professionnel
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Calculer la faisabilité d'un système temps réel.
Mettre en place un système d'exploitation temps réel sur différentes architectures embarquées.
Différencier les caratéristiques d'un OS en fonction du matériel sur lequel il doit fonctionner.
Définir quel algorithme d'ordonnancement utiliser en fonction des contraintes
Contenu des AA
Projet et séminaire de systèmes embarqués
Formation dans le cadre des systèmes embarqués
Systèmes d'exploitation pour l'embarqué : théorie
Rappel des généralités sur les systèmes d'exploitation.
Spécificités des OS pour l'embarqué et des OS temps réel.
Algorithmes d'ordonnancement pour le temps réel.
Introduction à FreeRTOS
Systèmes d'exploitation pour l'embarqué : laboratoires
Cas pratique d'un OS embarqué temps réel : FreeRTOS.
Exercices et manipulations avec FreeRTOS sur différentes architectures.
Répartition des heures
Projet et séminaire de systèmes embarqués : 15 h de séminaires
Systèmes d'exploitation pour l'embarqué : théorie : 8 h de théorie, 6 h d'exercices/Labos
Systèmes d'exploitation pour l'embarqué : laboratoires : 15 h d'exercices/Labos
Méthodes d'enseignement
Projet et séminaire de systèmes embarqués : activités pédagogiques extérieures, étude de cas
Systèmes d'exploitation pour l'embarqué : théorie : cours magistral, approche par situation problème
Systèmes d'exploitation pour l'embarqué : laboratoires : approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Langues d'enseignement
Projet et séminaire de systèmes embarqués : français
Systèmes d'exploitation pour l'embarqué : théorie : français
Systèmes d'exploitation pour l'embarqué : laboratoires : français
Supports
Projet et séminaire de systèmes embarqués : copies de présentations
Systèmes d'exploitation pour l'embarqué : théorie : syllabus
Systèmes d'exploitation pour l'embarqué : laboratoires : syllabus
Ressources bibliographiques
Projet et séminaire de systèmes embarqués
-
Systèmes d'exploitation pour l'embarqué : théorie
Syllabus
FreeRTOS V9.0.0 Reference Manual (disponible en ligne gratuitement, FreeRTOS.org)
Mastering the FreeRTOS Real Time Kernel - a Hands On Tutorial Guide (disponible en ligne gratuitement, FreeRTOS.org), Richard Barry
Systèmes d'exploitation pour l'embarqué : laboratoires
Syllabus
FreeRTOS V9.0.0 Reference Manual (disponible en ligne gratuitement, FreeRTOS.org)
Mastering the FreeRTOS Real Time Kernel - a Hands On Tutorial Guide (disponible en ligne gratuitement, FreeRTOS.org), Richard Barry
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
20% de la note globale pour "Projet et séminaire de systèmes embarqués", évaluation continue : non remédiable en seconde session
30% de la note globale pour "Systèmes d'exploitation pour l'embarqué : théorie" : examen écrit
50% de la note globale pour "Systèmes d'exploitation pour l'embarqué : laboratoires" : examen sur PC
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Projet et séminaire de systèmes embarqués : oui
Systèmes d'exploitation pour l'embarqué : théorie : non
Systèmes d'exploitation pour l'embarqué : laboratoires : non
Systèmes de commande et de supervision : 40 h, Fabrice SCOPEL
Connaissances et compétences préalables
Se référer aux prérequis et aux corequis.
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Manager des équipes
Élaborer une stratégie de communication
S’engager dans une démarche de développement professionnel
Assumer la responsabilité de ses décisions et de ses choix
Acquis d'apprentissage spécifiques
Les étudiants seront capables de travailler en équipe et de mener à bien un projet technologique nécessitant l'acquisition de nouvelles connaissances dans les domaines de l'automatisation.
Contenu de l'AA
Cette activité d'apprentissage se déroule durant toute une semaine en fin d'année scolaire. Les étudiants seront séparés en groupes et devront mener à bien un projet technique. Ce projet nécessitera d'acquérir de nouvelles connaissances et d'en faire le lien avec différentes sciences du cursus. Une bonne organisation du travail est également primordiale. Les thématiques abordées (IEC 61131-3, PLC, HMI, Drive, bus de terrains, simulation de process, etc. ) peuvent varier d'une année à l'autre.
Répartition des heures
10 h de théorie, 30 h d'exercices/Labos
Méthodes d'enseignement
Travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels, Travail en autonomie (présentiel / distanciel)
Langues d'enseignement
Français
Supports
Copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires
Ressources bibliographiques
Concepts théoriques : Programmation & mise en réseau d’une solution automatisée complète, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2025.
Applications : Travaux dirigés & Travaux pratiques, SCOPEL F. - notes de cours, HEH - Département des Sciences et technologies, 2024.
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 Controllers, Software, Programming, Data Communication, Operator Control and Process Monitoring - fifth 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 28 août 2025.
Schneider Electric Education : Cahiers techniques & shémathèque http://www.schneider-electric.be/sites/belgium/fr/support/publication/publication-introduction.page consulté le 28 août 2025.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Durant une semaine intensive, les étudiants devront réaliser un projet en équipe. La semaine sera clôturée par une présentation des résultats. Leur niveau d'implication pendant cette semaine, la qualité du travail réalisé et la présentation finale feront office d'évaluation.
Pour des raisons évidentes de logistique, il n'est pas possible de réorganiser cette semaine pendant la seconde session.
Projet de recherche appliquée en Big Data : 30 h, Samuel CREMER
Connaissances et compétences préalables
Cours de Bases de données avancées (MA1 Q1)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réunir les informations nécessaires au développement de projets de recherche
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
Communiquer dans une ou plusieurs langues étrangères
Acquis d'apprentissage spécifiques
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
Contenu de l'AA
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.
Répartition des heures
6 h de théorie, 24 h d'exercices/Labos
Méthodes d'enseignement
Cours magistral, travaux de groupes, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Langues d'enseignement
Français, anglais
Supports
Copies de présentations, protocoles de laboratoires
Ressources bibliographiques
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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.
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3494 intitulée :
Connaissance des systèmes d'exploitation (GNU/Linux & Windows)
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
Acquis d'apprentissage spécifiques
Expliquer les différences entre fils d’exécution et processus, ainsi que leurs implications en termes de performances et d’isolation.
Mettre en œuvre la communication inter-processus (GNU/Linux, Windows) à l’aide de mécanismes adaptés.
Utiliser des primitives de synchronisation (mutex, sémaphore) pour coordonner des threads ou processus concurrents.
Décrire les modèles de calcul parallèle (mémoire partagée, mémoire distribuée) et leurs avantages/limites.
Programmer des applications parallèles avec Multi-Processing (MP) et OpenMP.
Concevoir des applications distribuées exploitant MPI/OpenMPI et analyser leurs performances.
Mettre en œuvre des communications distribuées via RPC et SHMEM.
Expérimenter avec des bibliothèques spécialisées (NCCL, UCC, UCX) pour optimiser les communications en environnement HPC.
Expliquer les principes des sockets et leurs implémentations sous Linux (BSD Sockets) et Windows (WinAPI).
Développer des applications réseau exploitant des sockets RAW, UDP et TCP, et comparer leurs comportements et usages.
Comprendre les notions fondamentales de l’informatique quantique : qubit, superposition, intrication, mesure.
Mettre en œuvre des circuits quantiques simples avec Qiskit et un simulateur quantique.
Illustrer par la programmation les algorithmes quantiques Deutsch-Jozsa, Grover et Shor sur simulateur.
Évaluer les cas d’usage pertinents de l’informatique quantique par rapport au calcul classique.
Contenu des AA
Calcul distribué
Fils d'exécution, multi-processus, communication inter-processus (GNU/Linux, Windows)
Mutex, Sémaphore
Calcul parallèle, calcul distribué
Multi-Processing (MP), OpenMP
Message Passing Interface (MPI), OpenMPI
Remore Procedure Call (RPC)
SHared MEMory (SHMEM)
NVIDIA Collective Communications Library (NCCL)
Unified Collective Communication (UCC)
Unified Communication X (UCX)
Programmation réseau
Socket BSD
WinAPI 2
Socket RAW
Socket UDP
Socket Stream (TCP)
Informatique quantique
Qubit, superposition, intrication, mesure.
Algorithmes : Deutsch-Jozsa, Grover, Shor.
Qiskit
Répartition des heures
Calcul distribué : 7 h de théorie, 14 h d'exercices/Labos
Programmation réseau : 2 h de théorie, 10 h d'exercices/Labos
Informatique quantique : 6 h de théorie, 3 h d'exercices/Labos
Méthodes d'enseignement
Calcul distribué : cours magistral, approche par projets, utilisation de logiciels
Programmation réseau : cours magistral, approche par projets, utilisation de logiciels
Informatique quantique : cours magistral, approche par projets, utilisation de logiciels
Langues d'enseignement
Calcul distribué : français, anglais
Programmation réseau : français, anglais
Informatique quantique : français, anglais
Supports
Calcul distribué : copies de présentations, protocoles de laboratoires
Programmation réseau : copies de présentations, protocoles de laboratoires
Informatique quantique : copies de présentations, protocoles de laboratoires
Ressources bibliographiques
Calcul distribué
Using OpenMP: Portable Shared Memory Parallel Programming (Chapman, Jost, van der Pas, 2007) Programming Your GPU with OpenMP (Tom Deakin & Tim Mattson, 2023) Yang, C. T., Huang, C. L., & Lin, C. F. (2011). Hybrid CUDA, OpenMP, and MPI parallel programming on multicore GPU clusters. Computer Physics Communications, 182(1), 266-269. Parallel Programming for Science and Engineering (par Victor Eijkhout, dans The Art of HPC, 2021)
Programmation réseau
UNIX Network Programming, Volume 1: The Sockets Networking API (W. Richard Stevens, 3ᵉ éd.) TCP/IP Sockets in C: Practical Guide for Programmers (Donahoo & Calvert, 2021)
Informatique quantique
Quantum Computation and Quantum Information – Michael Nielsen & Isaac Chuang (2ᵉ éd., 2010) A Practical Guide to Quantum Computing (Hands-on with Qiskit)
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Examen de laboratoire (exercice à réaliser sur ordinateur ou papier le cas échéant)
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Calcul distribué : non
Programmation réseau : non
Informatique quantique : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2335 intitulée :
Signaux et systèmes numériques : 21 h, Fabrice HUBERT
Travaux dirigés sur outils de simulation (Workshops) : 20 h, Fabrice HUBERT
Connaissances et compétences préalables
Automatique, transformées de Laplace et de Fourier, nombres complexes, filtrage analogique
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Acquis d'apprentissage spécifiques
Les étudiants seront capables :
de calculer des systèmes à signaux échantillonnés
Contenu des AA
Signaux et systèmes numériques
Etude de la tranformée en Z et résolution d'équations recurrentes,
Etude des filtres numériques et stabilité des systèmes discrets,
Eléments d'automatique numérique, calcul et optimisation d'un PID numérique,
Théorie de l'échantillonnage et théorème de Shannon.
Utilisation d'outils de simulation dédiés au traitement des signaux échantillonnés.
Travaux dirigés sur outils de simulation (Workshops)
Transformation en Z, systèmes échantillonnés, outils de simulation.
Répartition des heures
Signaux et systèmes numériques : 21 h de théorie
Travaux dirigés sur outils de simulation (Workshops) : 20 h d'exercices/Labos
Méthodes d'enseignement
Signaux et systèmes numériques : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels
Travaux dirigés sur outils de simulation (Workshops) : travaux de groupes, approche par projets, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Langues d'enseignement
Signaux et systèmes numériques : français
Travaux dirigés sur outils de simulation (Workshops) : français
Supports
Signaux et systèmes numériques : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Travaux dirigés sur outils de simulation (Workshops) : syllabus, notes de cours, notes d'exercices, activités sur eCampus
Ressources bibliographiques
Signaux et systèmes numériques
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT
« Engineering mathematics, a modern foundation for Electronic, Electrical and Systems Engineers »_CROFT, DAVISON and HARGREAVES_De Montfort University_Editions ADDISON WESLEY'
Travaux dirigés sur outils de simulation (Workshops)
"Signaux et Systèmes" Volume 6/7 Ir.F.HUBERT : protocole de laboratoires
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Test dispensatoire en fin de module.
Examen en fin de quadrimestre
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Signaux et systèmes numériques : non
Travaux dirigés sur outils de simulation (Workshops) : non
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes
nationaux et internationaux
Adopter une attitude éthique et respecter les règles déontologiques des secteurs professionnels
Intégrer les réalités culturelles dans un contexte national et international
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
Assumer la responsabilité de ses décisions et de ses choix
Organiser son savoir de manière à améliorer son niveau de compétence
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Comprendre les algorithmes d'intelligence artificielle et de machine learning traditionnel (hors réseaux de neurones et data mining)
Mettre en place une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Justifier les choix de conception d'une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Concevoir et mettre en oeuvre une solution d'intelligence artificielle ou de machine learning traditionnel (hors réseaux de neurones et data mining)
Contenu des AA
Intelligence artificielle
Définition de la terminologie (intelligence artificielle, agent, environnement, rationalité, ...)
Résolution de problème par exploration (heuristique, environnement complexe, contraintes, backtracking, théorie des jeux ...)
Connaissances, raisonnement et planification (agent basé sur les connaissances, logique du premier ordre, inférence, représentation de connaissances, planification automatique, ...)
Incertitudes (quantification, raisonnement probabiliste, prise de décision, processus de décision markovien, multi-agents, programmation probabiliste)
Machine learning
Définition de la terminologie (machine learning, data mining, deep learning, ...)
Régression linéaire
Formulation logique
Modèles probabilistes
Chaîne de markov
Logique floue
Apprentissage par renforcement
Métaheuristique
Répartition des heures
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
Méthodes d'enseignement
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
Langues d'enseignement
Intelligence artificielle : français, anglais
Machine learning : français, anglais
Supports
Intelligence artificielle : copies de présentations
Machine learning : copies de présentations
Ressources bibliographiques
Intelligence artificielle
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
Machine learning
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.
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
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).
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Intelligence artificielle : non
Machine learning : non
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #2438 intitulée :
Compilation, debogage et profiling : 15 h, Kevin GAUSSIN
Génie logiciel : 15 h, Kevin GAUSSIN
Connaissances et compétences préalables
Base en langage C : syntaxe, structures de contrôle, etc.
Familiarité avec les commandes de base de Linux : navigation, compilation simple, exécution de programmes, etc.
Notions élémentaires de programmation orientée objet : classes, objets, attributs, méthodes, etc.
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Acquis d'apprentissage spécifiques
Décrire les étapes du cycle de vie d’un logiciel et représenter un système à l’aide de diagrammes UML (cas d’utilisation, classes, séquences, activités, etc.).
Comprendre le rôle des normes et procédures et être capable de rédiger une procédure simple adaptée à un contexte donné.
Mettre en place des fichiers de build (Makefile, CMake) pour compiler un projet.
Utiliser des outils de débogage (gdb) et de profiling (gprof) pour analyser et améliorer un programme.
Contenu des AA
Normes et procédures
Définition et rôle des normes et procédures dans le domaine logiciel.
Processus de création et d’adoption d’une norme.
Présentation des principaux organismes de normalisation (ISO, IEEE, W3C, etc.).
Exemples de normes appliquées au développement logiciel.
Élaboration d’une procédure simple (mise en pratique).
Compilation, debogage et profiling
Introduction aux processus de compilation et à la chaîne de compilation.
Création de fichiers de build : Makefile et CMake.
Débogage avec gdb : commandes principales, gestion des points d’arrêt, inspection des variables, navigation dans l’exécution.
Profiling avec gprof (et autres outils possibles) : analyse de performance, interprétation des résultats.
Mise en pratique à travers des exercices de compilation, débogage et optimisation.
Génie logiciel
Introduction au génie logiciel : définitions, objectifs, place dans le cycle de vie du logiciel.
Diagrammes UML :
Diagrammes de cas d’utilisation.
Diagrammes de classes.
Diagrammes de séquence.
Diagrammes d’activités.
Exercices de modélisation associés à chaque type de diagramme.
Répartition des heures
Normes et procédures : 7 h de théorie, 2 h d'exercices/Labos
Compilation, debogage et profiling : 5 h de théorie, 10 h d'exercices/Labos
Génie logiciel : 5 h de théorie, 10 h d'exercices/Labos
Méthodes d'enseignement
Normes et procédures : cours magistral
Compilation, debogage et profiling : cours magistral, utilisation de logiciels
Génie logiciel : cours magistral
Langues d'enseignement
Normes et procédures : français, anglais
Compilation, debogage et profiling : français, anglais
Génie logiciel : français, anglais
Supports
Normes et procédures : copies de présentations, notes de cours, notes d'exercices
Compilation, debogage et profiling : copies de présentations, notes de cours, notes d'exercices
Génie logiciel : copies de présentations, notes de cours, notes d'exercices
Ressources bibliographiques
Normes et procédures
-
Compilation, debogage et profiling
-
Génie logiciel
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Modalités d'évaluation :
Normes et procédures : 30 %
100% examen (théorie + exercices)
Compilation, débogage et profiling : 40 %
15% évaluation continue (non rejouable en 2e session)
85% examen (théorie + exercices)
Génie logiciel : 30 %
15% évaluation continue (non rejouable en 2e session)
85% examen (exercices)
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
Normes et procédures : oui
Compilation, debogage et profiling : oui
Génie logiciel : oui
2026-2027
Avenue Victor Maistriau 8a 7000 Mons
Fiche ects de l'unité d'enseignement #3489 intitulée :
Principes de fonctionnement d’un système d’exploitation.
Langage de programmation C
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
Évaluer les coûts et la rentabilité de son projet
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Appréhender et comprendre les enjeux des systèmes parallèles
Savoir choisir un degré de parallélisme adapté au problème à traiter et en adéquation avec les caractéristiques du matériel utilisé
Se familiariser avec le HPC et les différents niveaux de parallélismes des architectures
Savoir programmer des systèmes en exploitant le multithreading et les GPU
Contenu des AA
Parallélisme : théorie
Classification du parallélisme
Évolution du parallélisme
Systèmes hétérogènes
High Performance Computing
Parallélisme : laboratoires
Introduction théorique (en anglais) :
Le parallélisme
Les graphes de dépendance
Multithreading
General-purpose Computing on GPU avec CUDA
Laboratoires (en anglais) :
Rappel des notions de pointeurs et des allocations dynamiques
Parallélisation naïve d'un algorithme séquentiel
Parallélisation du même algorithme en tenant compte des spécificités du matériel utilisé
Introduction à la programmation sur GPU avec CUDA
Répartition des heures
Parallélisme : théorie : 9 h de théorie
Parallélisme : laboratoires : 18 h d'exercices/Labos
Méthodes d'enseignement
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
Langues d'enseignement
Parallélisme : théorie : français, anglais
Parallélisme : laboratoires : français, anglais
Supports
Parallélisme : théorie : copies de présentations, syllabus
Parallélisme : laboratoires : copies de présentations, syllabus
Ressources bibliographiques
Parallélisme : théorie
High performance computing, M. Loudikes, C. Severance et K. Dowd, O'Reilly, 1998
Distributed Computing: fundamentals, simulations, and advanced topics, H. Attiya, Wiley-Blackwell, 2004
Projet en cybersécurité : 21 h, Jean-Sébastien LERAT
Connaissances et compétences préalables
Maîtrise de la programmation C
Connaissance des systèmes d'exploitation (GNU/Linux, Windows)
Connaissances réseau
Contribution aux objectifs du référentiel de compétences de l'ARES
Identifier, conceptualiser et résoudre des problèmes complexes
Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
Concevoir, développer et améliorer des produits, processus et systèmes techniques
Modéliser, calculer et dimensionner des systèmes
Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
Concevoir et gérer des projets de recherche appliquée
Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
Exploiter les résultats de recherche
S’intégrer et contribuer au développement de son milieu professionnel
Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
S’engager dans une démarche de développement professionnel
Réaliser une veille technologique dans sa sphère d’expertise
S’autoévaluer pour identifier ses besoins de développement
Organiser son savoir de manière à améliorer son niveau de compétence
Actualiser ses connaissances et s’engager dans les formations complémentaires adéquates
Acquis d'apprentissage spécifiques
Expliquer le fonctionnement de la pile, du tas et des mécanismes d’allocation mémoire lors de l’exécution d’un programme.
Analyser les vulnérabilités liées à la gestion mémoire (pile, tas, formatage de chaînes) et leur exploitation possible.
Décrire les principales techniques d’exploitation : buffer/heap overflow, format string, sniffing réseau, DoS, TCP/IP hijack, port scanning, hameçonnage, cassage de mots de passe.
Mettre en œuvre des scénarios pratiques d’exploitation contrôlée pour comprendre les risques associés.
Évaluer l’impact de ces attaques sur la confidentialité, l’intégrité et la disponibilité des systèmes.
Appliquer des principes de programmation sécurisée (initialisation sûre, contrôle d’accès, validation des entrées, bonne gestion de l’aléatoire).
Intégrer des mécanismes cryptographiques et d’authentification adaptés dans une application.
Concevoir du code robuste incluant des contre-mesures anti-tampering et bonnes pratiques de sécurité.
Identifier les vulnérabilités typiques des applications web (injection SQL, XSS, CSRF, mauvaise gestion des sessions, upload de fichiers non sécurisé, etc.).
Mettre en œuvre des attaques web contrôlées pour comprendre leur fonctionnement et leurs conséquences.
Proposer et justifier des contre-mesures pour sécuriser une application web face à ces menaces.
Contenu des AA
Sécurité des systèmes
Principe d'execution de programmes : pile, allocation, tas, …
Shellcode (injection de code) et techniques d'exploitation : 1.buffer/heap overflow, formatage des chaînes de caractères, ... 2.network sniffing 3.Denial of Service 4.TCP/IP hijack 5.port scanning 6.hameçonnage 7.Cassage de mots de passe
Programmation sécurisée : 1.Initialisation sûre 2.Contrôle d'accès 3.Validation des entrées 4.Implication de la cryptographie 5.Authentification 6.L'aléatoire 7.Anti-tampering
Etude de cas : application WEB (injection SQL, XSS, CSRF, HTTP, Random, upload de fichier, htaccess, session ...)
Projet en cybersécurité
Participation à un challenge en cybersécurité
Répartition des heures
Sécurité des systèmes : 8 h de théorie, 1 h d'exercices/Labos
Projet en cybersécurité : 21 h de travaux
Méthodes d'enseignement
Sécurité des systèmes : cours magistral, approche interactive, approche par situation problème, étude de cas, utilisation de logiciels
Projet en cybersécurité : activités pédagogiques extérieures, utilisation de logiciels
Langues d'enseignement
Sécurité des systèmes : français
Projet en cybersécurité : français
Supports
Sécurité des systèmes : copies de présentations, notes d'exercices
Projet en cybersécurité : copies de présentations
Ressources bibliographiques
Sécurité des systèmes
Erickson, J. (2008). Hacking, 2nd Edition: The Art of Exploitation. No Starch Press Viega, J. & Messier, M. (2003). Secure Programming Cookbook for C and C++: Recipes for Cryptography, Authentication, Input Validation & More. O'Reilly Media Cannings, R., Zane Lackey, H.D.R.C., Dwivedi, H. & Lackey, Z. (2008). Hacking sur le Web 2.0: Vulnérabilité du Web 2.0 et sécurisation. Pearson Goupille, P.A. (2008). Technologie des ordinateurs et des réseaux - 8e éd.: Cours et exercices corrigés. Dunod Stallings, W. (2013). Computer Organization and Architecture: International Edition. Pearson Education Limited
Projet en cybersécurité
-
Évaluation et pondération
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Modalités d'évaluation :
Participation et résultats à un challenge en cybersécurité externe (ex: CyberSecurityChallenge Belgium) ou interne (HEH)
Report de note d'une année à l'autre pour l'AA réussie en cas d'échec à l'UE :
