2026-2027
| UE Quad 1 | Heures | ECTS | Éval. |
|---|---|---|---|
| Séminaire de simulation en gestion | 40 h | 4 | UE |
| Préparation à la simulation en gestion | 15 h | ||
| Séminaire de simulation en gestion | 25 h | ||
| International management and Human resources | 30 h | 3 | UE |
| Contemporary management pillars | 10 h | ||
| Human resources management | 10 h | ||
| International management | 10 h | ||
| Compétences managériales | 15 h | 1 | UE |
| Compétences managériales | 15 h | ||
| Problématique environnementale | 30 h | 2 | UE |
| Problématique CO2 et bilan carbone | 20 h | ||
| Green IT | 10 h | ||
| Optimisation combinatoire | 58 h | 5 | UE |
| Optimisation combinatoire : théorie | 18 h | ||
| Recherche appliquée en optimisation combinatoire | 40 h | ||
| Systèmes temps réel et programmables | 30 h | 3 | UE |
| Systèmes temps réel | 10 h | ||
| Composants programmables | 20 h | ||
| UE spécifiques : option Automation et Systèmes embarqués | |||
| Optimisation des Systèmes de Production | 15 h | 1 | UE |
| Modes de production industrielle | 5 h | ||
| Optimisation des lignes de production | 5 h | ||
| Techniques d'ordonnancement | 5 h | ||
| Systèmes automatisés de production | 80 h | 5 | UE |
| Systèmes et réseaux d'automatisation industrielle | 40 h | ||
| Projet de recherche et développement en systèmes automatisés de production | 40 h | ||
| Instrumentation et régulation | 30 h | 2 | UE |
| Bancs d'essais d'instrumentation | 10 h | ||
| Régulation sur bancs d'essais et chaîne d'assemblage en miniusine | 20 h | ||
| UE spécifiques : option Intelligence artificielle et Big Data | |||
| Compléments en Machine learning | 60 h | 5 | UE |
| Machine learning et Deep learning | 21 h | ||
| Projet de recherche et développement en Machine learning | 39 h | ||
| Natural language processing | 15 h | 1 | UE |
| Natural language processing | 15 h | ||
| Computer vision | 30 h | 2 | UE |
| Computer vision | 30 h | ||
| UE spécifiques : option Gestion | |||
| Gestion financière | 21 h | 3 | UE |
| Gestion financière | 21 h | ||
| Sustainable economics | 21 h | 3 | UE |
| Sustainable economics | 21 h | ||
| Projet entrepreneurial et managérial | 40 h | 4 | UE |
| Projet entrepreneurial | 20 h | ||
| Intercultural communication | 8 h | ||
| Conférences Sciences humaines | 12 h | ||
| UE Quad 1 et 2 | Heures | ECTS | Éval. |
| Projet de fin d'études en entreprise | 370 h | 30 | UE |
| TFE | 225 h | ||
| Stages | 145 h |
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2346 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 2
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
Responsable d'UE : Julie LENAERTS
Bloc : MA2 Geo, MA2 Info
Période : 1er quadrimestre
Durée : 40 h
Crédits : 4 ects
Cours de gestion.
Acquérir des connaissances sur la gestion d’entreprise.
Mettre en pratique à travers un jeu de simulation d'entreprise les connaissances acquises au cours de l'ensemble du cours de gestion.
Être capable de gérer une équipe et de travailler en groupe.
Des séances sont dispensés afin de préparer les étudiants au séminaire.
Le séminaire dure trois jours (si possible consécutifs) pendant lesquels les participants, scindés en groupes, sont chargés de gérer une entreprise fictive. Les étudiants fixent préalablement la stratégie de leur groupe et prennent ensuite toute une série de décisions. Le support informatique permet d'obtenir de très nombreuses informations financières et facilite les simulations qui précèdent les prises de décision.
Préparation à la simulation en gestion : 15 h de théorie
Séminaire de simulation en gestion : 25 h d'AIP
Préparation à la simulation en gestion : cours magistral
Séminaire de simulation en gestion : travaux de groupes, approche par projets, approche déductive, approche avec TIC, activités pédagogiques extérieures
Préparation à la simulation en gestion : français
Séminaire de simulation en gestion : français
Préparation à la simulation en gestion : notes de cours
Séminaire de simulation en gestion : syllabus
Le syllabus de l'activité
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Evaluation de la participation au séminaire selon 5 critères : la préparation (participation au cours de préparation), la détermination de la stratégie de l'équipe, la prise de décision, le classement et la présentation finale. Sauf cas exceptionnels, la note est collective pour l'équipe.
Non remédiable en 2e session
Cette fiche ects d'UE 2026-2027 est indisponible.
Cette fiche ects d'UE 2026-2027 est indisponible.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2445 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2
Responsable d'UE : Samuel CREMER
Bloc : MA2 Info, MA2 LDT
Période : 1er quadrimestre
Durée : 30 h
Crédits : 2 ects
Comprendre les enjeux climatiques et environnementaux
Comprendre les mécanismes à mettre en oeuvredans le cadred'une statégie carbone globale
Comprendre la méthode permettant de réaliser le bilan carbone d'une activité/d'un produit
Comprendre les enjeux climatiques et environnementaux
Comprendre les mécanismes à mettre en oeuvredans le cadred'une statégie carbone globale
Comprendre la méthode permettant de réaliser le bilan carbone d'une activité/d'un produit
Comprendre et s'approprier l'ensembles des thématiques climatiques et enjeux. Contexte Carbone( mondial, national, régional) et nécessite de diminuer les émissions CO2.
Mécanismes de compensation: pourquoi? comment?
Les modèles économiques: linéaires, circulaire et de fonctionnalité
Stratégie globale de réduction.
Comment comptabiliser les émissions de CO2. Comprendre et réaliser une cartographie des flux d'une activité
Exercices pratiques
Problématique CO2 et bilan carbone : 10 h de théorie, 10 h d'exercices/Labos
Green IT : 10 h de théorie
Problématique CO2 et bilan carbone : cours magistral, approche par projets, approche interactive, utilisation de logiciels
Green IT : cours magistral, approche interactive
Problématique CO2 et bilan carbone : français
Green IT : français
Problématique CO2 et bilan carbone : copies de présentations
Green IT : copies de présentations
Méthode Bilan Carbone
ADEME- Agence Françaisede l'Energie etde la Maitrise de l'énergie
AWAC Agence Wallonne de Air et Climat
CO2 Stratégy
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
35% pour Green IT : projet à réaliser en groupe
65 % pour Problématique CO2 et bilan carbone : examen
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3496 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 2
Responsable d'UE : Samuel CREMER
Bloc : MA2 Info, MA2 LDT
Période : 1er quadrimestre
Durée : 58 h
Crédits : 5 ects
Projet d'optimisation combinatoire.
Optimisation combinatoire : théorie : 8 h de théorie, 10 h d'exercices/Labos
Recherche appliquée en optimisation combinatoire : 2 h de théorie, 18 h de travaux, 20 h d'autonomie
Optimisation combinatoire : théorie : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Recherche appliquée en optimisation combinatoire : travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Optimisation combinatoire : théorie : français
Recherche appliquée en optimisation combinatoire : français, anglais
Optimisation combinatoire : théorie : copies de présentations
Recherche appliquée en optimisation combinatoire : copies de présentations
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
65 % pour le projet (qualité du projet + présentation + rapport)
35 % pour la théorie (examen écrit)
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3623 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
Responsable d'UE : Gaëtan PAULET
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 30 h
Crédits : 3 ects
Electronique numérique
Programmation en C
Systèmes temps réel : 6 h de théorie, 4 h d'exercices/Labos
Composants programmables : 20 h d'exercices/Labos
Systèmes temps réel : cours magistral, approche par situation problème, utilisation de logiciels
Composants programmables : approche par situation problème, approche inductive, utilisation de logiciels
Systèmes temps réel : français
Composants programmables : français
Systèmes temps réel : copies de présentations
Composants programmables : copies de présentations, protocoles de laboratoires
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1525 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués
Responsable d'UE : Fabrice HUBERT
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 15 h
Crédits : 1 ects
Eléments de recherche opérationnelle et de planification de projets
Les étudiants seront capables :
- d'étudier et d'optimiser un système industriel de production,
- de présenter et défendre les résultats de leur étude de cas.
Classification des systèmes automatisés de production,
Modélisation des systèmes industriels de production ( Flowshop, Jobshop, Systèmes hybrides, ...)
Eléments de réglage des lignes de production ( Taux d'équilibrage, temps de cycle, taux de production, retard d'équilibre ) et heuristiques d'équilibrage de lignes,
Algorithmes d'ordonnancement de la production sur machine unique et sur machines parallèles, classification de Conway.
Modes de production industrielle : 5 h de théorie
Optimisation des lignes de production : 5 h de théorie
Techniques d'ordonnancement : 5 h de théorie
Modes de production industrielle : travaux de groupes, approche par projets, approche par situation problème, étude de cas
Optimisation des lignes de production : travaux de groupes, approche par projets, approche par situation problème, étude de cas
Techniques d'ordonnancement : travaux de groupes, approche par projets, approche par situation problème, étude de cas
Modes de production industrielle : français
Optimisation des lignes de production : français
Techniques d'ordonnancement : français
Modes de production industrielle : protocoles de laboratoires
Optimisation des lignes de production : protocoles de laboratoires
Techniques d'ordonnancement : protocoles de laboratoires
Gestion de la production et des flux de Vincent GIARD
Gestion de la production et des flux de Vincent GIARD
Gestion de la production et des flux de Vincent GIARD
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Projet de recherche bibliographique et étude de cas en rapport avec les thématiques de la formation
Rédaction d'un rapport de synthèse et défense orale du projet
100% des points sont attribués à ce projet.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1526 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués
Responsable d'UE : Fabrice SCOPEL
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 80 h
Crédits : 5 ects
Se référer au prérequis et au corequis.
Systèmes et réseaux d'automatisation industrielle : 12 h de théorie, 28 h de travaux
Projet de recherche et développement en systèmes automatisés de production : 40 h d'exercices/Labos
Systèmes et réseaux d'automatisation industrielle : travaux de groupes, approche par projets, approche par situation problème, utilisation de logiciels
Projet de recherche et développement en systèmes automatisés de production : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, utilisation de logiciels, Travail en autonomie (présentiel / distanciel)
Systèmes et réseaux d'automatisation industrielle : français
Projet de recherche et développement en systèmes automatisés de production : français
Systèmes et réseaux d'automatisation industrielle : copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires
Projet de recherche et développement en systèmes automatisés de production : copies de présentations, syllabus, notes de cours, activités sur eCampus, protocoles de laboratoires
Sites internet :
Sites internet :
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1527 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Automation et Systèmes embarqués
Responsable d'UE : Laëtitia ISIDORO
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 30 h
Crédits : 2 ects
- Reconnaître, câbler et calibrer les différents types de capteurs.
- Interpréter et comprendre les données renseignées sur une plaque signalétique.
- Contrôler une chaîne de mesure de grandeur physique (niveau, température, débit, vitesse…).
- Etablir la communication avec un capteur analogique en utilisant le protocole HART.
- Paramétrer un afficheur à partir d’un logiciel. Intervenir pratiquement sur des boucles de régulation et des chaînes de mesure de grandeurs physiques en vue de réglages, diagnostic de défaut, réparation, optimisation.
- Aborder les systèmes régulés d’une manière physique et pratique.
- Paramétrer un régulateur et visualiser les courbes de réponse sur logiciel.
- Identifier les composants d’une boucle de régulation ainsi que leur câblage, de vérifier les signaux électriques (courant de boucle…), de consulter les paramètres et courbes de tendance en interprétant les valeurs relevées, de déterminer expérimentalement les paramètres « PID» en vue d’optimiser le fonctionnement. => en Miniusine II
- Identifier les composants informatiques Siemens et leur câblage, d’éditer le programme Siemens d’une installation existante, d’effectuer des modifications de ces programmes en utilisant la syntaxe appropriée, d’utiliser la console de programmation pour diagnostiquer un dysfonctionnement.=> en Miniusine III
Rappel des notions fondamentales de la régulation sur les systèmes asservis continus et discrets.
+ Formation extérieure de 1 jour à Technocampus sur le site Miniusines de Mons.
- jour 1 : Introduction sur l'instrumentation et la régulation.
NB: pour les autres jours de la formation voir la fiche de l'AA régulation
Rappel des notions fondamentales de la régulation sur les systèmes asservis continus et discrets.
+ Formation extérieure de 3 jours à Technocampus sur le site Miniusines de Mons.
- jour 2 : Mise en pratique des notions de régulation sur bancs d'essais didactiques (de température, vitesse, niveau et débit).
- jour 3: Miniusine II, mise en situation sur une reproduction d'une chaine d'assemblage industrielle en vue de la détermination expérimentale des paramètres de réglage d'une boucle de régulation pour optimiser le fonctionnement de l’installation.
- jour 4 : Miniusine III, mise en situation sur une reproduction d'une chaine d'assemblage industrielle pour le paramètrage et le dépannage d'automates programmables SIEMENS.
Bancs d'essais d'instrumentation : 2 h de théorie, 8 h de séminaires
Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : 20 h de séminaires
Bancs d'essais d'instrumentation : travaux de groupes, approche par situation problème, activités pédagogiques extérieures, étude de cas, utilisation de logiciels
Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : travaux de groupes, approche par situation problème, activités pédagogiques extérieures, étude de cas, utilisation de logiciels
Bancs d'essais d'instrumentation : français
Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : français
Bancs d'essais d'instrumentation : copies de présentations, protocoles de laboratoires
Régulation sur bancs d'essais et chaîne d'assemblage en miniusine : copies de présentations, protocoles de laboratoires
-
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Evaluation continue (sur place) + rapports écrits=> 100% de l'UE
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3624 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 60 h
Crédits : 5 ects
Maîtrise des prérequis et des acquis d'apprentissage de l'unité d'enseignement Intelligence artificielle de la première année de master en sciences de l'ingénieur industriel en informatique de la haute école en Hainaut.
Challenges :
Machine learning et Deep learning : 14 h de théorie, 7 h d'exercices/Labos
Projet de recherche et développement en Machine learning : 1 h de théorie, 1 h d'exercices/Labos, 37 h de travaux
Machine learning et Deep learning : cours magistral, approche par situation problème, approche avec TIC, utilisation de logiciels
Projet de recherche et développement en Machine learning : approche par projets, approche avec TIC, utilisation de logiciels
Machine learning et Deep learning : français
Projet de recherche et développement en Machine learning : français
Machine learning et Deep learning : copies de présentations, notes d'exercices
Projet de recherche et développement en Machine learning : copies de présentations, activités sur eCampus
Dua, S. & Du, X. (2016). Data Mining and Machine Learning in Cybersecurity. CRC Press
Talbi, E.G. (2009). Metaheuristics: From Design to Implementation. Wiley
Shoham, Y. & Leyton-Brown, K. (2008). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge
University Press
Nowak, M.A. (2006). Evolutionary Dynamics. Harvard University Press
Osborne, M.J. (2009). An Introduction to Game Theory. Oxford University Press
Borne, P., Benrejeb, M. & Haggège, J. (2007). Les réseaux de neurones: présentation et applications. Éditions Technip
Sutton, R.S. (2012). Reinforcement Learning. Springer US
Lin, C.T. & Lee, C.S.G. (1996). Neural Fuzzy Systems: A Neuro-fuzzy Synergism to Intelligent Systems. Prentice Hall PTR
Conway, D., & White, J. M. (2012). Machine learning for hackers: Case studies and algorithms to get you started. O’Reilly Media.
Dua, S., & Du, X. (2011). Data mining and machine learning in cybersecurity. Auerbach Publications.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning (adaptive computation and machine learning series). The MIT Press.
Machine learning in cyber trust: Security, privacy, and reliability. (2009). Springer.
Patterson, J., & Gibson, A. (2017). Deep learning: A practitioner’s approach. O’Reilly Media.
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Le résultat des challenges (précision, classement) ainsi que l'évaluation du rapport permettent d'attribuer une note au projet.
Un examen oral permet d'attribuer une note à l'activité académique "Machine Learning et Deep Learning".
La note finale est une moyenne de ces deux notes.
Toutefois, un travail de qualité (justifications et fondement théorique requis dans le rapport) à l'activité d'apprentissage "Projet en Machine Learning" peut dispenser l'étudiant d'un examen oral.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3625 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 15 h
Crédits : 1 ects
Maîtrise des prérequis et des acquis d'apprentissage de l'unité d'enseignement Intelligence artificielle de la première année de master en sciences de l'ingénieur industriel en informatique de la haute école en Hainaut.
10 h de théorie, 5 h d'exercices/Labos
Cours magistral, approche par projets, approche avec TIC
Français
Copies de présentations, protocoles de laboratoires
Jurafsky, D., & Martin, J. H. (2009). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition.
Jurafsky, D., & Martin, J. H. (2024, 3th draft). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models.
Nugues, P. M. (2006). An Introduction to Language Processing with Perl and Prolog: An Outline of Theories, Implementation, and Application with Special Consideration of English, French, and German. Allemagne: Springer Berlin Heidelberg.
Rao, D., McMahan, B. (2019). Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning. (n.p.): O'Reilly Media.
Tunstall, L., Werra, L. v., Wolf, T. (2022). Natural Language Processing with Transformers, Revised Edition. États-Unis: O'Reilly Media.
Vajjala, S., Majumder, B., Gupta, A., Surana, H. (2020). Practical Natural Language Processing: A Comprehensive Guide to Building Real-World NLP Systems. États-Unis: O'Reilly Media.
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Evaluation et présentation d'un travail à réaliser en groupe (1 ou 2 personnes).
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3626 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
- option Intelligence artificielle et Big Data
Responsable d'UE : Kevin GAUSSIN
Bloc : MA2 Info
Période : 1er quadrimestre
Durée : 30 h
Crédits : 2 ects
Bonnes bases en programmation en Python (structures de contrôle, fonctions, modules, manipulation de données) ou en C++.
8 h de théorie, 22 h d'exercices/Labos
Cours magistral, utilisation de logiciels
Français, anglais
Copies de présentations, notes de cours, notes d'exercices
* Computer Vision: Algorithms and Applications (Richard Szeliski / Springer 2023)
* Raspberry Pi Computer Vision Programming (Packt 2020)
* Learning OpenCV 4 Computer Vision with Python 3 (Packt 2020)
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Cette fiche ects d'UE 2026-2027 est indisponible.
Cette fiche ects d'UE 2026-2027 est indisponible.
Cette fiche ects d'UE 2026-2027 est indisponible.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1529 intitulée :
Master en sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 2
Responsable d'UE : Samuel CREMER
Bloc : MA2 Info
Période : 1er et 2e quadrimestres
Durée : 370 h
Crédits : 30 ects
Cours de BA1, BA2, BA3 et Master 1
Réalisation d'un travail de "niveau ingénieur" en entreprise avec rédaction d'un rapport conséquent ainsi qu'une défense orale devant un jury composé d'enseignants et de représentants du monde industriel.
L’objectif essentiel du stage est d’apporter à l’étudiant une application en entreprise des enseignements dispensés dans sa formation. Il doit permettre à celui-ci de se familiariser avec les diverses fonctions de l’ingénieur et de s’intégrer à la vie d’une entreprise tout en se consacrant à un projet technique sous la responsabilité d’un maître de stage, lui-même ingénieur de formation.
Le cahier des charges du projet technique sera validé par les responsables académiques qui jugeront de la pertinence du sujet proposé et de son adéquation avec le niveau requis pour nos formations d’ingénieur.
Cette activité d’insertion professionnelle fera l’objet d’un rapport de synthèse écrit qui sera défendu publiquement.
Le stage est couplé au TFE et la durée minimale est de 18 semaines.
TFE : 225 h d'AIP
Stages : 145 h d'AIP
TFE : approche par projets, approche par situation problème, approche avec TIC, activités pédagogiques extérieures, étude de cas, utilisation de logiciels, séance d'informations sur les TFE
Stages : Stage en entreprise
TFE : français, anglais
Stages : français
TFE : guide du TFE
Stages : Guide du stage de seconde master
-
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Les 30 ECTS de l'UE sont répartis de cette façon :
- 18 ECTS pour le TFE
- 12 ECTS pour le Stage
Veuillez lire le du guide du PFE sur eCampus pour prendre connaissance de toutes les échéances, obligations et spécificités. Le non respect de ces obligations peut entrainer 0/20 à l'UE.
L’acquisition des compétences sera évaluée à hauteur de :
0 % lors de la défense orale de l'état d'avancement *
15 % par le promoteur interne
15 % par le promoteur externe**
20 % pour le comité de lecture
20 % pour la défense interne
30 % pour la défense externe
*Bien que non cotée, cette présentation est obligatoire (voir section 7 du guide PFE)
** Pour les étudiants en mobilité = la note reprise sur le certificat de mobilité stage.