2026-2027
| UE Quad 1 | Heures | ECTS | Éval. |
|---|---|---|---|
| Langue | 14 h | 2 | UE |
| Anglais | 14 h | ||
| Bases de données avancées | 39 h | 4 | UE |
| Bases de données relationnelles : cours avancé | 18 h | ||
| Big Data et systèmes NoSQL | 9 h | ||
| Architectures serveurs | 12 h | ||
| Projet entrepreneurial et managérial | 28 h | 2 | UE |
| Projet entrepreneurial | 20 h | ||
| Intercultural communication | 8 h | ||
| Analyse spectrale | 58 h | 4 | UE |
| Analyse spectrale : théorie | 42 h | ||
| Analyse spectrale : laboratoires | 16 h | ||
| Langage R et bioinformatique | 50 h | 4 | UE |
| Introduction à la programmation R | 20 h | ||
| Application du langage R à la transcriptomique | 30 h | ||
| Génie enzymatique | 52 h | 4 | UE |
| Génie enzymatique | 36 h | ||
| Laboratoires de génie enzymatique | 16 h | ||
| Culture cellulaire | 18 h | 2 | UE |
| Culture cellulaire | 20 h | ||
| Capteurs | 24 h | 2 | UE |
| Biocapteurs | 24 h | ||
| Project management | 15 h | 1 | UE |
| Project management | 15 h | ||
| Business intelligence | 33 h | 3 | UE |
| Analyse et extraction de données | 21 h | ||
| OLAP and reporting | 12 h | ||
| Programmation scientifique | 24 h | 2 | UE |
| Programmation scientifique | 24 h | ||
| UE Quad 2 | Heures | ECTS | Éval. |
| Intelligence artificielle | 24 h | 2 | UE |
| Intelligence artificielle | 12 h | ||
| Machine learning | 12 h | ||
| Sequençage nouvelle génération | 30 h | 3 | UE |
| Initiation aux NGS | 30 h | ||
| Informatique pour le séquençage | 60 h | 5 | UE |
| Exploitation des ressources bioinformatiques | 30 h | ||
| High-throughput sequencing algorithms | 30 h | ||
| Annotation d'un génome | 30 h | 2 | UE |
| Annotation d'un génome : études de cas | 30 h | ||
| Biostatistiques 1 | 44 h | 4 | UE |
| Initiation aux biostastistiques | 44 h | ||
| Analyse bioinformatique du protéome | 20 h | 2 | UE |
| Analyse des données protéomiques | 20 h | ||
| Préparation au milieu professionnel | 10 h | 1 | UE |
| Préparation au milieu professionnel | 10 h | ||
| Génie génétique | 46 h | 4 | UE |
| Génie génétique | 36 h | ||
| Laboratoire de génie génétique | 10 h | ||
| Architectures parallèles | 27 h | 2 | UE |
| Parallélisme : théorie | 9 h | ||
| Parallélisme : laboratoires | 18 h | ||
| Compléments en Big Data | 30 h | 2 | UE |
| Projet de recherche appliquée en Big Data | 30 h | ||
| International management and Human resources | 30 h | 3 | UE |
| Contemporary management pillars | 10 h | ||
| Human resources management | 10 h | ||
| International management | 10 h |
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #1496 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Laurence REMACLE
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 14 h
Crédits : 2 ects
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.
À l’issue de l’activité d’apprentissage, l’étudiant devra être capable de :
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 :
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.
4 h de théorie, 10 h d'exercices/Labos
Approche inductive, approche déductive, approche avec TIC
Anglais
Syllabus, notes de cours, activités sur eCampus
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : anglais
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.
785 - 810 = 12/20
811 - 836 = 13/20
837 - 862 = 14/20
863 - 888 = 15/20
889 - 913 = 16/20
914 - 939 = 17/20
840 - 964 = 18/20
965 – 989 = 19/20
990 = 20/20
Lorsqu’un étudiant dispose déjà d’un résultat à un test TOEIC officiel datant de moins de deux ans, celui-ci peut être pris en compte dans le cadre de l’évaluation et donner lieu à une dispense de présentation du test TOEIC. La note est alors attribuée sur la base du score obtenu, conformément à la grille de conversion prévue ci-dessus.
Sauf en cas de dispense accordée sur la base d’un test TOEIC officiel de moins de deux ans, 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 :
0 - 78 = 0/20
79 - 157 = 1/20
158 - 235 = 2/20
236 - 314 = 3/20
315 - 392 = 4/20
393 - 471 = 5/20
472 - 549 = 6/20
550 - 628 = 7/20
629 - 706 = 8/20
707 - 784 = 9/20
785 - 810 = 12/20
811 - 836 = 13/20
837 - 862 = 14/20
863 - 888 = 15/20
889 - 913 = 16/20
914 - 939 = 17/20
840 - 964 = 18/20
965 – 989 = 19/20
990 = 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 :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 39 h
Crédits : 4 ects
Approfondissement des bases de données :
Systèmes de base de données NoSQL :
Ce cours est divisé en 2 parties :
Bases de données relationnelles : cours avancé : 15 h de théorie, 3 h d'exercices/Labos
Big Data et systèmes NoSQL : 9 h de théorie
Architectures serveurs : 12 h de théorie
Bases de données relationnelles : cours avancé : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Big Data et systèmes NoSQL : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Architectures serveurs : cours magistral, approche interactive, approche avec TIC, étude de cas
Bases de données relationnelles : cours avancé : français
Big Data et systèmes NoSQL : français, anglais
Architectures serveurs : français
Bases de données relationnelles : cours avancé : copies de présentations, syllabus, activités sur eCampus
Big Data et systèmes NoSQL : copies de présentations
Architectures serveurs : copies de présentations
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Les AA seront évaluées simultanément lors d'un examen écrit. Il n'y a donc pas de notes aux AA mais uniquement une note à l'UE. L'examen étant commun aux AA, aucune dispense partielle del'UE n'est envisageable.
Cette fiche ects d'UE 2026-2027 est indisponible.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2354 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Aurélie SEMOULIN
Bloc : MA1 LDT
Période : 1er quadrimestre
Durée : 58 h
Crédits : 4 ects
-
Ce cours sera dispensé en présentiel dans le cadre de la codiplomation avec la HELHa au sein des bâtiments de la HELHa et en commun avec les étudiants de Ma1 Ingénieur industriel orientation chimie et biochimie et les étudiants de MA2 en alternance en Génie analytique. Pour les dispositions pédagogiques complémentaires spécifiques à ce cours, aller voir la fiche ECTS du cours pour les étudiants de Ma1 Biochimie postée sur connectED.
A la fin du cours, l'étudiant(e) devra être capable :
A la fin du TP, l'étudiant(e) devra être capable :
Méthodes analytiques de spectrométrie de masse (MS) - infrarouge (IR) - résonance magnétique nucléaire (RMN) :
principe de fonctionnement des appareillages, conditions d’utilisation, performances et exemples d’application.
Exercices : interprétation de spectres et identification de composés organiques et macromoléculaires par
combinaison des différentes techniques précitées.
GC-FID et HPLC (traitement statistique des données)
Analyse spectrale : théorie : 42 h de théorie
Analyse spectrale : laboratoires : 16 h d'exercices/Labos
Analyse spectrale : théorie : cours magistral
Analyse spectrale : laboratoires : travaux de groupes
Analyse spectrale : théorie : français
Analyse spectrale : laboratoires : français
Analyse spectrale : théorie : copies de présentations, notes d'exercices, Tous les documents resources seront postés sur la plateforme en ligne de la HELHa (connectED) à laquelle l'étudiant est tenu de s'inscrire et de se connecter régulièrement pour recevoir les documents et informations utiles à sa formation
Analyse spectrale : laboratoires : protocoles de laboratoires
« Principe d’analyse instrumentale » par Skoog, West et Holle.
La bibliographie complète est mise à disposition sur connectED.
Voir notes de travaux pratiques
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
La note de l'UE sera calculée sur base d'une moyenne géométrique pondérée de la manière suivante : 4 crédits pour le cours et 1 crédit pour le TP.
Evaluation et calcul de la note du cours : examen écrit composé d'une épreuve d'exercices valant pour 50 % de la note et de questions portant sur la théorie valant pour 50 % de la note.
Evaluation et calcul de la note du TP : 100 % de la note seront attribués à la rédaction des rapports de manipulation
Pour les dispositions complémentaires d'évaluation : voir fiche ECTS du cours pour les étudiants HELHa postée sur connectED.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2355 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Vincent BRANDERS
Bloc : MA1 LDT
Période : 1er quadrimestre
Durée : 50 h
Crédits : 4 ects
- Principes de bases en biologie moléculaire et technologies de séquençage haut-débit (Illumina)
- Utiliser la ligne de commande (bash) dans un système LINUX/UNIX
- Produire des figures scientifiques pertinentes et attractives en terme de visualisation mais également en terme de communication effective de résultats
- Familiarisation au language de programmation R, le Tidyverse, et Bioconductor, et leurs utilisation dans le cadre d'analyses de données de séquençage
Au terme de l’AA Programmation R, l’étudiant sera capable :
• d’expliquer la syntaxe de base de R et d’utiliser des concepts tels que les boucles, fonctions et apply(s)
• d’identifier et de manipuler les types de données courants en R
• d’importer, lire et écrire des données dans différents formats (CSV, TSV, Excel, …)
• d’appliquer des opérations de base sur les données, telles que la sélection, le filtrage et le tri
• de créer des graphiques de base pour explorer et représenter des données et d’utiliser des packages tels que ggplot2 pour créer des visualisations plus avancées
• de réaliser de la manipulation avancée de données
• de respecter les conventions de codage R et de maintenir un code propre et bien documenté
• de collaborer efficacement en utilisant des outils de gestion de versions comme Git
Au travers d'une analyse de données:
Introduction à la programmation R : 5 h de théorie, 15 h d'exercices/Labos
Application du langage R à la transcriptomique : 10 h de théorie, 20 h d'exercices/Labos
Introduction à la programmation R : travaux de groupes, approche par projets, approche interactive, approche par situation problème
Application du langage R à la transcriptomique : travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche déductive, étude de cas, utilisation de logiciels
Introduction à la programmation R : français, anglais
Application du langage R à la transcriptomique : français, anglais
Introduction à la programmation R : copies de présentations, notes d'exercices
Application du langage R à la transcriptomique : copies de présentations, notes d'exercices, Resources et scripts disponible via un répertoire GitHub public
- Collection de "cheat sheets" pour la programmation R, la manipulation de données, et la production de figures scientifiques: https://www.rstudio.com/resources/cheatsheets/
- Guide pour la création et validation de figures scientifiques: https://www.data-to-viz.com
- Grolemund, Garrett, and Hadley Wickham. 2017. R for Data Science. Sebastopol, CA: O’Reilly Media.
- Collection de "cheat sheets" pour la programmation R, la manipulation de données, et la production de figures scientifiques: https://www.rstudio.com/resources/cheatsheets/
- Guide pour la création et validation de figures scientifiques: https://www.data-to-viz.com
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
La note finale est définie comme suit :
Cette fiche ects d'UE 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 #2440 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Nicolas BOUILLON
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 15 h
Crédits : 1 ects
Connaissance préalable de l'anglais (niveau moyen)
Focalisation sur les habilités d'analyse, synthèse et jugement
1)Definitions of Project & Project Management
2)Methodologies
3)The Agile way of working
4)Classical vs Agile project management
5)The REAL life
6)Risk Management
15 h de théorie
Cours magistral, approche interactive, approche par situation problème
Anglais
Copies de présentations, notes de cours
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : anglais
Examen oral en Anglais
1 question choisie au hasard pour 9 points
1 question choisie par l'enseignant pour 9 points
2 vrais ou faux choisis au hasard pour 1 point chacun: 1/2 pt si correct, 1/2 si l'explication courte est correcte, 0/1 si incorrect
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3487 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Intelligence artificielle et Big Data
- option Intelligence artificielle et Big Data - Passerelle
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 33 h
Crédits : 3 ects
Techniques de programmation avancées 1 (BA2)
Traitement de l'information (BA3)
Être capable d'automatiser des flux de données à destination de l'informatique décisionnelle en utilisants des serveurs de bases de données, des ETL (Extract Transform Load) et des solutions de reporting
Analyse et extraction de données : 3 h de théorie, 18 h d'exercices/Labos
OLAP and reporting : 5 h de théorie, 7 h d'exercices/Labos
Analyse et extraction de données : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC
OLAP and reporting : cours magistral, travaux de groupes, approche par projets, approche interactive, approche par situation problème, approche avec TIC
Analyse et extraction de données : français
OLAP and reporting : français, anglais
Analyse et extraction de données : copies de présentations
OLAP and reporting : copies de présentations
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Les étudiants devront réaliser un projet en groupe et l'accompagner d'un rapport. Ces 2 délivrables seront évalués ainsi que la participation/implication des étudiants durant les heures dédiées au projet.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3492 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA1 Info, MA1 LDT
Période : 1er quadrimestre
Durée : 24 h
Crédits : 2 ects
Maîtrrise de la programmation procédirale, impérative et orientée objets
Connaissances mathématiques acquises dans les activités des blocs précédents
8 h de théorie, 16 h d'exercices/Labos
Cours magistral, approche interactive, approche avec TIC, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations
Gandrud, C. (2018). Reproducible research with R and R studio. Chapman and Hall/CRC.
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science. " O'Reilly Media, Inc.".
Grolemund, G. (2014). Hands-on programming with R: Write your own functions and simulations. " O'Reilly Media, Inc.".
Verzani, J. (2011). Getting started with RStudio. " O'Reilly Media, Inc.".
Kronthaler, F., & Zöllner, S. (2021). Data analysis with RStudio. An Easygoing Introduction, 7-131.
Horton, N. J., & Kleinman, K. (2015). Using R and RStudio for data management, statistical analysis, and graphics. CRC Press.
Nazarathy, Y., & Klok, H. (2021). Statistics with Julia: fundamentals for data science, machine learning and artificial intelligence. Springer Nature.
Klok, H., & Nazarathy, Y. (2019). Statistics with julia: Fundamentals for data science, machine learning and artificial intelligence.
Heitzinger, C. (2022). Algorithms with JULIA: Optimization, Machine Learning, and Differential Equations Using the JULIA Language. Springer Nature.
Kaminski, B. (2023). Julia for Data Analysis. Manning Publications .
Kumar Dash, S. (2021). Hands-On Julia Programming: An Authoritative Guide to the Production-Ready Systems in Julia. BPB Publications.
Lauwens, B., & Downey, A. (2019). Think Julia: How to Think Like a Computer Scientist." O'Reilly Media, Inc.".
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
100% Travail à réaliser pour l'examen (dont travaux durant l'année)
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3495 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Automation et Systèmes embarqués
- option Intelligence artificielle et Big Data
- option Gestion
Master en Sciences de l'Ingénieur industriel orientation Informatique / Cycle 2 Bloc complémentaire
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Jean-Sébastien LERAT
Bloc : MA1 Info, MA0 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 24 h
Crédits : 2 ects
Maîtrise des concepts de programmations
Maîtrises de concepts mathématiques du bachelier
Intelligence artificielle : 7 h de théorie, 4 h d'exercices/Labos, 1 h de travaux
Machine learning : 7 h de théorie, 4 h d'exercices/Labos, 1 h de travaux
Intelligence artificielle : cours magistral, approche par projets, approche interactive, approche par situation problème, approche avec TIC, utilisation de logiciels
Machine learning : cours magistral, approche par projets, approche interactive, approche par situation problème, approche avec TIC, utilisation de logiciels
Intelligence artificielle : français, anglais
Machine learning : français, anglais
Intelligence artificielle : copies de présentations
Machine learning : copies de présentations
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach, Global Edition, 4th Foundations, vol. 19.
Osborne, M. J. (2009). An Introduction to Game Theory: International ed. NY: Oxford University PressInc.
Shoham, Y. & Leyton-Brown, K. (2008). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge University Press
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach, Global Edition, 4th Foundations, vol. 19.
Talbi, E.G. (2009). Metaheuristics: From Design to Implementation. Wiley
Nowak, M.A. (2006). Evolutionary Dynamics. Harvard University Press
Mohri, M., Rostamizadeh, A., & Talwalkar, A. (2018). Foundations of machine learning. MIT press.
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
20% d'évaluation continue non remédiable
80% d'examen oral
Note : un concours d'intelligence artificiel est organisé dans le cadre du cours. Les étudiants qui ont réalisé un travail remarquable (évalué par l'enseignant sur base du travail et du résultat au concours) peuvent obtenir une note et être dispensé de l'examen oral (la note du travail est alors assimilée à celle de l'examen).
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2362 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : John RIVIERE
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 3 ects
Notions de biologie moléculaire et génie génétique.
- Comprendre les principes fondamentaux du Séquençage Nouvelle Génération (NGS)
- Comprendre les différentes technologies disponibles aujourd’hui (Illumina, IonTorrent,…)
- Comprendre les bases des protocoles (matériel de départ, construction des librairies, séquençage, validation
des résultats, interprétation,…)
(1) Rappel des notions de base de manipulation d’ADN, construction de librairies,…
(2) Présentation des nouvelles méthodes de séquençage d’ADN:
(2.1) La méthode de séquençage par détection de protons («Post-light» Ion Torrent technologie)
(2.2) La méthode de séquençage par synthèse, terminateurs réversibles (Illumina et Qiagen)
(2.3) Les techniques Pacific Biosciences et Oxford Nanopore
(3) Applications :
(3.1) Réalisation d'un séquençage ciblé sur une plateforme Illumina MiSeq (extraction d'ADN, PCR cible, Index PCR, sequençage).
5 h de théorie, 15 h d'exercices/Labos, 5 h de travaux, 5 h de séminaires
Cours magistral, travaux de groupes, activités pédagogiques extérieures, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, notes de cours, protocoles de laboratoires
Les ressources bibliographiques sont reprises dans les notes de cours.
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
- Examen écrit : travail de groupe sur base d'une étude de cas (les consignes de rédaction seront fournies aux étudiants). Représente 70 % de la note finale.
- Présentation orale le jour de l'examen afin de défendre le rapport d'étude de cas (des membres extérieurs pourraient être invités lors de cette présentation). Représente 30 % de la note finale.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2365 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Vincent BRANDERS
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 60 h
Crédits : 5 ects
Séquencage nouvelle génération1 et services web bioinformatique
High-throughput sequencing algorithms :
Capacité à définir le processus adéquat pour traiter des données NGS dans le cadre d'une recherche en particulier.
Aptitude à exploiter les ressources existantes pour les intégrer à un projet de recherche.
L'amplification du recours aux techniques NGS dans tous les pans de la recherche biologique aboutit à l'engorgement quotidien de ce type de données dans leur différentes phases de maturation ; données brutes, filtrées,nettoyées, assemblées, corrigées. Nous allons adresser ces questions en puisant abondamment au sein des banques afin de répéter les différentes étapes de finalisation allant des données brutes initiales pour finir par un résultat d'analyse complet : génome complet, analyse des variations dans le profil d'expression par exemple. Nous allons "rejouer" les travaux effectués lors des stages/TFEs des étudiants des annéesprécédentes lorsque les dites données sont rendues publiques.
Exploitation des ressources bioinformatiques : 10 h de théorie, 20 h d'exercices/Labos
High-throughput sequencing algorithms : 15 h de théorie, 15 h d'exercices/Labos
Exploitation des ressources bioinformatiques : cours magistral, travaux de groupes, approche interactive, utilisation de logiciels
High-throughput sequencing algorithms : cours magistral, approche par projets, approche interactive
Exploitation des ressources bioinformatiques : français
High-throughput sequencing algorithms : français
Exploitation des ressources bioinformatiques : notes de cours, activités sur eCampus
High-throughput sequencing algorithms : copies de présentations
-
Ukkonen, E. « On-line construction of suffix trees. » Algorithmica, 1995.
Margaret Dayhoff et al. « Atlas of protein sequence and structure », 1966
Pevzner, P. « Computational Molecular Biology: An Algorithmic Approach », MIT Press, 2000
Fedoroff, N. « Transposable elements, epigenetics, and genome evolution. » Science, 2012
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
La note finale est définie comme suit :
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2366 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Thomas SIMON
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 2 ects
Utilisation et Administration de Unix
Anglais
Sequencage Nouvelle Génération, Analyse d'un génome
Traiter, analyser et évaluer les annotations par structures et fonctions de génomes prokaryotique via des logiciels et pipelines (NCBI annotation, Prokka, EggNOG-mppe, Artemis)
Traiter, analyser et évaluer les annotations par structures et fonctions de génomes Eukaryotique via des logiciels et pipelines (Maker, Busco, Jbrowse)
Utiliser des resources en ligne tel que Galaxy Project pour automatiser et maintenir une reproductibilité.
Utilisation des jeux de données de génomes d’eucaryotes disponible sur Ensembl, pour les traiter, analyser et évaluer via des logiciels et des pipelines (NCBI annotation, Ensembl, IGV, Exonerate…)
8 h de théorie, 12 h d'exercices/Labos, 10 h de travaux
Cours magistral, travaux de groupes, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, notes de cours, tuto en ligne (github et galaxyproject)
Prokka; 10.1093/bioinformatics/btu153
eggNOG-mapper; https://doi.org/10.1101/2021.06.03.446934
NCBI pipeline; https://doi.org/10.1093/nar/gkw569
Artemis; https://doi.org/10.1093/bioinformatics/16.10.944
Maker; https://doi.org/10.1186/1471-2105-12-491
Busco; https://doi.org/10.1093/bioinformatics/btv351
Jbrowser; https://doi.org/10.1186/s13059-016-0924-1
Galaxy training; https://training.galaxyproject.org/training-material/topics/genome-annotation/tutorials/annotation-with-maker/tutorial.html
Github training; https://github.com/RVanDamme/Prokaryotic_annotation
Ensembl: 10.1093/nar/30.1.38
Exonerate: https://doi.org/10.1186/1471-2105-6-31
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Travail continu 40%, Non rémédiable
Présentation oral du travail de groupe 40%, rémédiable
Rapport ecrit du travail de groupe 20%, rémédiable
Cette fiche ects d'UE 2026-2027 est indisponible.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2368 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Aline LEONET
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 20 h
Crédits : 2 ects
Cours de protéomique BA3
Comprendre les méthodes d'analyse qualitative et quantitative des protéines en spectrométrie de masse.
Traiter, analyser, interpréter les résultats de jeux de donnés issus d'un spectromètre de masse, protéomique, via des logiciels Trans Proteomic pipeline; Skyline, X!tendem, MaxQuant..
Rappel de l'orginie des données en protéomique et présentation des méthodes d'analyse quantitative des proteines en spectrometrie de masse.
Utiliser des jeux de données issus d'analyseurs en spectrometrie de masse, pour traiter, analyser, interpreter les résultats via des logiciels, Trans Proteomic pipeline, Skyline,.. découverte de l'univers "PROTEOMICS"
8 h de théorie, 12 h d'exercices/Labos
Cours magistral, approche par projets, approche par situation problème
Français
Copies de présentations, notes d'exercices
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Evaluation 100% via la réalisation et présentation d'un projet.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2438 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Géomètre / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel / orientation Construction / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Julie LENAERTS
Bloc : MA1 Geo, MA1 Info, MA1 Co, MA1 LDT
Période : 2e quadrimestre
Durée : 10 h
Crédits : 1 ects
Néant
Milieux professionnel : s’informer sur le milieu professionnel, adapter sa communication.
en fonction des entreprises
10 h d'AIP
Présentation des entreprises
Français
Notes de cours
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
Consignes : Présence, remise du CV et participation à minimum 5 entretiens : obligatoire.
L'UE est validée ou non si les consignes sont respectées.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #2441 intitulée :
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Aurélie SEMOULIN
Bloc : MA1 LDT
Période : 2e quadrimestre
Durée : 46 h
Crédits : 4 ects
-
Au terme de l’unité d'enseignement, l'étudiant(e) devra être capable :
Les concepts et théories suivants seront abordés :
Initiation aux techniques de biologie moléculaire (transformation bactérienne, extraction et dosage d'ADN, amplification PCR, isolement d'ADN par électrophorèse sur agarose et visualisation).
Génie génétique : 28 h de théorie, 8 h d'exercices/Labos
Laboratoire de génie génétique : 10 h d'exercices/Labos
Génie génétique : cours magistral, travaux de groupes
Laboratoire de génie génétique : travaux de groupes
Génie génétique : français
Laboratoire de génie génétique : français
Génie génétique : copies de présentations
Laboratoire de génie génétique : protocoles de laboratoires
Griffiths, Wessler, Lewotin, Gelbart, Suzuki et Miller, L’analyse génétique, de boeck éditions, Paris 2006.
Reece, Urry, Cain, Wasserman, Minorsky et Jackson, Campbell : Biologie, Pearson éditions, Québec 2012.
Bibliographie complète disponible sur connectED.
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français
La note d'UE est calculée sur base d'une moyenne géométrique calculée sur base des pondérations suivantes :
- 4 points de pondération pour le cours de génie génétique
- 1 point de pondération pour le laboratoire de génie génétique
La note de l'activité d'apprentissage “cours de génie génétique” sera établie sur base d'une moyenne arithmétique pondérée des activités suivantes :
Note AA = EO*0,8+PEO*0,2
EO Examen oral : 80 % ;
PEO Présentation écrite et orale d’un article scientifique : 20 % (10 % pour la qualité du contenu du résumé et 10 % pour la qualité du contenu de la défense suite à la présentation).
La note de l'activité d'apprentissage “laboratoire de génie génétique” sera calculée sur base d'une évaluation qui portera sur les capacités de l'étudiant à rédiger les rapports en lien direct avec chacune des séances de travaux pratiques.
Attribution d'un facteur sur la note pouvant aller de 0,9 à 1,1 en fonction du comportement au laboratoire.
Concernant les dispositions complémentaires, se référer à la fiche ECTS de la HELHa relative au même cours.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3489 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 27 h
Crédits : 2 ects
Introduction théorique (en anglais) :
Laboratoires (en anglais) :
Parallélisme : théorie : 9 h de théorie
Parallélisme : laboratoires : 18 h d'exercices/Labos
Parallélisme : théorie : cours magistral, approche interactive, approche avec TIC, étude de cas, utilisation de logiciels
Parallélisme : laboratoires : cours magistral, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Parallélisme : théorie : français, anglais
Parallélisme : laboratoires : français, anglais
Parallélisme : théorie : copies de présentations, syllabus
Parallélisme : laboratoires : copies de présentations, syllabus
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Pour cette UE il n'y a pas de notes aux AA. La note finale de l'UE sera calculée sur base de :
L'épreuve étant intégrée entre les 3 AA, aucune dispense partielle de l'UE n'est possible.
2026-2027
Avenue Victor Maistriau 8a
7000 Mons
Fiche ects de l'unité d'enseignement #3493 intitulée :
Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Intelligence artificielle et Big Data
- option Intelligence artificielle et Big Data - Passerelle
Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1
Responsable d'UE : Samuel CREMER
Bloc : MA1 Info, MA1 LDT
Période : 2e quadrimestre
Durée : 30 h
Crédits : 2 ects
Cours de Bases de données avancées (MA1 Q1)
Etre capable de choisir, de déployer et d'utiliser les technologies les plus a adaptées à un problèem donné pour des problématiques de type Big Data
Après un rappel téhorique sur les paradigmes et concepts du Big Data, le cours sera essentielment pratique et centré sur la création d'un pipeline de données mélangeant différentes technologies comme le streaming de données, le map reduce, les wide column stores, les document stores, les moteurs de recherche, etc.
6 h de théorie, 24 h d'exercices/Labos
Cours magistral, travaux de groupes, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels
Français, anglais
Copies de présentations, protocoles de laboratoires
-
Méthode d'évaluation : note globale à l'UE
Langues d'évaluation : français, anglais
Les étudiants devront réaliser un ou plusieurs projets durant les heures de cours. Ce ou ces projets seront accompagnés de rapports en anglais. L'évaluation portera sur la qualité des délivrables réalisés ainsi que l'implication des étudiants pendant les heures de cours.
Cette fiche ects d'UE 2026-2027 est indisponible.