v2.11.0 (5762)

Mastère spécialisé - IA : Intelligence Artificielle

Contexte

Evolution naturelle des projets portés ces dernières années par la science des données et le Big Data, ce que l'on désigne aujourd'hui par intelligence artificielle va plus loin à la fois dans l'exigence technologique et dans le large spectre des domaines scientifiques concernés : robotique, interaction, homme-machine, traitement du langage ..
Elle couvre par essence, tous les domaines du monde socio-économique, les experts en intelligence artificielle étant particulièrement recherchés par les acteurs de la santé, de la cybersécurité, de la banque-assurance, des transports, de l'industrie automobile, de la grande distribution et bien sûr des services en ligne.
Ce cursus expert, conçu grace à un partenariat entre Télécom Paris et l'ENSTA ParisTech, est en adéquation avec les besoins en compétences du marché et apporte une réponse sur le manque de formations exprimé dans le rapprot Villani sur l'intelligence articficielle, présenté en mars 2018.
Dans le secteure industriel, on a constaté par exemple une augmentation de 113% des offres d'emploi liées à l'intellignece artificielle entre 2016 et 2017.

Objectif

Savoir anticiper les nouveaux services et usages de l'Intelligence Artificielle tout en prenant en compte les aspects ethiques et économiques.

contenu

Le programme s'appuie sur de nombreuses études de cas et des retours d’expérience, avec 4 périodes de formation sur 9 mois suivies d'un stage de 4 à 6 mois. Un projet professionnel Fil Rouge et des séminaires thématiques avec des professionnels se déroulent tout au long de la formation et complètent ainsi le cursus.

Le programme pédagogique s’articule autour de trois axes

I Axe Fondements de l’IA avec les modules :
Enjeux sociaux, économiques et juridiques de l’Intelligence Artificielle et de la science des données, Logique et intelligence artificielle symbolique, Algorithmique des procédures de décision en logique et contraintes, Statistique, Modèles graphiques et réseaux bayésiens, Apprentissage statistique/Machine Learning

II Axe Apprentissage et Optimisation pour l’IA avec les modules :
Apprentissage en ligne et par renforcement, Pratique de l’Apprentissage à grande échelle, Apprentissage profond/Deep Learning, Programmation GPGPU pour l’apprentissage

III Axe Intelligences Artificielles en action comprenant les modules :
Apprentissage pour la robotique, Apprentissage pour l'image et la reconnaissance d'objets, Perception pour les systèmes autonomes, Traitement automatique des langues

mots clés

Intelligence Artificielle, Data Science, Marchine Learning / Apprentissage Statistique, Robotique, NLP, deep learning, apprentissage par renforcement, programmation GPGPU

niveau requis

Titulaires d’un diplôme d’ingénieur en informatique ou en télécommunications, ou
Titulaires d’un Master 2 universitaire en informatique en statistiques, ou en mathématiques appliquées, ou
Titulaires de diplômes étrangers de niveau équivalent à Bac+5, MSc ou MBA, en informatique, en statistiques, ou en mathématiques appliquées.

Un niveau d’anglais minimum est exigé : TOEIC de 700 au moins, TOEFL (Paper) de 550 au moins ou un niveau similaire d’un test équivalent.

Pré-requis
Il est fortement recommandé à tous les candidats de suivre le MOOC « Fondamentaux pour le Big Data » et de joindre leurs résultats à leur dossier de candidature (notez que les résultats peuvent être transmis dans un second temps, après le dépôt du dossier complet).

Il est demandé aux candidats de maîtriser suffisamment les concepts ci-dessous pour être à l’aise dans leur utilisation.

- Mathématiques
Analyse : suites/séries numériques, éléments de calcul différentiel, éléments d’analyse de Fourier, d’analyse Hilbertienne
Algèbre : espaces vectoriels, applications linéaires, calcul matriciel, produits scalaires, formes quadratiques
Optimisation : multiplicateurs de Lagrange, descente de gradient
Statistique : expérience aléatoire, estimateur, risque, maximum de vraisemblance, moindres carrés, intervalles de confiance, tests statistiques
Probabilité : lois de probabilités, vecteurs aléatoires, loi/espérance conditionnelle, loi des grands nombres, théorème de la limite centrale, chaînes de Markov

Comment prendre une description mathématique ou textuelle d’un algorithme et l’implémenter.

- Informatique
Programmation en Python
Concepts de base : comment définir une variable, structures de contrôle : boucles for, for each, while
Classes et objets : comment définir une classe, les attributs, les méthodes ; différence entre une variable ou méthode static ou normale (non-static) ; l’héritage : comment étendre une classe (extends) ; les interfaces : comment définir une interface et l’implémenter dans une classe ; le polymorphisme : comment surcharger une méthode, comprendre comment marchent les méthodes surchargées

Unix/Linux
Maîtriser les commandes de base

admission

Le processus de sélection comprendra deux étapes : analyse de dossier pour pré-sélection, puis entretien avec un jury constitué de membres de l’équipe pédagogique pour prise de décision.
Les candidats retenus sont ensuite soumis au jury d’admission qui émet la liste des admis définitive.

Votre dossier doit faire apparaître une vraie maîtrise de la programmation et des mathématiques présentées dans le MOOC.

Le dépôt des candidatures se fait uniquement en ligne : https://admissions-ms.telecom-paris.fr/

informations pratiques

Responsable du mastère
Chloé Clavel  chloe.clavel@telecom-paris.fr

compétences acquises

En terme de compétences à aquérir, les principaux objectifs de la formation sont :

● Employer les méthodes avancées d’apprentissage statistique pour résoudre des problématiques d’intelligence artificielle
● Utiliser les techniques avancées d’apprentissage statistique et les architectures associées
● Concevoir et analyser des expériences pour évaluer les systèmes HRI (Interaction Homme-Robot)
● Mettre en œuvre des méthodes de réseaux de neurones et d’apprentissage profond en s’appuyant sur des bibliothèques logicielles

métiers

Architecte en conception d’IA
Intégrateur d'IA
Spécialiste "métier" avec double compétence IA
Designer d'interactions avec IA/Robots
Chefs de Projets IA

 

atouts

La notoriété du Mastère Spécialisé® Intelligence artificielle de Télécom ParisTech et de l'ENSTA ParisTech est forte aussi bien auprès des grands groupes internationaux que des start-ups. Les étudiants reçoivent généralement plusieurs propositions de stage ou d’embauche au cours de leur formation.

Une dizaine d’entreprises tels que BNP Parisbas, Safran, Airbus, Devoteam, Naval Group, Valeo,  sont membres du comité de perfectionnement du Mastère Spécialisé® Intelligence Artificielle, ce qui permet que ses contenus restent toujours en adéquation avec les besoins des entreprises.

débouchés

Pour des professionnels de l'Intelligence Artificielle tels qu'Architecte en conception d'IA, Intégrateur d'IA, Spécialiste "métier" avec double compétence IA, Designeur d'interactions avec IA/robots, Chefs de Projets IA, presque tous les secteurs d’activité sont désormais à la recherche de leurs compétences : finance, industrie, grande distribution, transports, assurance, santé, énergie, agriculture... et nombreux sont les métiers encore à inventer.

Parcours

Unités d'enseignement

UE Type d'enseignement Domaines Catégorie d'UE Credit Ects Volume horaire Responsables Periode de programmation Site pédagogique
BGDIA700 Kit Big Data Enseignement scientifique & technique Informatique, Mathématiques Enseignement de Mastère Spécialisé. 1.5 18 Charlotte LACLAU S1-P1
BGDIA701 Statistiques Enseignement scientifique & technique Mathématiques Enseignement de Mastère Spécialisé. 3 45 Ekhine IRUROZKI ARRIETA S1-P1
BGDIA702 Intelligence artificielle et sciences des données : enjeu... Enseignement scientifique & technique Sciences économiques et sociales Enseignement de Mastère Spécialisé. 1.5 33 Winston MAXWELL S1-P1
BGDIA703 Apprentissage statistique et fouille de donnees Enseignement scientifique & technique Mathématiques Enseignement de Mastère Spécialisé. 5 87 Charlotte LACLAU S1-P2
BGDIA704 Machine learning avancé Enseignement scientifique & technique Mathématiques Enseignement de Mastère Spécialisé. 5 93 Charlotte LACLAU S2-P3
BGDIA705 Séminaires Enseignement scientifique & technique Mathématiques, Informatique Enseignement de Mastère Spécialisé. 0 39 Stephan CLEMENÇON,
Charlotte LACLAU,
François LAINÉE
S1-S2
BGDIA706 Projet Big Data Projets Informatique, Mathématiques Enseignement de Mastère Spécialisé. 3 36 Stephan CLEMENÇON,
Charlotte LACLAU
S1-S2
BGDIA707 Introduction au framework HADOOP Enseignement scientifique & technique Informatique Enseignement de Mastère Spécialisé. 1 30 Marc JEANMOUGIN S1-P1
IA301 Logics and Symbolic AI : knowledge representation and rea... Enseignement scientifique & technique UE d'option interne. 2 24 Isabelle BLOCH S1-S2
IA702 Probabilistic Models and Machine Learning Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Wojciech PIECZYNSKI S1-P1
IA703 Algorithmic information and artificial intelligence Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 21 Jean-Louis DESSALLES S1-P2
IA704 Programming with GPU for Deep Learning Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Elisabeth BRUNET S2-P3
IA705 Apprentissage pour la robotique Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Sao-Mai NGUYEN S2-P3
IA712 Projet robotique mobile Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 4 72 Alexandre CHAPOUTOT S1-P2
IA713 Algorithmique des procédures de décisions en logiques et ... Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Julien ALEXANDRE DIT SANDRETTO S2-P4
IA715 Multimodal Dialogue Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Mathieu FONTAINE S2-P4
IA716 Computer vision Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 30 Gianni FRANCHI S1-P2
IA717 Natural Language Processing Enseignement scientifique & technique Enseignement de Mastère Spécialisé. 2 24 Matthieu LABEAU S1-P1
IGR204 Visualisation Enseignement scientifique & technique Image-Données-Signal UE du créneau A. 3 24 James EAGAN S2-P4
Veuillez patienter