Responsable mobilité internationale : Matthieu Labeau
Coordination des stages : Mathieu Fontaine

Le programme est en anglais. 

A l’issue de la filière, l’étudiant aura acquis une vision large et opérationnelle de l'apprentissage statistique et du traitement du signal.
Il comprendra les enjeux du traitement des données et du big data, les fondements méthodologiques (statistiques, optimisation) et les techniques visant à traiter plus particulièrement des données temporelles (traitement du signal).
La filière vise à former de futurs ingénieurs ayant un large spectre de compétences autour de l'apprentissage statistique (machine learning) et du traitement de signal, ce qui recouvre un immense panel de domaines applicatifs : musique et parole, signaux biologiques, radioastronomie, transmission et compression de l'information multimédia, etc.
La pédagogie met à la fois l'accent entre des cours magistraux rigoureux et des travaux pratiques en contexte réaliste. La formation proposée en deuxième année est une introduction pertinente à différents M2 de Paris-Saclay  ou d'autres universités.

Cette filière pourra être associée avec profit à une des filières : 
 - Filière IMA : Le traitement de l'image et le traitement du signal partagent de nombreux outils fondamentaux. Les outils de traitement du signal abordés en TSIA viennent naturellement renforcer les méthodes spécifiques d'analyse des images. Les thèmes utiles, abordés en TSIA sont : statistiques, ondelettes, bancs de filtre, compression et transmission de signaux multimédia (images).

 - Filière MACS : La filière TSIA contient des cours de modélisation aléatoire qui apportent un complément très pertinent à la filière MACS : séries chronologiques, statistiques avancées, optimisation en contexte stochastique, filtrage et modèles de Markov cachés.

2e ANNEE (M1)

Les enseignements (192 heures) sont composés 
  - d'UE spécifiques à TSIA sur les données temporelles (code : TSIA)
  - et d'UE communes avec la filière SD Science des données, sur l'apprentissage statistique et la gestion de données (code : SD-TSIA).
Cinq cours sont communs, trois autres sont au choix (au P3 et au P4).

 

La filière est complétée par certains cours du créneau UE partagées :

•  MDI 210 Optimisation  (en P1)
•  MDI 220 Statistiques  en P1 (obligatoire)

	P1	P2	P3	P4
C1	TSIA 202a Séries chronologiques 1e partie	SD-TSIA 204 Statistics – Linear models	TSIA 202b Séries chronologiques 2e partie -----OU-----  SD-TSIA 205 Advanced Statistics -----OU----- SD-TSIA 214 Machine Learning for Text Mining	TSIA206 Analyse des signaux de musique et de parole -----OU----- TSIA 207 Introduction au traitement et à la transmission des signaux multimédia
C2	TSIA 201 Représentations des signaux	SD-TSIA 211 Optimization for machine learning	SD-TSIA 210  Machine Learning	SD-TSIA 203 Introduction to deep learning

 

 

3e ANNEE (M2)
En troisième année les étudiants peuvent choisir :

Option interne	- Suivre l'option interne Science de données, composée de 120 heures de cours issus des M2 ci-dessous  et  d'un projet PRIM, complétée par un stage au S2. Le choix des cours dépendra de l'orientation souhaitée : coloration apprentissage statistique et signal, Audio et parole, Multimedia - Suivre l'option interne IA, Intelligence Artificielle en collaboration avec l'ENSTA Paris.
Master M2	Postuler pour un de ces Masters 2 qui incluent un stage : ATSI Automatique et Traitement du Signal et des Images  (Upsay, mention E3A) Data AI Artificial Intelligence (IP Paris) Data Science (IP Paris) MVA, Mathématiques, Vision, Apprentissage (IP Paris) ATIAM, Acoustique, traitement du signal et informatique appliqués à la musique  (Sorbonne Université) BIM, Bio-Imagerie (Université Paris-Descartes, mention Biomédical)
Formation à l’étranger	Suivre une formation équivalente à l'étranger (contacter le responsable mobilité internationale de la filière)
Autre	Vous pouvez aussi choisir, après la 2e année,  de suivre en 3eA  : un cursus transverse, c'est à dire ouvert quelle que soit la filière choisie en 2e année : Option interne Quantum Engineering,  ou un des M2 transverses du domaine SES (PIC / IREN / COSI) une mobilité en France dans une école de l'Institut Mines-Télécom ou de IP Paris.