Descriptif
2e année
Les étudiants suivront en 2e année 7 unités d'enseignement communes, et soit APM_4AI09_TP (SD-TSIA 205) soit APM_4AI12_TP (SD-TSIA 214) selon leur choix d'option.
| P1 | P2 | P3 | P4 | |
|
C1 |
CSC_4SD01_TP Data Mining |
APM_4AI08_TP Statistics : linear models |
APM_4AI09_TP Advanced Statistics -----OU----- APM_4AI12_TP Machine Learning for Text Mining |
CSC_4SD04_TP Graph Learning |
|
C2 |
CSC_4SD02_TP Data Bases |
APM_4AI11_TP Optimization for Machine Learning |
APM_4AI10_TP Machine learning |
CSC_4AI07_TP Introduction to deep learning |
- Le module FMA_0EL01_TP (MDI 210) Optimisation devra être suivi en P1 (prérequis pour APM_4AI11_TP (SD-TSIA211). Cependant, en cas d'incompatibilité avec une UE requise par une autre filière suivie, et seulement dans ce cas, FMA_0EL01_TP peut être suivi en P3 (cela pourra rendre plus difficile le suivi de certains cours de la filière SD).
- APM_0EL02_TP (MDI 220) Statistiques en P1 (obligatoire)
- CSC_0EL11_TP (INF 224) Paradigmes de programmation (recommandé)
Options de 3e année
| Option interne |
Faire une option interne à l'école :
|
| Master M2 | Spécialisation Apprentissage : Master M2
|
| Formation à l’étranger |
Suivre une formation équivalente à l'étranger (contacter le responsable mobilité internationale) |
| Autre |
Vous pouvez aussi choisir, après la 2e année, de suivre en 3eA :
|
Diplômes concernés
Pré-requis
UE créneaux D partagés pour la filière : Statistiques (MDI220) au P1, Optimisation (MDI210) au P1 et Paradigmes de programmation (INF224) recommandéModalités d'acquisition
La filière est validée si la moyenne des notes finales est ≥ 10 et si vous obtenez au minimum 15 crédits ECTS.
Composition du parcours
-
CSC_4SD01_TP CSC_4SD02_TP APM_4AI08_TP APM_4AI11_TP APM_4AI10_TP APM_4AI09_TP CSC_4SD04_TP APM_4AI12_TP CSC_4AI07_TP