Le programme de l’offre de formation ‘Intelligence artificielle et sciences de données’ est disponible ici : Télécharger
L’objectif de cette spécialité est de former des ingénieurs de haut niveau dans le domaine de l’informatique, en particulier dans l’intelligence artificielle et la science de données en lien avec la recherche et l’industrie. Cette spécialité permettra de former des compétences pluridisciplinaires dans le domaine de la gestion des données, et dans l’intelligence artificielle et ces applications, capables de :
La formation proposée à un spectre large avec les unités d’enseignement de synthèse offrant à des étudiants attirés par la professionnalisation et la recherche d’acquérir les outils leur permettant d’évoluer dans leur métier, dans un environnement industriel ou académique, et d’être capable de transmettre leur savoir au sein des entreprises ou dans le milieu scientifique.
L’offre de formation « Intelligence Artificielle et sciences de données », permet aux étudiants en fin de cycle d’avoir des compétences leur permettant d’intégrer le monde l’entreprise pour :
Par ailleurs, le référentiel national des métiers élaboré par l’Agence Nationale de l’Emploi (ANEM) définit ce profil par : « Réalise tout ou partie des étapes (étude, conception, développement, mise en production, etc.) d’un projet ou ensemble de projets d’application informatique pour un client ou interne à l’entreprise selon des besoins et un cahier des charges». En outre, la formation permet aux étudiants d’acquérir des connaissances approfondies (à travers certains enseignements
académiques) leur permettant un accès à des études de post-graduation.
Le titulaire d’un diplôme d’ingénieur en Informatique, option «Intelligence Artificielle et sciences de données», aura la possibilité d’intégrer le monde du travail
en tant que :
La formation d’élèves-ingénieurs en IASD répond à la demande extrêmement forte en termes de compétences dans les différents domaines liés aux technologies émergentes du numérique, Intelligence Artificielle et Data Science.
Outre une formation à la recherche fondamentale et/ou appliquée via une immersion dans les entités de recherche en Algérie, cette spécialité vise à les accompagner à la création de leurs propres entreprises et surtout leur permettre de s’intégrer dans le tissu industriel et économique. Le degré d’employabilité ne se limite pas à un secteur déterminé mais peut concerner tant au niveau régional que national:
Unité d’Enseignement (UE)
Volume horaire semestriel (heures)
Coefficients
Crédits
Cours (h)
Travaux dirigés (h)
Travaux pratiques(h)
Travail personnel(h)
Autres
Total (h)
UE Fondamentales
UEF5
60
30
37,5
60
187,5
6
9
Ingénierie des Connaissances
30
15
15
30
90
3
4
Machine Learning
30
15
22,5
30
97,5
3
5
UEF6
60
15
60
60
195
7
9
Bases de Données Avancées
30
15
30
30
105
4
5
Software Engineering for Data Science
30
30
30
90
3
4
Unité Méthodologique
UEM3
45
45
52,5
142,5
4
6
Mathématiques Avancées pour la Science de Données
22,5
22,5
30
75
2
3
Complexité et Résolution de Problème
22,5
22,5
22,5
67,5
2
3
Unité Méthodologique
UEM4
45
45
2
2
Stage Pratique en Entreprise
45
45
2
2
Unité Transversale
UET3
45
45
30
120
4
4
Unités d’Enseignement optionnelles*
45
45
30
120
4
4
Total Semestre S3
210
135
97,5
202,5
45
690
23
30
Unité d’Enseignement (UE)
Volume horaire semestriel (heures)
Coefficients
Crédits
Cours (h)
Travaux dirigés (h)
Travaux pratiques(h)
Travail personnel(h)
Autres
Total (h)
UE Fondamentales
UEF7
60
30
30
60
180
6
8
Deep Learning
30
15
15
30
90
3
4
Natural Language Processing
30
15
15
30
90
3
4
UEF8
60
30
30
60
180
6
8
Calcul Haute Performance
30
15
15
30
90
3
4
Big Data Technologies
30
15
15
30
90
3
4
Unité Méthodologique
UEM5
45
30
30
30
135
4
6
Sécurité des données
22,5
15
15
15
67,5
2
3
Modeling and Simulation
22,5
15
15
15
67,5
2
3
Unité Méthodologique
UEM6
60
60
3
4
Projet Pluridisciplinaire
60
60
3
4
Unité Transversale
UET4
45
22,5
22,5
30
120
4
4
Unités d’Enseignement optionnelles*
45
22,5
22,5
30
120
4
4
Total Semestre S4
210
112,5
112,5
180
60
675
23
30
Unité d’Enseignement (UE)
Volume horaire semestriel (heures)
Coefficients
Crédits
Cours (h)
Travaux dirigés (h)
Travaux pratiques(h)
Travail personnel(h)
Autres
Total (h)
UE Fondamentales
UEF9
45
45
67,5
157,5
9
13
Advanced Deep Learning
15
15
22,5
52,5
3
5
Computer Vision and Images Processing
15
15
22,5
52,5
3
4
Data Visualization
15
15
22,5
52,5
3
4
UEF10
30
30
30
90
6
8
Cloud and Fog computing
15
15
15
45
3
4
Advanced AI
15
15
15
45
3
4
Unité Méthodologique
UEM7
30
15
30
75
3
5
Mathématiques Avancées pour la Science de Données
15
15
15
45
2
3
Complexité et Résolution de Problème
15
15
30
1
2
Unité Transversale
UET5
30
30
60
2
4
Unités d’Enseignement optionnelles*
30
30
60
2
4
Total Semestre S5
135
90
157,5
382,5
20
30
Unité d’Enseignement (UE)
Volume horaire semestriel (heures)
Coefficients
Crédits
Cours (h)
Travaux dirigés (h)
Travaux pratiques(h)
Travail personnel(h)
Autres
Total (h)
UE Méthodologique
UEM 8
20
30
Projet de Fin d’Etudes
450
450
20
30
Total Semestre S4
450
20
20