Ecole Superieure en Informatique 08-MAI-1945 SIDI BEL ABBES > Spécialité : Intelligence Artificielle et Sciences de Données (IASD)

Spécialité : Intelligence Artificielle et Sciences de Données (IASD)

A – Programme de Formation

Le programme de l’offre de formation ‘Intelligence artificielle et sciences de données’ est disponible ici : Télécharger

 

B - Objectifs de la formation

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 :

  1. Concevoir et mettre en œuvre des systèmes basés sur les techniques de l’intelligence artificielle.
  2. Concevoir et développer des solutions Big Data, à l’aide des techniques les plus récentes de l’Intelligence Artificielle, de Machine Learning, et à l’aide d’architectures distribuées.
  3. Stocker, extraire, analyser et exploiter de gros volumes de données pour des objectifs professionnels/académiques multiples : aide à la décision,évaluation, optimisation, prédiction, etc.

C – Profils et compétences métiers visés

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 :

  • Concevoir, développer, tester et exploiter une solution informatique exploitant les techniques des sciences des données et de l’intelligence artificielle en respectant les exigences d’un cahier de charges.
  • Participer ou gérer des projets dont le but est de trouver des solutions novatrices à des problèmes complexes dans des secteurs variés : e-commerce, santé, transport, environnement, l’agriculture, l’éducation, l’énergie ou encore industrie.
  • Concevoir, optimiser analyser et implémenter des systèmes complexes pour l’extraction, l’analyse et la modélisation de grandes masses de données.
  • Maîtriser les outils informatiques et mathématiques (statistiques) pour l’analyse automatique, le calcul distribué et l’extraction de connaissances
  • Utiliser les différentes technologies d’analyse et d’apprentissage pour les données massives hétérogènes.
  • Optimiser les systèmes (notamment les systèmes d’information), via le développement de solutions informatique axées sur les techniques des sciences des données et de l’intelligence artificielle.
  • Analyser des données et d’en extraire des connaissances pour l’aide à la décision, de concevoir et mettre en œuvre des systèmes basés sur les techniques de l’intelligence artificielle.

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 :

  • Chef de projet en intelligence artificielle
  • Chef projet numérisation
  • Chef de projet Big Data
  • Consultant Analytics
  • Data Designer
  • Data Engineer
  • Data Scientist
  • Développeur Big Data
  • Ingénieur IA
  • Développeur en intelligence artificielle
  • Consultant en Intelligence Artificielle
    Etc.

D- Potentialités régionales et nationales d’employabilité des diplômés

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:

  • Sociétés de services en Ingénierie Informatiques.
  • Établissements d’enseignement et entités de recherche scientifique
  • Banques et assurances.
  • Administration publique (collectivités locales, institution judiciaire, éducation, formation professionnelle, la défense, les services de sécurité, etc.)
  • Agriculture et sécurité alimentaire.
  • Energie et développement durable.
  • Transport.
  • Santé.
  • Sécurité.
  • Téléphonie mobile et l’Internet
  • Etc.

2ème année Second Cycle

Semestre 15 semaines

Semestre 3
Semestre 4

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

 

3ème année Second Cycle

Semestre 15 semaines

Semestre 5
Semestre 6

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