Brique SID v1 20 21 Sommaire
Brique SID v1 20 21 Sommaire
Brique SID v1 20 21 Sommaire
Programme
des enseignements de 3e année
Filière SID
ANNÉE SCOLAIRE 2020 / 2021
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Présentation de la filière
La formation d’ingénieur de l’Ensai inclut 6 filières de spécialisation. Toutes ces filières forment
aux métiers de la Data Science, avec une maîtrise des outils permettant l'extraction, l'analyse et la
fouille de données et une capacité à choisir les modalités de traitements des données massives
(Big Data) et des techniques d’apprentissage automatique (machine learning). Selon les
spécialisations, ces compétences sont spécifiques à un domaine ou transversales. Ces
compétences sont renforcées pour la filière Statistique et Ingénierie des Données (SID), qui s’est
concentré sur ces thématiques depuis plusieurs années. L’ensemble des filières continue à former
aux compétences transversales (soft skills) et à la valorisation des travaux menés dans un contexte
professionnel et international. Lors des cours et du projet méthodologique en anglais, les élèves
travaillent toutes les compétences linguistiques et communicationnelles et approfondissent leurs
connaissances liées au monde de l’entreprise et de la recherche. La séquence de Tronc Commun
mêlant enseignements scientifiques, projets et anglais conclut la formation à l’autonomie et la
capacité à mettre en œuvre des analyses de données en situation complexe. Un stage de fin
d’études est à réaliser à l’issue de la scolarité, qui permet de mettre en œuvre dans un cadre
professionnel une démarche scientifique autour d’une problématique en lien avec les
enseignements de la filière.
En parallèle, le rôle du statisticien – informaticien est d’analyser des données à l’aide de méthodes
statistiques et de l’outil informatique. Nous pouvons définir 4 phases dans le traitement
informatique des données : la récupération, le stockage, l’analyse et la visualisation des résultats.
L’UE de Big Data va rentrez va présenter les 3 dernières phases. Ils apprendront à manipuler de
très grands volumes de données, à créer des entrepôts de données et à effectuer une analyse
multi-dimensionnelle de ces données. Les cours de machine learning leur permettront d’extraire
de la connaissance à partir de ces données. Ils découvriront comment inventer de nouvelles
technologies de stockage et de gestion des données, dans le cadre du Big Data. Ils aborderont
également les problèmes de sécurité associés à la diffusion de données.
Plusieurs projets sont réalisés au cours de l'année afin de mettre en pratique les divers
enseignements dispensés au cours de cette année. Ils sont réalisés individuellement ou en groupe,
4
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
permettant aux étudiants de vivre la réalité d’un développement d’application. Les projets sont de
nature très diverses et peuvent être réalisés en partenariat avec des industriels ou des chercheurs.
Ils ont tous pour but de mettre les étudiants en situation de statisticien ayant de bonnes
compétences en informatique, ils sont aussi l’occasion de mettre en œuvre les compétences
générales suivantes :
Connaître les fondements des architectures distribuées, des réseaux aux systèmes répartis,
des architectures logicielles big Data ;
Avoir une ouverture sur les nouvelles technologies et savoir veiller à leurs évolutions ;
Maîtriser les outils permettant l'extraction, l'intégration, l'analyse et la fouille de données
(datamining);
Maîtriser les outils permettant de manipuler de grands volumes de données et de créer
des entrepôts de données ;
Capacité à choisir et mettre en place le meilleur modèle de machine learning pour réaliser
le traitement souhaité ;
Capacité à concevoir et implémenter des systèmes de traitement de l’information ;
Capacité à choisir, mettre en place et administrer la technologie de stockage la plus
adaptée à un besoin précis (bases de données relationnelles, multidimensionnelles ou non
relationnelles) ;
Capacité à mobiliser les techniques de sécurisation des données à tous les niveaux,
stockage, échange et diffusion ;
Capacité à concevoir et mettre en œuvre un projet de développement d’applications
informatiques (connaissances de base en architecture des systèmes, en réseaux, en
sécurité, en méthodes de conduite de projet, méthodes de développement d’application).
5
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
6
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
7
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE 0
UE : COURS D’OUVERTURE
Correspondant de l’UE : Ronan Le Saout
Nombre d’ECTS :2
Volume horaire de travail élève : Entre 50h et 60h
(enseignements + travail personnel)
Nombre d’heures d’enseignement : 39h
Finalité de l’UE :
À la fin de cette UE, notamment grâce à l’enseignement de l’anglais, les élèves seront capables de mettre en œuvre les
compétences linguistiques et culturelles qui facilitent la suivie des cours scientifiques dispensés en anglais ou d’autres
langues, le travail dans un environnement professionnel international et la compréhension des normes culturelles dans
les pays étrangers. À travers le cours de droit du travail, les élèves acquerront les connaissances dans une discipline
autre que la statistique, l’économie et l’informatique nécessaires pour mieux appréhender le contexte juridique de
l’entreprise. Cette UE vise également le développement des compétences transversales (soft skills) qui aideront les
élèves à réussir les projets académiques de leur formation, à intégrer le marché du travail et à devenir les citoyens
éclairés.
Structuration de l’UE :
L’UE 0 de la 3ème année se compose de deux matières obligatoires, l’anglais et le droit du travail, ainsi que le sport de
manière optionnelle.
8
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
E Cours d’ouverture
ANGLAIS
English
Enseignant : Divers intervenants (correspondant : Todd Donahue)
Nombre d’ECTS :1
Volume horaire de travail élève : 40h
(enseignements + travail personnel)
Répartition des enseignements : 15h de cours, 15h d’aide au projet de fin d’études
Langue d’enseignement : Anglais
Logiciels : Sans objet
Documents pédagogiques : Sous Moodle
Pré-requis : Aucun
Modalités d’évaluation :
L’examen final prend la forme d’une simulation d’entretien d’embauche. Cet examen oral durera environ 25 minutes,
sera noté, et permettra d’évaluer le niveau d’expression orale sur l’échelle CECRL (Cadre européen commun de
référence pour les langues). Le CV et la lettre faite pour cet exercice seront évalués et feront partie de la note finale.
L’anglais est également évalué à travers le rapport écrit et la soutenance orale du projet de fin d’études. Le niveau
acquis apparaîtra sur le Supplément au diplôme. L’objectif de la CTI (Commission des Titres d’Ingénieur) pour tous les
élèves ingénieurs est d'atteindre le niveau B2.
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
10
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Cours d’ouverture
DROIT DU TRAVAIL
Work Law
Enseignant : Charlotte GRUNDMAN, Avocat au Barreau de Paris
Nombre d’ECTS :1
Volume horaire de travail élève : 15h
(enseignements + travail personnel)
Modalités d’évaluation :
Exposé d’un cas pratique réalisé lors des TD.
11
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Cours d’ouverture
SPORT
Sport
Enseignant : Divers intervenants (correspondant : Jullien Lepage)
Nombre d’ECTS :0
Volume horaire de travail élève : 30h
(enseignements + travail personnel)
Modalités d’évaluation :
La participation à une activité sportive peut donner lieu à l’attribution d’un bonus ajouté sur la moyenne du semestre
concerné. Le niveau de ce bonus est précisé dans une circulaire d’application en début d’année académique. Il varie
selon l’assiduité aux séances, l’engagement et la participation aux compétitions tout au long de l’année. Pour être
définitive, la liste des élèves bénéficiant de ces bonus doit être validée par le directeur des études.
Un bonus peut être exceptionnellement attribué en dehors des activités sportives réalisées dans le cadre Ensai. Pour y
prétendre, les élèves concernés doivent remplir les 3 conditions suivantes:
- pratiquer régulièrement une activité sportive et participer aux compétitions liées ;
- posséder un niveau national (voir très bon niveau régional suivant le sport en question) ;
- déposer une demande argumentée auprès de la direction des études et du service sport en début d'année scolaire,
afin de faire valider le programme d'entraînement, des compétitions et les modalités de diffusion des performances.
Pour certains ayant des contraintes sportives, des aménagements horaires pourront d'ailleurs être ainsi envisagés si
besoin.
12
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE 1 Machine Learning
Finalité de l’UE :
L’apprentissage automatique (machine-learning) est un paradigme essentiellement différent des approches
statistiques exploratoires (statistiques au sens classique) ou explicatives (économétrie). Il vise un objectif de prédiction
dans la continuité des méthodes d’apprentissage statistique supervisé introduites lors des premières années de la
formation d’ingénieur. Largement utilisé dans l’ensemble des professions statistiques à l’heure actuelle (les métiers de
la Data Science), l’apprentissage automatique est incontournable dans la formation de l’ingénieur statisticien et trouve
de nombreuses applications: prédiction des cours basés à partir d’articles de presse en finance, détection de maladie
par imagerie médicale en santé, recommandation de produits en marketing, compression d'images ou encore modèles
de traitement du langage, toutes ces applications reposent sur les mêmes bases.
Structuration de l’UE :
L’UE se compose de 4 matières : apprentissage automatique (Machine-learning), régression pénalisées et
régularisation, apprentissage statistique à grande échelle, traitement automatique de la langue et fouille du web
(Natural language processing and webmining). L’ensemble de ces matières permettent de mettre en œuvre les
techniques classiques, en développant un esprit critique sur leurs limites (sur-apprentissage, grande dimension,
représentativité de l’échantillon) et en utilisant des données non structurées (texte, image…). Selon les filières de
spécialisation, des séminaires complémentaires (systèmes de recommandation…) sont introduits.
13
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
APPRENTISSAGE AUTOMATIQUE
Machine Learning
Enseignant : Hong-Phuong DANG (Ensai), Romaric GAUDEL (Ensai), Fabien
NAVARRO (Ensai) et Brigitte GELEIN (Ensai)
Nombre d’ECTS : 2 (ISTS, GDR, SSV), 3 (GS, MQRM) ou 4 (SID)
Volume horaire de travail élève : De 25h à 30h par ECTS
(enseignements + travail personnel)
Répartition des enseignements : Pour les 27h en filières ISTS, GDR et SSV, il y a 21h de cours et 6h
d’ateliers. Pour les 24h complémentaires en GS et MQRM, il y a 6h de
cours et 12h d’ateliers. Pour les 36h complémentaires en SID, il y a 12h
de cours et 18h d’ateliers.
Modalités d’évaluation :
Contrôle continu à la discrétion des intervenants, un QCM, compte-rendus de TP (1 en ISTS, GDR et SSV, 4 en GS et
MQRM, 4 en SID)
Références bibliographiques :
Endrew Ng. Machine Learning Yearning. Disponible gratuitement au lien
https://www.deeplearning.ai/machine-learning-yearning/.
Rémi Gilleron. Apprentissage machine - Clé de l'intelligence artificielle - Une introduction pour non-
spécialistes. Ellipses.
Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning. 2016
14
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Modalités d’évaluation :
Un examen sur table de 2 heures avec questions de cours et résolution de problèmes, 1 compte-rendu de TP
Références bibliographiques :
Hastie, Trevor, Robert Tibshirani, and Martin Wainwright. 2015. Statistical Learning with Sparsity: The Lasso
and Generalizations. CRC Press.
C. Bishop. Pattern recognition and machine learning. Springer-Verlag New York, 2006.
S. Foucart and H. Rauhut. A mathematical introduction to compressive sensing. Applied and Numerical
Harmonic Analysis. Birkhaüser, 2013.
D. P. Bertsekas. Nonlinear Programming. Athena Scientific, USA, 2003.
15
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Modalités d’évaluation :
2 quizz en contrôle continu, 1 TP noté
Références bibliographiques :
Introduction to High Performance Computing for Scientists and Engineers, Georg Hager, Gerhard Wellein,
CRC Press, 2010
Introduction to High Performance Scientific Computing, Victor Eijkhout , Edmond Chow, Robert van de Geijn,
2014
Bekkerman, Ron, Mikhail Bilenko, and John Langford. n.d. Scaling up Machine Learning: Parallel and
Distributed Approaches.
The MIT Press. n.d. “Large-Scale Kernel Machines.” Accessed September 1, 2020.
https://mitpress.mit.edu/books/large-scale-kernel-machines.
16
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Modalités d’évaluation :
Projet (de taille plus importante en SID)
Références bibliographiques :
Daniel Jurafsky, James H. Martin. Speech and Language Processing: An introduction to natural language
processing, computational linguistics, and speech recognition, 2nd edition, Prentice-Hall, 2009. Draft of the
3rd edition partly available at https://web.stanford.edu/~jurafsky/slp3.
Yoav Goldberg. Neural Network Methods for Natural Language Processing. 2017. An earlier draft is freely
available online at http://u.cs.biu.ac.il/~yogo/nnlp.pdf.
Kevin Gimpel's lectures (Toyota Technological Institute at Chicago and UChicago) on Natural Language
Processing (https://ttic.uchicago.edu/~kgimpel/teaching/31190-s18/index.html) and on Advanced Natural
Language Processing (https://ttic.uchicago.edu/~kgimpel/teaching/31210-s19/index.html).
17
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Projets
UE : PROJETS
Correspondant de l’UE : Arthur Katossky
Nombre d’ECTS :5
Volume horaire de travail élève : Entre 120h et 150h
(enseignements + travail personnel)
Nombre d’heures d’enseignement : Suivis réguliers avec les encadrants
Finalité de l’UE :
Les projets sont l’occasion pour les étudiants de mettre en œuvre leurs connaissances acquises à l’ENSAI sur des cas
d’études concrets. Ils visent à mettre en œuvre les outils et connaissance acquises en statistique, en informatique et en
économie, dans une démarche de résolution de problèmes concrets type ingénieur.
Les projets de déclinent en deux versions: le projet académique, en langue anglaise, vise à approfondir une thématique
centrée autour d’un ou plusieurs articles scientifiques ; le projet de fin d’études, plus appliqué, nécessairement sur des
données issues d’une collecte, vise à proposer une solution pratique à une problématique générale proposée par une
entreprise ou un laboratoire de recherche. À eux deux, ces projets couvrent toute l’étendue d’une démarche de
développement: diagnostique d’un problème nouveau, lecture de la littérature scientifique sur le sujet, résolution d’un
problème en respectant un compromis entre les règles de l’art d’une part, et les contraintes humaines, financières et
techniques de l’autre. Ils permettent par ailleurs aux élèves de mesurer l’utilité de toutes les notions acquises au cours
des trois années de formation.
Selon les filières, la réalisation d’un Data Challenge complète ces cas d’études concrets, à travers la réalisation d’un
projet sur un temps court et des contraintes spécifiques.
Structuration de l’UE :
Projet méthodologique: approfondissement d’une démarche rigoureuse, à la pointe de la recherche scientifique, en
langue anglaise ; constitue la partie théorique de recherche d’information dans une démarche de recherche et
développement.
Projet de fin d’étude: approfondissement d’une démarche pratique, sachant composer avec des contraintes opposées,
entre rigueur scientifique et nécessités pratiques ; constitue la partie implémentation dans une démarche de
recherche et développement.
Data Challenge (optionnel, selon les filières) : rassembler sur une période très courte différentes équipes de profils
variés afin de collaborer sur un projet.
18
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Projets
PROJET METHODOLOGIQUE
Methodological project
Enseignant : Divers intervenants
Nombre d’ECTS : 2,5
Volume horaire de travail élève : Entre 60h et 75 h
(enseignements + travail personnel)
Modalités d’évaluation :
Le projet méthodologique consiste en la production d'un article de synthèse sur un sujet de recherche à choisir parmi
un catalogue. L’évaluation tient compte de l’article rédigé et de la réalisation d’une soutenance.
19
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Projets
Modalités d’évaluation :
Le projet de fin d'études consiste en la production d'une étude statistique de niveau professionnel dans le monde de
l'entreprise ou de la recherche, parmi un catalogue de sujet mis à disposition des élèves. Le projet est évalué à travers
un rapport et une soutenance.
20
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE Projets
DATA CHALLENGE
Datachallenge
Enseignant : Divers intervenants industriels (correspondante : Salima El Kolei)
Nombre d’ECTS : Pas d’attribution d’ECTS
Volume horaire de travail élève : 2 journées
(enseignements + travail personnel)
Modalités d’évaluation :
Les élèves participent au data challenge proposé à l’Ensai ouvert également aux élèves de deuxième année. Il n’y a pas
d’évaluation.
21
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Finalité de l’UE :
Cette UE correspond à des temps pédagogiques en lien direct avec les entreprises. Les séminaires professionnels ont
pour objectif de présenter aux étudiants diverses problématiques auxquelles ils seront confrontés dans leur
environnement professionnel. Il permet d’apporter des compléments par rapport à certains cours, et fait le lien entre
les enseignements et les applications pratiques qui en découlent. Le projet professionnel permet de préparer les
étudiants à leur entrée dans la vie professionnelle et aux stages, il est réalisé sur la 2ème et 3ème année de formation.
Des simulations d'entretien de recrutement sont organisées en 3e année. Elles sont assurées par des recruteurs
d'entreprises et d'organisations partenaires de l'Ensai. Les stages (application en 2ème année, fin d’études en 3ème
année) permettent aux élèves de mettre en pratique les enseignements de mathématiques appliquées, d’informatique
et d’économie dans un cadre professionnel. Le stage de fin d’études, d’une durée de 20 semaines minimum, vise à
appliquer les enseignements de 3ème année et à acquérir de l’expérience pour assurer la transition vers l’emploi. Il
constitue une étape essentielle de mise en situation professionnelle pour le futur ingénieur qui dispose à ce stade de
l’ensemble des bagages techniques de la formation.
Structuration de l’UE :
Le stage de fin d’études constitue la majeure partie de l’évaluation de cette UE (25 ECTS). L’Ensai exige une forte
adéquation entre le contenu du stage et la filière de spécialisation de 3e année. Il fait l’objet d’une procédure de
validation par le responsable de filière et par le département des relations avec les entreprises. L’évaluation tient
compte de la capacité d’intégration de l’étudiant dans l’entreprise, ses capacités d’initiative et de satisfaction au
regard des objectifs du stage, et de la qualité du rapport et de la soutenance réalisée devant un jury composé d’un
président, d’un vice-président, tous les deux issus du monde de l’entreprise et d’un permanent de l’école. Le stage
d’application de 2ème année est pris en compte dans cette UE (5 ECTS). Les séminaires professionnels ne sont pas
évalués.
22
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
23
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Finalité des UE :
Ces UE visent à renforcer les compétences informatiques des élèves ingénieurs, pour s’orienter vers des métiers de la
Data Science directement en lien avec le génie logiciel, l’ingénierie des données ou l’inclusion de méthodes
d’apprentissage statistique dans des architectures big data.
Structuration de l’UE :
La filière SID inclut 3 UE spécifiques : développement d’application, big data et système et réseaux.
24
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
GENIE LOGICIEL
Software engineering
Enseignant : Mathieu ACHER, Johann BOURCIER, Olivier BARAIS, et Benoit COMBEMALE (Université
Rennes 1)
Correspondant : Rémi PEPIN
Objectif pédagogique
L'objectif de ce cours est d’introduire les moyens de concevoir des applications informatiques de qualité (répondant
aux besoins, évolutives et faciles à maintenir).
Il s’agit de présenter l’ingénierie dirigée par les modèles en positionnant la conception dans les cycles de
développement, et en mettant l’accent sur les enjeux et les pièges à éviter.
Le cours présente une introduction aux modèles de conception classiques, base du génie logiciel autour des
technologies objet, en proposant des applications pratiques au cours de travaux pratiques et en étudiant des patrons
de conception développés en Java. Cet enseignement vise également à apprendre à développer et déployer un site
Web dynamique en Java. Il permet de se familiariser avec les architectures n-tiers et les serveurs d’applications et de
bien maîtriser les principaux outils et langages avancés de développement des applications Web/JavaEE.
Contenu de la matière
I. Le génie logiciel
1. Introduction au génie logiciel et bonne pratiques de conception.
2. Architecture logicielle et modèle en couche, Exemple sur GWT.
3. Principaux patrons de conception, principe et mise en œuvre en Java.
4. Le test logiciel et l’ingénierie des langages.
5. L'ingénierie dirigée par les modèles.
Pré-requis
Notation UML, connaissance du langage JAVA.
25
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Références bibliographiques
I. SOMMERVILLE, Le Génie logiciel, Addison Wesley-France, 1988
B. BEIZER, Software Testing Techniques, Second Edition, Van Norstrand, 1990
B.W. BOEHM, Software Engineering Economics, Prentice-Hall, 1981
E. GAMMA, R. HELM, R. JOHNSON, J. VLISSIDES, Design patterns, catalogue de modéles de conception
réutilisables, Vuibert, 2007
Langue d’enseignement
Français
26
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
INDEXATION WEB
Web datamining
Cours : 9h ● Atelier : 6h
Objectif pédagogique
A l’issue de ce cours, les élèves devront savoir collecter des informations issues du web, connaître la notion
d’Information Retrieval, savoir constituer des corpus, et les organiser à des fins d’analyse exploratoires. Ils devront
maîtriser également l’algorithme qui permet de hiérarchiser les pages web (pagerank) et les techniques de
classification de documents textuels.
Par ailleurs, ils devront avoir acquis les notions d’opinion mining (classification de textes, analyses de sentiments,
évaluation de modèles).
Toutes les applications seront traitées en R.
Contenu de la matière
Partie 1 – Information Retrieval : Preprocessing, Extraction and PageRank
Mots clés : twitter, R, pagerank, corpus, term-document matrix, Information retrieval, tf-idf, stemming, Regex, kmeans
o Stemming
27
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
o Tokenization
- TP2 : Similarité de documents (Applications aux recherches utilisateurs sur le site pagesjaunes.fr (3h)
o PageRank
Partie 2 – Opinion Mining : Textmining, analyse de sentiments, classification et évaluation des modèles.
Mots clés : Facebook, R, opinion mining, corpus, sentiment analysis, annotation syntaxique.
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Pré-requis
SQL.
Références bibliographiques
Les * indiquent les lectures fortement conseillées.
Web DataMining, Exploring Hyperlinks, Contents, and Usage Data, Bing Liu, Springer (Chapitre 6 à 13) (*)
PageRank, http://ilpubs.stanford.edu:8090/422/1/1999-66.pdf
Pang B. and Lee L. (2008). "Opinion mining and sentiment analysis." Foundations and Trends in Information
Retrieval 2(1-2).
Dini L. and Mazinni G. (2002). Opinion classification through information extraction. CELI. Turin, Italy
Cornuéjols A., Miclet L. and Kodratoff Y. (2002). Apprentissage artificiel : Concepts et algorithmes
Ilieva L. (2004). Combining Pattern Classifiers : Methods and Algorithms (chapitre 1 “Fundamentals of Pattern
Recognition”, chapitre 4 “Fusion of Label Outputs”) (*)
Langue d’enseignement
Français.
29
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Objectif pédagogique
L'objectif de cet enseignement est d'effectuer un projet de bout en bout. Ce projet commence par une modélisation
utilisant les méthodes et techniques vues en génie logiciel et se termine par une implémentation en JavaEE.
Ce cours vise à donner aux étudiants une vision détaillée du web d’aujourd’hui en présentant les technologies
historiques du web (html, xml) et les technologies plus récentes du web 2.0 (css, javascript, HTML5, Ajax, Php, MySql).
Contenu de la matière
- Encadrement en début de projet afin de préciser les besoins et pour déterminer l’architecture générale du
programme.
- Encadrement distant sur des questions techniques ponctuelles
- Encadrement technique lors de la phase d’implémentation
- Soutenance des projets
- L’historique du web / XML et ses applications (html, xml, dtd, web services etc.)
- Le web actuel (css, javascript, HTML5, Ajax, MySql, Php)
Références bibliographiques
L. Roland, « Structurez vos données avec XML », 2014
L Van Lancker, « AJAX - Développez pour le Web 2.0 - Entrez dans le code : JavaScript, XML, DOM,
XMLHttpRequest2... (2ième édition) », 2015
C Pierre de Geyer & E Daspect, « PHP5 avancé », 2012
Langue d’enseignement
Français
30
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
TECHNOLOGIES SEMANTIQUES
Semantic Technologies
Cours : 6h ● Atelier : 9h
Objectif pédagogique:
Le cours vise à donner aux étudiants une vision détaillée de la prochaine génération du web - le web sémantique -, qui
introduit le sens de l'information dans les échanges de données pour permettre aux machines de traiter
automatiquement l'information disponible sur le web. Le cours présente les standards du web sémantique et propose
aux étudiants de manipuler des outils implémentant ces standards pour répondre à un cas d'usage concret.
Contenu de la matière:
* Introduction au Web sémantique et au modèle de description RDF
* Introduction à RDFS/OWL et au langage SPARQL
* Le Web sémantique en pratique
Pré-requis:
* Programmation Java
* Connaissance des technologies du web: HTTP, HTML, XML
Références bibliographiques:
* Grigoris Antoniou and Frank van Harmelen, A Semantic Web Primer, 2nd Edition (Cooperative Information Systems),
2008
Langue d'enseignement:
Français
31
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
TECHNOLOGIES NOSQL
NoSQL Technolgies
Objectif pédagogique
Ce cours vise à présenter les différentes approches présententes dans le contexte des bases de données NoSQL. Ces
bases de données se distinguent des approches classiques relationnelles. Ces approches abandonnent la
représentation matricielle de l’information ainsi que le langagage SQL au profit d’une plus grande simplicité, d’une
meilleure performance et d’une meilleure scalabilité.
Contenu de la matière
Pré-requis
Bases de données relationnelles
32
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
UE 3– Big Data
Séminaire : 9h
Objectif de la matière
« Les données personnelles sont le nouveau pétrole d'Internet et la nouvelle monnaie du monde numérique » a
déclaré M. Kouneva, commissaire européen à la protection des consommateurs en mars 2009. La valeur de l'analyse
massive des données personnelles pour les industriels, les scientifiques et la société en général est largement
reconnue aujourd'hui. Cependant, leur caractère personnel et potentiellement sensible est un obstacle majeur à leur
partage à grande échelle. L’objectif des modèles et algorithmes de publication de données respectueuse de la vie
privée est précisément d’offrir des garanties fortes de respect de la vie privée tout en autorisant un partage de qualité
à des fins d'analyse. La tâche est loin d'être triviale comme l'ont démontré plusieurs scandales de ré-identification.
L'objectif de ce cours est de présenter aux étudiants les principaux paradigmes et techniques de publication de
données respectueuse de la vie privée.
L’accent sera particulièrement mis sur un modèle proéminent aujourd’hui : la differential privacy.
Contenu de la matière :
Introduction : motivation, défis, survol
Paradigmes : non-informatif, differential privacy
Publication interactive: modèles type differential privacy, mécanismes principaux de perturbation intéractive
(e.g., Laplace)
*Perturbation locale : le mécanismes des réponses randomisés pour satisfaire la differential privacy
Publication centralisée : mécanismes de génération de données synthétiques satisfaisant la differential privacy,
survol des modèles basés sur le partitionnement (e.g., k-anonymat, l-diversité) et des mécanismes principaux
pour les satisfaire (e.g., algorithme de Mondrian)
Conclusion : les pratiques « dans le monde réel », questions ouvertes
Pré-requis :
Connaissances de base en gestion de données, en algorithmique, et en probabilités et statistiques.
Compétences de base dans un langage de programmation parmi Java, Python, ou R.
Références bibliographiques :
B.-C. Chen, D. Kifer, K. LeFevre, et A. Machanavajjhala, Privacy-Preserving Data Publishing, Found. Trends
databases, vol. 2, no 1-2, p. 1-167, 2009.
C. Dwork et A. Roth, The Algorithmic Foundations of Differential Privacy, Found. Trends Theor. Comput. Sci., vol.
9, no 3-4, p. 211-407, 2014.
B. C. M. Fung, K. Wang, R. Chen, et P. S. Yu, Privacy-preserving data publishing : A survey of recent developments,
ACM Comput. Surv., vol. 42, no 4, p. 14:1-14:53, 2010.
Langue d’enseignement: Français
33
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Enseignement destiné aux élèves de la filière « Statistique et Ingénierie des Données » et du Master Big Data
Course Objectives
This course aims to provide students with an understanding of the core principles of technologies constituting the
foundation of the IT world: operating systems and computer networks.
In the first part, we will study the way an operating system organizes and facilitates the interaction of its key resources
such as processor, memory, and file system in a multi-tasking and multi-user context.
The second part will focus on networks and will address various topics, such as network topology and technologies,
Ethernet, ADSL, LAN, WAN, VLAN, Internet, Wifi and secure Wifi, TCP/IP layers, major protocols (DNS, SMTP…),
network devices, architecture designs (dimensioning, redundancy, segmentation, DMZ…).
Implications for the security of the Information System will also be touched when addressing these topics, in order to
raise awareness about inherent security risks and relevant countermeasures.
Course description
Operating Systems Computer Networks
1. Operation Systems overview 1. Introduction
2. Operation Systems overview 2. Host-network layer
3. Processes 3. Internet layer
4. Inter-process communication 4. Transport layer
5. Memory management 5. Application layer
6. Processes scheduling 6. Architecture review
7. File systems
8. Disk management systems (RAID)
9. Virtualization
34
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
INITIATION A UNIX
Networks and Systems
Cours : 9h ● Atelier : 6h
Objectif pédagogique
Il s’agit d’un atelier intense pendant lequel les étudiants vont installer une version récente de Linux et apprendre à
manipuler ce système d’exploitation afin de l’utiliser tout au long de l’année.
Linux est en particulier central pour utiliser et développer les technologies Big Data.
Contenu de la matière
1. Présentation d’Unix
2. Installation d’une version
3. Découverte pratique d’unix
4. Installation de logiciels
Pré-requis
Contrôle des connaissances
Le contrôle des connaissances s’effectue sur l’ensemble des matières de l’UE.
Références bibliographiques
C. PELISSIER, Unix, Editions Hermès
Langue d’enseignement
Français
35
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
SYSTEMES REPARTIS
Networks
Objectif pédagogique
Cet enseignement vise à donner aux étudiants les connaissances de base sur les architectures distribuées, réparties
sur différents sites partout dans le monde. Les trois architectures réparties à grande échelles les plus courantes seront
présentées : grilles, systèmes peer-to-peer, et cloud. Les hypothèses, concepts and algorithmes seront détaillés pour
chacune d'entres elles. L'objectif est d'avoir une connaissance des systèmes répartis disponibles actuellement et de
pointer les directions futures de ces architectures.
Contenu de la matière
1. Introduction aux architectures distribuées
2. Les concepts fondateurs (synchronisation, exclusion mutuelle, etc.)
3. Les approches centralisées et semi-centralisées (cloud, grilles, etc.)
4. Les approches décentralisées (systèmes P2P - structurés, non-structurés et hybrides)
5. Application aux systèmes de partage de fichiers et aux protocoles épidémiques
Pré-requis
Algorithmique, Programmation orientée Objet
Références bibliographiques
Andrew S. Tanenbaum et Maarten Van Steen. Distributed Systems: Principles and Paradigms. Pearson New
International Edition (2013)
Kenneth Birman . Guide to Reliable Distributed Systems. Springer Verlag (2012)
Fabrice Le Fessant et Jean-Marie Thomas. Le peer-to-peer : Comprendre et utiliser. Eyrolles (2011)
Andrew S. Tanenbaum. Systèmes d'exploitation : Systèmes centralisés, systèmes distribués. Dunod (1999)
Langue d’enseignement
Français
36
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Cours : 9h ● Atelier : 6h
Objectif pédagogique
La sécurité informatique fait actuellement l’objet d’une actualité particulièrement dynamique : attaques
spectaculaires (virus, intrusion, ...), commerce électronique, évolutions de législations… L’objet de ce cours est de
présenter les grands principes de la sécurité informatique et les techniques de protection des données. L’usage de la
cryptographie est l’un des outils de protection contre la divulgation, la modification ou l’accès illégitime à des données
ou moyens. Les techniques cryptographiques qui permettent d’assurer les services de confidentialité, d’intégrité, de
signature ou d’authentication. Finalement, des systèmes utilisant ces techniques seront schématiquement décrits.
Contenu de la matière
1. Introduction à la sécurité
1.1. Besoins
1.2. Menaces
2. Cryptographie
2.1. Définitions générales
2.2. Cryptographies à clés secrètes
2.3. Cryptographies à clés publiques
2.4. Protocoles cryptographiques
3. Systèmes utilisateurs
3.1. Applications Web
3.2. Carte bancaire
3.3. Application réseaux
Pré-requis : Aucun
Contrôle des connaissances
Examen écrit
Références bibliographiques
Schneier, Cryptographie appliquée, Thomson Publishing, 1997
Stinson, Cryptographie : Théorie et pratique, Vuibert 2003
Menezes, Van Oorschot, Vanstone, Handbook of applied Cryptography, CRC Press, 1997 (version actualisée
en ligne)
Vergnaud, Exercice et problèmes de la cryptographie, Dunod, 2012.
Singh, Histoire des codes secrets, JC Lattes, 1999
Langue d’enseignement
Français
37
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr
Brique des enseignements de troisième année 2020/2021
Objectif de la matière
Cet enseignement vise à donner aux étudiants les connaissances de base sur les architectures distribuées spécialisées
dans le traitement du Big Data. Les hypothèses, concepts and algorithmes seront détaillés pour chacune d'entre elles.
L'objectif est d'avoir une connaissance des systèmes sur Cloud disponibles actuellement et de pointer les directions
futures de ces architectures. L’objectif final est la mise en œuvre avec Hadoop et une base de données Big Data
spécifique.
Contenu de la matière
Introduction aux infrastructures distribuées : clusters, supercalculateurs, grilles, clouds
Introduction au cloud computing
Big Data: introduction, défis, enjeux
Explicit Data management
Transparent Data Management: NFS, Gfarm, Google File System:
Introduction à MapReduce et Hadoop:
Atelier pratique sur Hadoop
Avenir de MapReduce: défis
Approches post-MapReduce: Shark/Spark (Berkeley)
Approches post-MapReduce: Stratosphere
Pré-requis
Système répartis, interrogation (SQL) de bases de données relationnelles.
Examen écrit.
Références bibliographiques
G. PLOUIN, Cloud computing et SaaS, Editions Dunod
Le livre blanc du Cloud, du SaaS et des Managed Services pour les partenaires IT et télécoms. Edition 2013
R. HENNION, H. TOURNIER, E. BOURGEOIS, Cloud computing : Décider - Concevoir - Piloter - Améliorer,
Editions Eyrolles, 2012
Langue d’enseignement
Français
38
Campus de Ker Lann, 51 rue Blaise Pascal - BP37203 - 35172 BRUZ CEDEX
Tél : 33 (0)2 99 05 32 32 / [email protected]
www.ensai.fr