BACHELOR (Licence)

3 Crédits

Caractéristiques des logiciels pour le Web. Notions de client, de serveur et de logiciels distribués. Conception d'applications Web pour la génération dynamique de contenu et la gestion d'interactions avec les utilisateurs. Structure d'un document HTML (HyperText Markup Language). Mise en forme d'un document HTML par l'utilisation de CSS (Cascading Style Sheet). Programmation du côté client et du côté serveur. Présentation générale de l'architecture du web et du protocole HTTP (HyperText Transfer Protocol). Approches à la vérification: stratégie et planification des tests, évaluation de tests. Tests unitaires et tests d'intégration. Tests à boîte noire, vérification fonctionnelle d'une application et tests d'acceptation.

3 Crédits

Prérequis : MAT2304

Régression linéaire : simple et multiple, estimation et prédiction, inférence, régression polynomiale, multi-colinéarité, méthodes itératives de construction de modèles, qualité du modèle. Modèles linéaires généralisés : généralisation de la régression linéaire, fonctions de lien, régression logistique, régression de Poisson, régression multinomiale. Analyse en composantes principales : définitions et calculs, interprétation géométrique et statistique, régression sur les composantes principales. Statistique bayésienne : loi a priori, loi a posteriori, inférence bayésienne, régression bayésienne, régression pénalisée, méthodes Monte-Carlo par chaîne de Markov, variable latente, classification. Théorie de l'information : définitions de base, notions d'entropie, information mutuelle et propre; arbres probabilisés.

3 Crédits

Processus du génie logiciel et cycle de vie du logiciel . Phases du cycle de vie du logiciel: analyse, conception, réalisation, test, maintenance et exploitation. Activité d'analyse et de conception dans le processus du génie logiciel : principes, spécifications et méthodes. Méthodes d'analyse et de conception orientée-objet : langages et notation standards, modélisation structurelle, modélisation de comportement et modélisation architecturale. Décomposition en couches logicielles. Patrons de conception, révision de code, intégration continue, tests de logiciel. Concepts techniques enseignés: gestion de projet logiciel, services web, approche agile. Travaux en équipe.

3 Crédits

Étude de plusieurs sujets dans des domaines où les mathématiques jouent un rôle essentiel pour la technologie : informatique, cryptographie, transports, biotechnologie, pharmacie, traitement d'images, reconnaissances de formes, changement climatique, chimie, physique, etc.

4 Crédits

Rappel des principales notions mathématiques (algèbre linéaire et analyse numérique) nécessaires pour la Data Science et pour les calculs numériques. Utile notamment à ceux qui ont eu un parcours non axé sur les mathématiques. Formulation mathématique de problèmes concrets simples. Apprentissage des notions de base sur les relations, l’algèbre de Boole et les fonctions booléennes. Calculs simples sur les dénombrements et les probabilités combinatoires, la récurrence. Étude des rudiments arithmétiques. Ce cours vise à donner à l’étudiant une palette d’outils mathématiques utiles à la Data Science. Les polynômes, les espaces vectoriels, la diagonalisation de matrices complexes et les outils d’analyse seront étudiés. Tout en assurant la rigueur propre aux mathématiques de chacun des sujets présentés, nous souhaitons maintenir une interaction constante entre les problèmes concrets et leur formalisation.

MAT2304 : Outils statistiques pour la data science

4 Crédits

Présentation des approches de l’inférence statistique adaptées aux outils informatiques afin d’être apte à répondre aux problèmes de modélisation les plus avancés dans toutes les disciplines. Ce module présente les fondements du bayésien, en insistant sur les spécificités de la modélisation a priori et de la construction des tests. Familiarisation avec la méthode statistique en général, en vue de décrire, de résumer et d’analyser une population ou un ensemble de données. L’objectif sera de maîtriser les concepts de base de la statistique descriptive, ainsi que les notions essentielles sur les distributions statistiques (à un et deux caractères), les indices et les séries chronologiques. L’étudiant devra ainsi se familiariser avec les méthodes de traitement et d’analyse de l’information chiffrée, étudier les phénomènes, les expliquer, les prévoir pour pouvoir prendre les décisions les plus appropriées, ce qui constitue un atout pour l’insertion professionnelle. Techniques modernes de l’analyse de grands ensembles de données et de développer les outils de base de l’analyse de données et du Data Mining. En plus de rappels sur l’algèbre et la géométrie, l’étudiant apprendra l’analyse de données et les méthodes de classification et de régression.

3 Crédits

Élimination à l'aide de matrices. Opérations matricielles et inverses. Factorisations A=LU et A=LDU. Transposées et permutations. Espaces de vecteurs. Noyau. Rang et forme réduite en lignes. Indépendance, base et dimension. Les quatre sous-espaces fondamentaux. Orthogonalité et sous-espaces. Projections. Approximations par moindres carrés. Bases orthogonales et procédé de Gram-Schmidt. Matrices orthogonales. Valeurs propres. Vecteurs propres. Diagonalisation. Matrices symétriques. Matrices définies positives. Décomposition en valeurs singulières. Transformations linéaires. Choix de base. Nombres complexes. Matrices hermitiennes et unitaires. Applications.

3 Crédits

Prérequis : MAT0103

Suites infinies et séries. Séries entières. Approximations de Taylor. Analyse de l'erreur d'approximation par un polynôme. Nombres complexes. Fonctions de plusieurs variables. Courbes et surfaces de niveau. Limite et continuité. Dérivées de fonctions de plusieurs variables. Différentielle. Recherche des extrema avec ou sans contraintes. Méthode du gradient en optimisation. Multiplicateurs de Lagrange. Fonctions d'une variable complexe. Fonctions analytiques. Formule de Cauchy. Séries de Laurent. Calcul des résidus. Calcul d'intégrales réelles. Transformée de Laplace. Systèmes linéaires et convolution. Distribution de Dirac. Transformée en z. Séries de Fourier. Transformée de Fourier. Théorème d'échantillonnage. Inversion de la transformée de Laplace.

3 Crédits

Développer l'aptitude au raisonnement algébrique; introduire à partir d'exemples concrets les notions élémentaires d'algèbre. Applications, composition, bijections, permutations. Relations d'équivalence, classes d'équivalence, partition. Opérations dans un ensemble; propriétés. Groupes, isomorphismes, sous-groupes, groupes monogènes. Théorème de Lagrange. Groupes quotients. Théorème d'isomorphisme de Jordan. Action d'un groupe sur un ensemble et applications. Exemples de groupes : groupe symétrique, groupes linéaires. Sous-groupes et théorème de Lagrange. Groupe quotient et théorèmes d'isomorphisme. Actions et actions linéaires. Logique : calcul propositionnel et calcul des prédicats. Techniques de preuve : preuve directe, preuve indirecte (contraposition et absurde), récurrence simple et généralisée. Ensembles. Entiers, divisibilité, décomposition en nombres premiers, arithmétique modulaire. Principe de Dirichlet. Aperçu de la théorie des graphes : graphes orientés et non orientés, sous-graphes, circuits et cycles, connexité, graphes complets et coloriage, matrice associée à un graphe, graphes isomorphes; arbre et arbre générateur. Automates finis déterministes et non déterministes, traduction d'un automate non déterministe en un automate déterministe, minimisation d'un automate. Nombres complexes, espaces vectoriels, dépendance et indépendance linéaire, base et dimension, somme et somme directe.

3 Crédits

Corequis : MAT0101

L’étudiant devra utiliser ses apprentissages du cours Calcul différentiel (MAT0101) tout en acquérant de nouvelles connaissances comme les primitives, les limites, les intégrales définies et les séries applicables à diverses situations de résolution de problèmes interdisciplinaires. Dérivées et théorèmes d'analyse : dérivation de fonctions élémentaires, dérivation d'équations implicites, théorème de Rolle, de Lagrange, de Cauchy et règle de l'Hospital. Intégration : différentielle, primitive. Intégrale définie : définition, propriétés, somme de Riemann, théorème fondamental du calcul intégral, calcul d'aires. Techniques d'intégration : par changement de variables, par parties, par substitution trigonométrique et par fractions partielles. Applications au calcul de longueurs, d'aires et de volumes. Intégrales impropres : définition, convergence et divergence, test de comparaison. Suites : définition et notations, convergence et divergence. Séries : harmonique, géométrique et alternée. Critères de convergence (critères du terme général, de l'intégrale, de comparaison, de d'Alembert, de Cauchy). Séries de puissances.

3 Crédits

Ce cours a pour but de préparer l'étudiant aux programmes de premier cycle qui exigent des connaissances en algèbre matricielle et en géométrie vectorielle. Les sujets couverts sont les vecteurs géométriques, les produits scalaires et vectoriels, les droites et plans, les matrices, et les systèmes d'équations linéaires. Matrices, opérations, déterminant. Résolution de systèmes d'équations linéaires. Vecteurs géométriques et algébriques. Espaces vectoriels. Combinaisons linéaires, dépendance et indépendance linéaire de vecteurs. Bases et repères. Produit de vecteurs : scalaire, vectoriel, mixte. Droites dans le plan cartésien et dans l'espace cartésien. Plan dans l'espace cartésien. Positions relatives de deux plans et position relative d'une droite. Distance.

3 Crédits

Dans ce cours, l’étudiant réinvestit ses acquis du lycée en mathématiques, plus précisément en ce qui concerne les concepts liés aux fonctions. Il appliquera également de nouvelles connaissances sur les limites, les dérivées et l’analyse de fonctions à diverses situations interdisciplinaires dans plusieurs cours du programme en génie. Fonctions, limite et continuité. Dérivée : définition, taux de variation, analyse de fonctions algébriques, problèmes d'optimisation. Asymptote et analyse de fonctions. Dérivée des fonctions trigonométriques (directes et inverses), exponentielles et logarithmiques. Suites et séries. Algèbre matricielle et en géométrie vectorielle. Les sujets couverts sont les vecteurs géométriques, les produits scalaires et vectoriels, les droites et plans, les matrices, et les systèmes d'équations linéaires.

3 Crédits

The need for efficient algorithms arises in nearly every area of computer science. But the type of problem to be solved, the notion of what algorithms are “efficient,” and even the model of computation can vary widely from area to area. In this second class in algorithms, we will survey many of the techniques that apply broadly in the design of efficient algorithms, and study their application in a wide range of application domains and computational models.

3 Crédits

This course is an introduction to design of computer algorithms and the analysis of sophisticated algorithms. Students learn how to analyze the asymptotic performance of algorithms, and gain familiarity with major algorithms and data structures. They also apply important algorithmic design paradigms and methods of analysis, in addition to synthesizing efficient algorithms in common software engineering design situations. Students will use Python or Java programming language to implement and analyze algorithms to evaluate efficiency.

3 Crédits

Prérequis : INF1005

Structures de données séquentielles : listes, piles, files, vecteurs. Manipulation des structures de données séquentielles : insertion, recherche et retrait d'éléments. Algorithmes de tri. Arbres binaires. Algorithmes de recherche dans un arbre. Mise en œuvre des arbres équilibrés. Files de priorité. Structures de données pour manipulation de texte. Algorithmes de filtrage de chaînes de caractères. Implémentation de graphes. Algorithmes de parcours de graphes. Ensembles. Méthodologie permettant de comprendre les approches algorithmiques, la complexité, le concept de variables, de structures de contrôle, de structures de données afin de concevoir et écrire des algorithmes. Le cours mélange des aspects mathématiques et algorithmiques, et vise à la fois à découvrir des structures de données et algorithmes fondamentaux en informatique et à affûter ses capacités de raisonnement. Structures linéaires (tableaux, listes chaînées, files, piles, …). Opération sur les structures linéaires (insertion, suppression, recherche). Introduction de la notion de complexité algorithmique. Structures avancées : hachage, structures arborescentes.

4 Crédits

Environnement informatique : l'ordinateur et ses périphériques, le système d'exploitation et la gestion de fichiers. Résolution de problèmes et algorithmes : stratégies de résolution des problèmes, rôle des algorithmes dans le processus de résolution des problèmes, concepts et propriétés des algorithmes, initiation aux structures de contrôles. Représentation interne des données : bit, octet, représentation de données numériques et bases de numération, représentation des données-caractères. Éléments de base du langage Python : Variables, types de données, expressions et opérateurs, chaîne de caractères et fonctions de base de Python, structures de contrôle. Éléments avancés du langage Python : structures de données, fonctions, portée des variables, entrées et sorties, fichiers. Introduction à la programmation orientée objet : classes et objets, concepts d'attributs, de fonctions et d'instances des objets, héritage et polymorphisme. Bibliothèques scientifiques et graphiques. Méthodologie de programmation : concepts et principes fondamentaux de construction, conception structurée, raffinements successifs, analyse, environnement de programmation, tests et outils de correction, temps d'exécution.

3 Crédits

Introduction aux grands principes de la cybersécurité et de la protection des informations. Confidentialité. Intégrité et disponibilité des actifs informationnels et opérationnels. Évolution des technologies. Aspects de gouvernance et de conformité. Lois et normes applicables. Cadres de la politique de sécurité dans les entreprises. Protection des informations. Sécurité des réseaux informatiques. Classification des informations. Gestion des identités et des accès. Gestion des incidents de sécurité. Gestion de l'exploitation. Chiffrement des informations. Sécurité physique des centres de données et des salles d'équipement informatique. Processus d'analyse de sécurité et rapports.

4 Crédits

Apprentissage du logiciel statistiques R et au langage informatique du même nom afin de l’utiliser de manière autonome. Apprentissage des manipulations élémentaires pour pouvoir modifier et organiser des données brutes dans le but de les utiliser lors d’analyses statistiques. Il s’agira également d’apprendre à définir ses propres fonctions, de les appliquer a des variables et de s’initier aux boucles dans R. L’apprentissage de la création graphique avec R sera ensuite effectué.

4 Crédits

Résolution de problèmes: stratégie, rôle des algorithmes. Concepts et propriétés des algorithmes. Environnement de programmation, tests et outils de correction. Le langage Python. Variables, types de données, expressions et opérateurs, chaîne de caractères et fonctions. Structures de contrôle: condition, répétition, itérateur, séquence d'entiers. Structures de données: liste, ensemble, dictionnaire, tableau, arbres, dictionnaires, files avec priorités, graphes, méthodes externes. Fonctions: définition, paramètres et arguments, appel, expression lambda. Variables globales et locales. Entrées et sorties. Fichiers: lecture, écriture. Temps d'exécution. Bibliothèques scientifiques et graphiques.

1 Crédit

Cette formation en communication écrite et orale s'étale de la première à la troisième année. Elle se présente en quatre étapes : une évaluation initiale d'une communication écrite et d'une communication orale en première année; une prescription personnalisée (s'il y a lieu) ; une évaluation finale d'une communication écrite et d'une communication orale en troisième année ; la réalisation d'un portfolio sur ces formes de communication. Cette formation vise à apprendre à rédiger des textes de façon efficace et productive ainsi qu'à préparer et présenter des exposés de façon efficace et productive, conformes aux conventions de communication en vigueur dans la discipline. Ce cours est conçu pour permettre aux étudiants d’avoir de bonnes bases en communication orale pour pouvoir assurer des présentations individuelles ou collectives dans un cadre professionnel. L’accent sera mis sur la révision des règles de grammaire de base, les techniques de présentation synthétique de projet et les techniques de compte rendu. Ce module insistera principalement sur les techniques de communication orale. L’objectif sera de permettre aux étudiants de maitriser l’énonce d’un problème et l’argumentation à travers des exercices pratiques.