Master d’informatique de l’UMC

Evaluation du master d’informatique de l’UMC

Le master a mis en place un questionnaire d’évaluation des enseignements. Ce questionnaire est entièrement paramétrable par les responsables d’UE. Les figures 1 et 2 ci-dessous montrent les interfaces permettant à chaque responsable d’UE d’indiquer les spécificités de son UE, en termes de présence de cours, TD, TME ou projet, ainsi que la définition des droits d’accès aux résultats des évaluations. Ainsi, le questionnaire est totalement adapté à l’UE, et seuls le responsable d’UE, son équipe pédagogique et le responsable du master ont accès aux réponses. Les étudiants sont invités par email à répondre au questionnaire d’évaluation des UE qu’ils ont suivies. Ces questionnaires sont totalement anonymes et accessibles via une interface sécurisée web. De manière à nous assurer un taux de réponse raisonnable pour obtenir des statistiques fiables, les étudiants n’ayant pas répondu au questionnaire sont régulièrement relancés par email, ce qui nous permet d’obtenir un taux de réponse supérieur à 50%. La figure 3 donne un exemple d’une partie d’un questionnaire d’évaluation d’une UE. En plus de réponses à des questions types, l’étudiant peut entrer les commentaires qu’il souhaite. Les résultats des évaluations sont accessibles via une interface web sécurisée par les personnes ayant les droits d’accès les droits d’accès (voir la figure

Une fiche synthèse permet de résumer les taux de réponse, ainsi que des statistiques sur l’ensemble des réponses obtenues. La figure 4 donne un exemple de fiche de synthèse. Figure 1 : Définition individualisée des questionnaires Figure 2 : Définition des droits d’accès aux résultats des évaluations par le responsable d’UE Figure 3 : Extrait du formulaire d’évaluation d’une UE par un étudiant Figure 4 : Extrait du résultat d’évaluation d’une UE visible par les personnes y ayant accès Annexe de la spécialité ANDROIDE Equipe pédagogique de la spécialité ANDROIDE Le tableau ci-dessous donne la liste et la qualité des enseignants (académiques ou industriels) intervenant au sein de la spécialité ANDROIDE. Nom, Prénom Qualité Etablissement d’appartenance Bampis, Evripidis PR LIP6-UPMC Beynier, Aurélie MCF LIP6-UPMC Bredeche, Nicolas PR ISIR-UPMC Carron, Thibault MCF-HDR LIP6-Univ. de Savoie Chatila, Raja DR ISIR-UPMC Corruble, Vincent MCF LIP6-UPMC Delozanne, Elisabeth MCF LIP6-UPMC Doncieux, Stéphane PR ISIR-UPMC Dürr, Christoph DR LIP6-UPMC Eagan, James MCF Télécom Paris-Tech El Fallah Seghrouchni, Amal PR LIP6-UPMC Fouilhoux, Pierre MCF LIP6-UPMC Girard, Benoît CR-HDR ISIR-UPMC Gonzales, Christophe PR LIP6-UPMC Guessoum, Zahia MCF-HDR LIP6-Univ. de Reims Kant, Jean-Daniel MCF LIP6-UPMC Kedad-Sidhoum, Safia MCF-HDR LIP6-UPMC Khamassi, Mehdi CR ISIR-UPMC Labat, Jean-Marc PR LIP6-UPMC Lecolinet, Eric MCF Télécom Paris-Tech Lieu, Tong MCF LIP6-UPMC Lourdeaux, Domitile MCF HEUDIASYC-UTC Lust, Thibaut MCF LIP6-UPMC Maudet, Nicolas PR LIP6-UPMC Mouret, Jean-Baptiste MCF ISIR-UPMC Muratet, Mathieu MCF GRHAPES-INS HEA NGuyen

Viet Hung MCF LIP6-UPMC Ouzia, Hacène MCF LIP6-UPMC Padois, Vincent MCF ISIR-UPMC Pascual, Fanny MCF LIP6-UPMC Perny, Patrice PR LIP6-UPMC Sigaud, Olivier PR ISIR-UPMC Spanjaard, Olivier MCF-HDR LIP6-UPMC Thouvenin, Indira MCF-HDR HEUDIASYC-UTC Weng, Paul MCF LIP6-UPMC Wuillemin, Pierre-Henri MCF LIP6-UPMC Yessad, Amel MCF LIP6-UPMC Contenu des UE de la spécialité ANDROIDE Cette section décrit le contenu des UE listées dans le document principal du dossier d’habilitation, dans la présentation de la spécialité ANDROIDE. Note : Les UE projet et stage ne sont pas détaillées ici car elles sont décrites dans le document principal de présentation de la mention. M1S1 Nom : Modélisation, Optimisation, Graphes et Programmation Linéaire Acronyme : MOGPL Porteur : Patrice Perny Descriptif : Cette UE est destinée à introduire les graphes et la programmation linéaire comme outils de modélisation et de résolution de problèmes d’optimisation ou de décision. Elle a pour objet l’étude de modèles et l’analyse d’algorithmes fondamentaux de l’optimisation combinatoire. Elle constitue une base nécessaire à tout étudiant en informatique souhaitant acquérir une bonne maîtrise des modèles et algorithmes pour la résolution de problèmes d’optimisation, qu’il s’agisse de problèmes réels rencontrés dans un contexte industriel, ou de problèmes de recherche académique.

M1S2 Nom : Décision et Jeux Acronyme : DJ Porteur : Paul Weng Descriptif : Cette UE présente les fondements de la théorie de la décision ainsi que de la théorie des jeux. Ainsi, dans une première partie, l’UE aborde la notion de préférences, leur représentation et les modèles et algorithmes fondamentaux de décision dans l’incertain. Dans une deuxième partie, l’UE se concentre sur les aspects multicritères et collectifs de la prise de décision et propose ainsi une introduction aux choix social. Enfin, les concepts principaux de la théorie des jeux sont développés dans une dernière partie. Nom : Fondements des Systèmes Multi-agents Acronyme : SMA Porteur : Aurélie Beynier Descriptif : Après avoir introduit la notion d’« agent » en tant qu’entité autonome interagissant avec son environnement, l’UE décrit les différents types d’agents (réactifs, cognitifs, rationnels,…) et introduit les architectures d’agents et de systèmes multi-agents les plus utilisées. Les problématiques d’autonomie, de distribution et d’asynchronisme, et celles liées aux interactions et à la coordination sont également développées. Enfin, l’UE aborde la modélisation des systèmes multi-agents et leur mise en œuvre via des langages de programmation orientés agent. Cette UE s’accompagne d’une mise en pratique par un projet de développement d’un système multi-agent. Nom : Résolution de Problèmes Acronyme : RP Porteur : Evripidis Bampis Descriptif : Cette UE couvre les principales méthodes de résolution de problèmes difficiles en IA et en RO.

Le cours abordera ainsi les algorithmes de résolution exacts, mais également les algorithmes approchés (recherche heuristique dans les espaces d’états, les méthodes de recherche locale, les méta-heuristiques, etc.), et notamment ceux avec garantie de performance. Nom : Interaction Homme-Machine Acronyme : IHM Porteur : Eric Lecolinet (Telecom Paris-Tech) Descriptif : Cette UE présente les méthodes et techniques permettant la conception et la réalisation d’interfaces homme-machine conviviales et performantes. L’enseignement porte à la fois sur les aspects logiciels et ceux liés aux facteurs humains (ergonomie, conception centrée utilisateur, etc.). Il comprend aussi une initiation aux nouvelles techniques d’interaction et à la visualisation de grandes quantités de données. Afin de favoriser la mise en pratique, l’UE comporte un projet ainsi qu’un nombre significatif de TDs et TMEs. Nom : Projet M1 ANDROIDE (UE mutualisée avec les autres spécialités) Acronyme : Projet Porteur : Descriptif : Objectif : Permettre d’approfondir des notions apprises en cours et de s’approcher des thématiques de recherche en bioinformatique, soit en développant un programme, soit en utilisant des programmes existants pour traiter des données biologiques, soit en analysant des données biologiques avec des approches statistiques. M2S3 Nom : Modélisation et Simulation Multi-agents Acronyme : MoSiMA Porteur : Jean-Daniel Kant Descriptif : Cette UE montre comment les systèmes Multi-Agents (MA) peuvent être utilisés pour modéliser et simuler des Systèmes Complexes à l’aide de nombreux agents intelligents en interaction dans des environnements riches et dynamiques (exemples : simulation de phénomènes économiques, simulation de villes, et de réseaux).

Algorithmique pour l’Optimisation et la Théorie des Jeux Acronyme : AOTJ Porteur : Fanny Pascual Descriptif : Cette UE vise à fournir aux étudiants une connaissance approfondie des outils permettant d’aborder l’algorithmique d’approximation polynomiale et en-ligne et la théorie des jeux algorithmique. Nom : Modèles et Algorithmes pour la Décision dans l’Incertain Acronyme : MADI Porteur : Pierre-Henri Wuillemin Descriptif : Cette UE traite des différents modèles et algorithmes pour l’aide à la décision et la prise automatique de décision en contexte incertain. Dans un premier temps, elle se focalise sur les modèles décisionnels probabilistes, et notamment sur les modèles compacts de représentation. Ensuite, ceux-ci sont étendus pour la prise de décision séquentielle et des modèles plus généraux de représentation des préférences et des incertitudes sont introduits. Enfin, l’UE présente les algorithmes classiques de paramétrage de ces différents modèles. Tous les thèmes abordés sont illustrés sur des problèmes concrets. Nom : Modèles et Algorithmes pour la Décision Multicrières ou Collective Acronyme : MADMC Porteur : Olivier Spanjaard Descriptif : L’objectif de cette UE est de fournir aux étudiants des outils permettant d’aborder les problèmes de décision ou d’optimisation multi-objectifs. La première partie du cours porte sur les bases méthodologiques de la modélisation multicritère de problèmes décisionnels ainsi que sur les outils formels pour l’agrégation multicritère ;

..on analyse formellement les difficultés que l’on peut rencontrer dans les problèmes de décision collective et on présente les principaux résultats théoriques sur l’agrégation de préférences pour la décision multicritère. La deuxième partie du cours vise à présenter différents algorithmes exacts ou approchés pour l’optimisation multicritère ou multiagent sur des domaines combinatoires. Nom : Coordination et Consensus Multi-Agents : modèles, algorithmes, protocoles Acronyme : CoCoMA Porteur : Amal El Fallah Seghrouchni Descriptif : Cette UE porte sur les problématiques de coordination et de recherche de consensus entre agents cognitifs. Elle présente les méthodes de résolution et les mécanismes multi-agents prenant en charge la distribution, l’incertitude, l’asynchronisme et, éventuellement, l’hétérogénéité des agents. Nom : Optimisation Continue et Optimisation Combinatoire Acronyme : OCOC Porteur : Pierre Fouilhoux, Viet Hung NGuyen Descriptif : L’objectif de cette UE est double. D’une part, elle présente les principales méthodes de l’optimisation continue, les méthodes primales et méthodes duales pour l’optimisation continue non linéaire, convexe et non convexe. Ces différentes méthodes sont illustrées au travers d’étude de cas divers. D’autre part, l’UE aborde l’utilisation de certaines de ces méthodes pour résoudre des problèmes d’optimisation non linéaire en nombres entiers, en particulier des problèmes issus de l’optimisation combinatoire.  Ordonnancement et Programmation par Contraintes Acronyme : OPC Porteur : Safia Kedad-Sidhoum Descriptif : Cette UE introduit les problématiques de l’ordonnancement (tâches, modes d’exécution, contraintes et critères d’optimisation). La complexité et la résolution exacte et approchée des problèmes les plus représentatifs sont abordées, en particulier les algorithmes de programmation par contraintes pour la propagation des contraintes de ressources.