IOT et Big Data

Catalog of Télécom SudParis courses

Code

IGYF NET 8562

Level

M1

Graduate

Graduate

Semester

Spring

Domain

Réseaux

Program

Programme Ingénieur

Language

Anglais/English

ECTS Credits

2

Class hours

31,5

Workload

35

Program Manager(s)

Department

  • Réseaux et Services Multimédia Mobiles

Educational team

Organisation

Cours/TD/TP/projet/examen : 31,5h/0h/7h/7h/3,5h

Learning objectives

The main objective is to provide the student with a systemic vision of IoT services. An interdisciplinary approach is necessary to integrate different technologies and components into well-defined solutions including resource control and data transformation functions. At the end of the module, the student should be able to:
- understand the Internet of Things and connected objects, in their entirety and especially from the angle of the data they will generate and/or exchange;
- understand the concept of massive data (Big Data), and their environments in their entirety;
- understand embedded environments of connected objects;
- create/build connected objects and integrate these objects into a network;
- collect and share data from these objects;
- analyze this data as massive data within IoT applications through Artificial Intelligence techniques.
- and finally create a systemic description of an IoT service.

CDIO Skills

  • 1.3 - Advanced engineering fundamental knowledge, methods and tools
  • 2.1 - Analytical reasoning and problem solving
  • 2.1.1 - Problem Identification and Formulation
  • 2.1.2 - Modeling
  • 2.1.4 - Analysis With Uncertainty
  • 2.1.5 - Solution and Recommendation
  • 2.2.2 - Survey of Print and Electronic Literature
  • 2.3 - System thinking
  • 2.3.1 - Thinking Holistically
  • 2.3.2 - Emergence and Interactions in Systems
  • 4.3.3 - System Engineering - System Modeling and Interfaces
  • 4.4 - Designing
  • 4.4.3 - Utilization of Knowledge in Design
  • 4.4.5 - Multidisciplinary Design
  • 4.5.4 - Hardware Software Integration

Prerequisites

Connaissance du protocole IP et de l’Internet, des réseaux locaux et d’infrastructures, de la théorie de l'information et du traitement du signal, des réseaux mobiles et cellulaires. Avoir des bases en propagation du signal. Avoir des connaissances de base en modélisation, optimisation et traitement de données. Avoir des connaissances de base en Language de programmation

Keywords

Objets connectés, IoT, WoT, environnements embarqués, applications mobiles, données, sémantique, ontologie, données massives, traitement de données, traitement de flux, Big Data, plateformes de services, interopérabilité, cybersécurité, protection des données personnelles, RGPD, capteurs, actionneurs, terminaux mobiles, 4G, 5G, NFC, LPWAN, 6LoWPAN, CoAP, CBOR, REST, JSON, M2M, Pycom, Raspberry, Python, écosystème économique, business model.

Content

- Introduction à l'Internet des Objets (Roberto Minerva, 3,5 h). Définition de l'IoT, défis techniques et perspectives. Introduction aux objets intelligents et à leur caractérisation. Introduction aux systèmes IoT et à leurs architectures, réseaux d'objets connectés.
- Architectures de réseaux et plateformes IoT (HRishi DUTTA, Roberto MINERVA 7h). Architectures de réseaux (courte et longue portée, sous licence et sans licence), protocoles et paradigmes de communication supportant les communications de données IoT. Concepts et architectures logicielles supportant l'IoT : plateformes logicielles existantes et cibles, systèmes d'exploitation supportant l'IoT et exemple de services. Dans ce module, quelques travaux pratiques seront proposés :
o TP (Group Work - HRishi DUTTA 3,5h) : exercices sur la représentation et
l'organisation d'un système IoT. Programmation et simulation de systèmes et
services IoT
- Big Data et Intelligence Artificielle (Amir Reza JAFARI TEHRANI, 7h). Description des problèmes d'acquisition et de curation de données, définition de chaînes d'injection pour l'IoT. Introduction aux algorithmes et techniques d'IA pour la manipulation des données IoT. Perspective et utilisation possible des algorithmes de Machine Learning et Deep Learning par rapport aux données IoT. Dans ce module, certains travaux pratiques seront envisagés :
o TP (Group Work Amir Jafari / Aung Myat 3.5) : exemples d'acquisition et de
conservation de données. Exemples d'utilisation des réseaux neuronaux.
- TP : Spécification de service IoT (HRishi DUTTA / Roberto Minerva 7h). Il s'agit d'un travail de projet. Chaque groupe préparera une spécification de service IoT (cas d'utilisation, composants fonctionnels, diagramme de données et diagramme de déploiement en jargon UML) sur un service IoT. Certains résultats pratiques des TP précédents pourraient être intégrés dans la spécification.

Evaluation

Through a Group Report and a related Presentation that synthesizes the steps needed for a full system definition of an IoT service. The Report can also include results achieved during the TP exercise (and related programming).

Assessment formula

Présentation finale en groupe

References

Supports de cours et bibliographie fournis par les intervenants.

Pedagogical methods

IoT et Big Data