Code
IGYF NET 8562
Niveau
M1
Graduate
Graduate
Semestre
Spring
Domaine
Réseaux
Programme
Programme Ingénieur
Langue
Anglais/English
Crédits ECTS
2
Heures programmées
31,5
Charge de travail
35
Coordonnateur(s)
Département
- Réseaux et Services Multimédia Mobiles
Equipe pédagogique
Organisation
Cours/TD/TP/projet/examen : 31,5h/0h/7h/7h/3,5hAcquis d'apprentissage
L'objectif principal est de fournir à l'étudiant une vision systémique des services IoT. Une approche interdisciplinaire est nécessaire pour intégrer différentes technologies et composants dans des solutions bien définies comprenant des fonctions de contrôle des ressources et de transformation des données. A la fin du module, l’élève devra être capable :
- d'appréhender, l’internet des objets et les objets connectés, dans leur globalité mais sous l’angle des données qu’ils vont générer et/ou s’échanger ;
- d'appréhender le concept de données massives (Big Data), et leurs environnements dans leur globalité ;
- d’appréhender des environnements embarqués des objets connectés ;
- de créer/construire des objets connectés et d’intégrer ces objets dans un réseau ;
- de collecter et de partager les données issues de ces objets ;
- d’analyser ces données en tant que données massives au sein d’applications IoT a travers techniques de Intelligence Artificielle.
- et enfin de créer une description systémique d'un service IoT.
Compétences CDIO
- 1.3 - Connaissances avancées en ingénierie : méthodes et outils
- 2.1 - Raisonnement analytique et résolution de problèmes
- 2.1.1 - Apprendre à poser et formuler les problèmes
- 2.1.2 - Modélisation
- 2.1.4 - Analyse en contexte non parfaitement défini
- 2.1.5 - Solutions et recommandations
- 2.2.2 - Etat de l'art
- 2.3 - Pensée systémique
- 2.3.1 - Penser globalement
- 2.3.2 - Emergence et interactions dans les systèmes
- 4.3.3 - Ingénierie Système : Modélisation et interfaces
- 4.4 - Concevoir
- 4.4.3 - Utilisation de connaissances préalables dans le cadre de la conception
- 4.4.5 - Conception multidisciplinaire
- 4.5.4 - Intégration matériel-logiciel
Prérequis
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
Mots-clés
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.
Contenu
- 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
Amélioration du rapport initial et soutenance
Formule de l'évaluation
Présentation finale en groupe
Bibliographie
Supports de cours et bibliographie fournis par les intervenants.
Approches pédagogiques
IoT et Big Data