Code
IGYF PRO 8606
Niveau
M2
Graduate
Graduate
Semestre
Fall
Domaine
Projet et gestion de projets
Programme
Programme Ingénieur
Langue
Français/French
Crédits ECTS
8
Charge de travail
95.5
Coordonnateur(s)
Département
- Informatique
Equipe pédagogique
Organisation
Cours/TD/TP/projet/examen : projetAcquis d'apprentissage
À la fin du projet, les étudiants seront capables de :
1. Collecter et traiter des données en vue de leur exploitation par un modèle d'IA.
2. Développer et évaluer des modèles de deep learning adaptés à une problématique spécifique.
3. Concevoir une application web avec une interface graphique fonctionnelle intégrant un modèle IA.
4. Mettre en place une chaîne de déploiement CI/CD et appliquer les principes MLOps.
5. Travailler en équipe pour mener à bien un projet technique d'envergure.
6. Communiquer efficacement les résultats techniques dans un rapport et des soutenances.
Prérequis
Connaissances en machine learning et deep learning. Notions en bases de données et manipulation de données volumineuses (big data). Familiarité avec les concepts de développement logiciel (Python, gestion de versions avec Git, principes de CI/CD). Introduction aux pratiques MLOps souhaitée mais non obligatoire.
Mots-clés
Intelligence artificielle, Machine learning, Deep learning, MLOps, CI/CD, SaaS, Ingénierie logicielle, Bases de données, Big data, Déploiement d’applications, Visualisation de données
Contenu
Le projet vise à :
1. Fournir une expérience pratique approfondie en ingénierie IA et logicielle.
2. Renforcer les compétences en développement d'applications basées sur des modèles d’IA.
3. Préparer les étudiants à la collaboration en équipe dans un contexte professionnel.
Evaluation
- 90-100% : Projet exceptionnel, bien au-delà des attentes.
- 80-89% : Très bon projet, solide et bien réalisé.
- 70-79% : Projet satisfaisant, respectant la majorité des critères.
- 60-69% : Projet passable avec des lacunes techniques ou méthodologiques.
- <60% : Projet insuffisant, ne respectant pas les exigences de base.
Formule de l'évaluation
L’évaluation sera basée sur :
1. Soutenances :
- Soutenance de mi-parcours (30%) : présentation de l’état d’avancement, identification des blocages.
- Soutenance finale (40%) : démonstration de l’application, mise en valeur de la solution développée.
2. Rapport écrit (30%) : documentation complète incluant les détails techniques, méthodologie, résultats et analyses.
Approches pédagogiques
Le projet est basé sur une approche pratique et collaborative. Les étudiants travailleront en équipes pour appliquer les connaissances théoriques acquises en cours à un problème réel. Chaque étape sera accompagnée de sessions d'encadrement et de feedback. Des revues de code, des démonstrations techniques et des soutenances rythmeront le déroulement.