Formations en Informatique de Lille
Portail pédagogique
Vous êtes ici : FIL > Portail > Master Info > Machine Learning
Parcours <em>Machine learning</em>

Parcours Machine learning

du Master mention informatique

Le master mention Informatique de l'Université de Lille propose une formation de pointe pour les étudiants qui ciblent un poste de cadre dans le secteur des sciences de l'information et des technologies des communications. Ce master constitue une poursuite d'études naturelle pour les étudiants titulaires d'une Licence Informatique généraliste. Cette mention propose notamment 6 parcours répartis sur 2 années qui permettent aux étudiants d'approfondir leurs compétences dans des domaines d'actualités. À l'issue d'une période de stage de fin d'études, les étudiants diplômés dans chacun des parcours peuvent aussi bien intégrer le monde professionnel sur des postes d'ingénieur ou poursuivre en doctorat pour s'ouvrir à la R&D et développer une expertise internationale.

L'apprentissage machine est désormais au cœur des techniques d'intelligence artificielle qui envahissent notre quotidien. Cette évolution transforme profondément les systèmes d'information classiques et pose de nouveaux enjeux dans la gestion et l'analyse des données. Comprendre comment collecter, organiser les données et passer à l'échelle de très grands volumes, mais surtout comprendre, comparer et mesurer les nouveaux algorithmes d'apprentissage machine font partie de ces enjeux. Ce sont les objectifs du parcours Machine learning, qui a la particularité de développer à la fois des connaissances scientifiques fondamentales poussées et des compétences techniques avancées, qualités essentielles pour appréhender les évolutions rapides d'un domaine en cours de maturation. Destiné aux métiers de la sciences de données, du big data, de l'apprentissage machine et de l'intelligence artificielle, le parcours Machine learning est une formation solide en informatique. Le programme proposé traduit la volonté assumée de privilégier les compétences de développement fortement assises sur des connaissances théoriques solides en apprentissage automatique, algorithmique et bases de données.

Compétences visées

Les compétences acquises lors de ce parcours Machine Learning sont principalement liées aux techniques d'intelligence artificielle pour l'exploitation, l'analyse et la prévision à partir de grandes masses de données.

Les enseignements se concentrent sur trois piliers : l'apprentissage machine, l'algorithmique et les bases de données. A l'issue du master, les étudiants participeront à la conception et la mise en œuvre de solutions basées sur l'apprentissage machine supervisé, non supervisé et par renforcement ; les bases de données avancées au delà du modèle relationnel et du SQL ; les méthodes d'optimisation au cœur de l'apprentissage ; les techniques de fouille de données, d'apprentissage profond, à partir de données textuelles ou de données en réseau. La formation est complétée par des compétences permettant d'intégrer une équipe et connaître les grands principes de l'entrepreneuriat en informatique. La place de l'initiation à la recherche dans le master est essentielle dans ce domaine en révolution permanente, pour mettre en place une veille technologique et maîtriser les technologies phares tout en sachant s'adapter à celles qui les remplaceront.

Insertion professionnelle et poursuite d'études

Les diplômés du master auront l'opportunité de travailler dans les secteurs en forte expansion utilisant les techniques d'intelligence artificielle et d'apprentissage machine. Il s'agit des sociétés de service en informatique, dans les départements dédiés à la décision, la prévision, ou encore dans les services de recherche et développement de domaines variés comme : la distribution, la gestion des ventes, la stratégie commerciale, la santé, les télécommunications, la géolocalisation, les technologies du web, le développement de progiciels, la gestion de l'énergie, les transports, la banque, l'assurance...

La poursuite d'études en thèse de doctorat en informatique est possible à l'issue de ce parcours.

Alternance

Le rythme est de deux jours à l'université et trois jours en entreprise pendant les semestres 1 et 2. Pendant le semestre 3, le rythme est inversé : deux jours en entreprise et 3 jours à l'université. Le semestre 4 se déroule en entreprise.

Les étudiants en alternance ne suivent pas PJE au semestre 1 et PJI au semestre 2.

Jours d'alternance:

Semestre 1
lundi et selon votre choix d'option le mercredi ou/et le vendredi peut être libéré.
Semestre 2
lundi, jeudi, vendredi
Semestre 3
jeudi, vendredi

Retrouvez des informations générales sur l'alternance sur le portail.


Semestre 1

Semestre 2
(à partir de janvier 2024)

Semestre 3
(à partir de septembre 2023)

12 semaines

6 semaines

6 semaines

6 semaines

6 semaines

Lundi am

PJE (*)


ML
(A4)

PDI
(A4)

APR
(A4)

Lundi pm


RD
(A4)

BDA
(A4)

ASG
(A4)

Mardi am

IMG (UE Réalité virtuelle & augmentée)

OA

(A4)

AP & ACA
(A4)

BG puis FD
(A4)

Mardi pm

SD (UE Machine learning)

AP & ACA
(A4)

BDR
(A4)

MLNLP
(A4)

FTBD
(A4)

Mercredi am

IDM (UE Génie logiciel)

ASE


ANGLAIS & HECI ou EDN
(A4 puis A7)

Mercredi pm

TAC (UE E-Services)

ISI

SMA
(A4)

PPP
(A7)

Jeudi am

ANGLAIS & IIR [2h+2h chaque semaine]

Projets et alternance

Jeudi pm

ACT

Vendredi am

DAC (UE Cloud computing)

Vendredi pm

CLE (UE Internet des Objets)




1 option à prendre parmi les matières en italique

(*) Formation initiale uniquement

Année 2023-2024 M1 ML

  • Réunion de pré-rentrée 
    • M1 : Lundi 4 septembre à 09h00, bâtiment M5, amphi Bacchus. Présence obligatoire pour tous les étudiants.
    • M1 : Lundi 4 septembre à 14h00, bâtiment M5, Salle A4. Présence obligatoire pour tous les étudiants. Informations spécifiques au parcours ML
    • Slides de rentrée
  • Planning des soutenances de stage de M2
  • Début des enseignements le mardi 5 septembre 
  • Interruptions pédagogiques 
    • du 28 octobre au 05 novembre 2023.
    • du 23 décembre au 07 janvier 2024.
    • du 24 février au 03 mars 2024.
    • du 20 avril au 05 mai 2024.
  • Journée RIC : vendredi 13 octobre 2023. Pas de cours ce jour-là, mais présence obligatoire.

 

Calendrier Master 1

Année 2023-2024 M2 ML

  • Réunion de pré-rentrée 
    • Mardi 5 septembre à 09h45, bâtiment SN1, amphi Gosselet. Présence obligatoire pour tous les étudiants.
    • Mardi 5 septembre à 14:00, bâtiment M5, Salle A4. Présence obligatoire pour tous les étudiants.
  • Planning des soutenances de stage de M2
    • 6, 7 et 8 septembre 2023 . Présence fortement recommandée pour les nouveaux M2, obligatoire pour les M2 sortants.
  • Début des enseignements le lundi 11 septembre 
  • Interruptions pédagogiques 
    • du 30 octobre au 3 novembre 2023.
    • du 23 décembre au 7 janvier 2024.
    • du 20 au 25 février 2024.
  • Journée RIC : vendredi 13 octobre 2023. Pas de cours ce jour-là, mais présence obligatoire.

 

Calendrier :

Responsable

Marc Tommasi

Responsable Master Informatique

Sylvain Salvati

Secrétariat

Élodie Broucke Bâtiment M3 - Bureau 13
Marc Tommasi
dernière modification : 28/06/2022 à 10:05:48