Digital Signal Processing

Analyse De Données

Objectifs de l’enseignement 

 Ce module a pour objectif d’explorer, décrire et interpréter des données dans leur aspect multidimensionnel 

Connaissances préalables recommandées 

 Notions de base en statistiques descriptives. 

 Contenu de la matière 

 Chapitre 1 : Introduction : Rappel sur l’algèbre linéaire et les statistiques descriptives 

Chapitre 2 : Analyse factorielle 

– Nature de données étudiées 

– Présentation de la Méthode 

– Interprétation des résultats 

– Exemples 

Chapitre 3 : Analyse en Composantes Principales (ACP) 

– Nature de données étudiées 

– Calcul des facteurs principaux et des composantes principales, 

– Mesure de qualité des résultats, 

– Techniques d'interprétation, 

– Gestion des données manquantes, … 

Chapitre 4 : Analyse des Correspondances Simples 

Chapitre 5 : Analyse des Correspondances Multiples (ACM) 

Chapitre 6 : Analyse Factorielle Discriminante (AFD) 

Chapitre 7 : Les méthodes de classification 

• Méthodes hiérarchiques et non hiérarchiques 

• Clustering (Classification par partitionnement) 

• Méthodes morphologiques 


Algorithmique avancé

L'objectif de ce cours est d'acquérir les notions nécessaires pour analyser des problèmes de différents domaines et classes afin de trouver des solutions qui doivent être évaluées en termes de complexité

Intelligence Artificielle : Principes et Applications

Ce cours est adressé aux étudiants de 1ère année Master, spécialité Intelligence Artificielle et ses Applications (IAA). Il leur permet de connaître les concepts fondamentaux de l'intelligence artificielle. L'intérêt de ce cours portera sur l'apport de l'IA en matière de résolution de problème qui n'est plus dans le contexte de l'informatique de calcul mais plutôt des problèmes qui nécessitent une approche exploitant le principe du raisonnement.

Ce cours contient un ensemble d’unités d’apprentissage qui vous permettent de comprendre les concepts fondamentaux de L’IA, les démarches de l’IA dans la résolution des problèmes, et d’acquérir des connaissances sur le système expert comme étant un domaine d'application de l'Intelligence Artificielle, et ses catégories. Il vous permet aussi de de vous familiariser avec le langage de programmation SWI Prolog, qui est un outil de de conception des systèmes expert. En plus de comprendre la syntaxe, les structures de données, et la sémantique des programmes PROLOG.

Systèmes distribués et Architectures parallèles Dr. Maroua

Ce cours est adressé aux étudiants de 1ère année Master, spécialité Intelligence Artificielle et ses Applications (IAA). Il leur permet de connaître les concepts fondamentaux de
Ce cours contient un ensemble d’unités d’apprentissage qui vous permettent de comprendre les concepts fondamentaux des systèmes parallèles et les systèmes distribués. Il vous permet aussi de de vous familiariser avec deux outils de programmation parallèle :

  • OpenMP est un outil de programmation à base de directives pour l’implémentation des programmes sur des systèmes à mémoire partagée, en utilisant le concept de multithreading.
  • MPI (Message Passing Interface) qui est l’environnement de programmation le plus connu pour les architectures à mémoires distribuées.