Systèmes d'Informations Distribués
Ce cours explore les principes, architectures et technologies des systèmes d’informations distribués, en mettant l’accent sur la conception, le développement et l’analyse de systèmes répartis fiables et performants. Il combine à la fois des fondements théoriques et des applications pratiques avancées.
Les principaux thèmes abordés incluent :
-
Modèles et architectures distribuées : client-serveur, peer-to-peer, microservices
-
Communication et coordination : protocoles réseau, RPC, messages asynchrones, middleware
-
Cohérence et réplication des données : bases de données distribuées, consensus, transactions distribuées
-
Tolérance aux pannes et haute disponibilité : détection de défaillances, redondance, reprise après incident
-
Sécurité et confidentialité dans les systèmes distribués
-
Applications avancées : cloud computing, edge computing, IoT, systèmes critiques
À l’issue du cours, les étudiants seront capables de concevoir et analyser des systèmes d’informations distribués complexes, de sélectionner des architectures adaptées à des contraintes de performance et de sécurité, et de préparer des travaux de recherche ou projets appliqués dans le domaine des systèmes distribués.
Deep Learning
Ce cours vise à approfondir les concepts, architectures et méthodes du Deep Learning, en mettant l’accent sur la compréhension théorique, l’implémentation pratique et la recherche scientifique. Il couvre les principaux aspects du domaine :
-
Réseaux de neurones profonds : architectures feedforward, convolutionnelles (CNN), récurrentes (RNN, LSTM, GRU)
-
Techniques d’entraînement avancées : fonctions de perte, optimisation (SGD, Adam), régularisation, normalisation, dropout
-
Apprentissage supervisé et non supervisé : autoencodeurs, GANs, représentation de données
-
Apprentissage par transfert et fine-tuning pour applications complexes
-
Applications : vision par ordinateur, traitement du langage naturel, IA pour la cybersécurité, systèmes autonomes
-
Analyse critique et évaluation des modèles : métriques, overfitting, robustesse, explicabilité (XAI)
Le cours permet aux étudiants de concevoir, entraîner et évaluer des modèles profonds sur des problèmes réels, tout en développant une capacité à lire et à comprendre la littérature scientifique récente, à proposer des améliorations méthodologiques et à préparer des travaux de recherche innovants.
Distributed ledgers and Blockchain
Objectifs :
À la fin du module, les étudiants expliqueront les principes fondamentaux de la blockchain, tels que le registre distribué, les blocs, le hash, les clés publiques/privées et les transactions. Ils distingueront les blockchains publiques des privées et identifieront les cas d'usage variés comme les cryptomonnaies, la DeFi, la supply chain ou la santé. Ils maîtriseront le fonctionnement de Bitcoin (réseau P2P, minage, preuve de travail) et les spécificités d'Ethereum (smart contracts, dApps, Proof of Stake). Enfin, ils sauront lire, écrire, déployer et tester des contrats simples en Solidity sur un réseau de test.