Programme d’études 2020-2021English
Computer Vision and Machine Intelligence
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-INFO60-045-MUE optionnelleGOSSELIN BernardF105 - Information, Signal et Intelligence artificielle
  • GOSSELIN Bernard
  • MANCAS Matei

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Anglais
Anglais242400044.001er quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-ISIA-005Computer Vision & Machine Intelligence 2424000Q1100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
  • Réaliser des travaux de développement ou d'innovation en informatique
    • -Etre capable d'appliquer, de mobiliser, d'articuler et de valoriser les connaissances et les compétences acquises en vue de contribuer à la réalisation d'un travail de développement ou d'innovation
    • -Pouvoir maîtriser la complexité d'un tel travail et tenir compte des objectifs et des contraintes qui le caractérisent
  • Maîtriser les techniques de communication
    • -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
    • -Le cas échéant, être capable de communiquer dans une langue étrangère
  • Appliquer une méthodologie scientifique
    • -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets

Acquis d'apprentissage UE

develop an applied pattern recognition system, together with a critical analysis of the problem;
apply image analysis and segmentation techniques
apply data processing techniques (feature extraction, feature selection);
apply classification and machine learning techniques (Gaussian models, Clustering, Artificial Neural Networks, Dynamic Time Warping, Hidden Markov Models, Deep Neural Networks);
estimate performances of classifiers.

Contenu de l'UE

Image Processing: Image acquisition; lowlevel processing, filtering, transforms; image segmentation and registration;
Pattern Recognition: SPR scheme, feature extraction, classifiers, combining classifiers; neural networks:feed-forward neural networks, training MLP, Deep Neural Nets; support vector machines; dynamic systems: dynamic time warping, hidden Markov models

Compétences préalables

fundamentals of signal processing; probability and statistics

Types d'évaluations Q1 pour l'UE

  • Examen oral

Commentaire sur les évaluations Q1 de l'UE

sans objet

Types d'évaluation Q3 pour l'UE

  • Examen oral

Commentaire sur les évaluations Q3 de l'UE

sans objet

Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

  • Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

sans objet

Types d'activités

AATypes d'activités
I-ISIA-005
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur
  • Etudes de cas

Mode d'enseignement

AAMode d'enseignement
I-ISIA-005
  • Mixte

Supports principaux

AA
I-ISIA-005

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-ISIA-005Sans objet

Supports complémentaires

AA
I-ISIA-005

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-ISIA-005Sans objet

Autres références conseillées

AAAutres références conseillées
I-ISIA-005Sergios Theodoridis, Aggelos Pikrakis, Konstantinos Koutroumbas, Dionisis Cavouras, "Introduction to pattern recognition - A MATLAB approach", 9780123744869
T. Dutoit & F. Marques, "Applied Signal Processing", Springer, 2009
R.O. Duda & P.E. Hart, "Pattern Classification and Scene Analysis", John Wiley & Sons, 1973 (2000).
K. Fukunaga, "Introduction to Statistical Pattern Recognition", Academic Press, San Diego, 1990

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
I-ISIA-005Non autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be