Data engineering
Cours signalées avec « Data engineering »
204.1 - Signal and information 204.1 - Signal and information
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Le traitement du signal est une étape cruciale de l’analyse des donnés, car il permet d’extrapoler l’information et étudier l’état du système dont on mesure le signal. Tout notre monde, notre réalité, est signal : le son, une image, une matrice, et les réseaux. Un objectif de ce cours est de présenter les concepts clés du traitement du signal à travers les instruments de la théorie de l’information.
Le cours présente les principaux concepts et techniques qui permettront aux étudiants de savoir pré-traiter, analyser et déduire les contenus des signaux à différentes dimensions.
A la fin du cours, l’étudiant·e sera capable de décrire et utiliser les principaux outils pour déduire et observer les caractéristiques principales d’un signal quelconque, autant que de fournir des solutions et des pistes lorsque le signal est perturbé.
- Enseignant: Robin Delabays
- Enseignant: Benedetta Franceschiello
204.2 - Computational physics 2 204.2 - CompPhy2
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Les modèles issus de la physique ont souvent servi d’inspiration pour le développement de modèles dans une variété de disciplines (recherche opérationnelle,mathématiques financières, théorie de l’information, contrôle. . . ). Ainsi lesméthodes mathématiques et numériques sous-jacentes à ces modèles ont percolé d’une discipline à une autre, diversifiant leurs champs d’application.
Dans ce cours, les étudiant·e·s se familiariseront avec quelques approches utilisées en physique pour modéliser le réel, les méthodes mathématiques analytiques et numériques sur lesquelles elles reposent et les applications de ces méthodes dans d’autres disciplines.
- Enseignant: Florian Desmons
- Enseignant: Jessen Page
205.2 - Beyond relational DB 205.2 - BeyDB
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Le domaine de l’ingénierie des données couvre les étapes cruciales depuis l’acquisition des données brutes jusqu’à la mise à disposition des données validées et nettoyées en vue de leur exploitation. Ce cours a pour objectifs principaux d’explorer les paradigmes de gestion de base de données qui s’écartent du model relationnel classique, d’étudier leur mise en pratique et de comparer et contraster les méthodes actuelles et leur application. L’objectif principal visé est ainsi les méthodes de traitement de données non structurées.
- Enseignant: Pamela Delgado
- Enseignant: René Schumann
205.3 - Full-stack web dev 205.3 - FSWDEV
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Ce cours offre aux étudiant·es une immersion dans le monde du développement web full-stack, en abordant les thématiques essentielles de ce secteur désormais incontournable. Nous examinerons les défis associés à la gestion des données et à la conservation de l’état, tant du point de vue de la présentation (front-end) que de la gestion, du stockage et du traitement des données (back-end).
Ce cours privilégiera une approche pratique. Suivant le modèle de la classe inversée, les étudiant.e.s prépareront en amont chaque session en se plongeant dans la théorie et en réalisant des exercices fournis dans le support de cours. Les séances en classe seront principalement axées sur des ateliers où les concepts théoriques seront concrètement appliqués.
- Enseignant: Guillaume Zufferey
206.1 - Data proc. and viz 206.1 - DPROCVIZ
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
- Enseignant: Vincent Andrearczyk
- Enseignant: René Schumann
206.2 - Model driven machine vision 206.2 - MDMV
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
- Enseignant: Vincent Andrearczyk
- Enseignant: Louis Lettry
206.3 - Formal & natural languages 206.3 - FNL
- Donné en :2ème année
- Périodes hebdomadaires :3
- Semestre:Printemps
- Enseignant: Renaud Richardet
301.1 - Machine learning and AI 301.1 - ML_AI
- Donné en :3ème année
- Périodes hebdomadaires :20
- Semestre:Automne
Ce cours vise à faire découvrir et appliquer les fondements du domaine de l’intelligence artificielle et plus particulièrement de l’apprentissage automatique par ordinateur.
Les étudiant·es seront amené·es progressivement à acquérir des compétences pratiques en matière de modélisation d’un problème d’apprentissage par ordinateur et de conception d’une solution, d’analyse des données d’entrainement et d’interprétation de résultats et modèles produits.
- Enseignant: Davide Calvaresi
- Enseignant: Francesco Carrino
- Enseignant: Louis Lettry
- Enseignant: Grégory Mermoud
- Enseignant: Émilie Neveu
- Enseignant: Cédric Travelletti
302.1 - Data computation 302.1 - Comp
- Donné en :3ème année
- Périodes hebdomadaires :20
- Semestre:Automne
Ce module permettra aux étudiant·es de pouvoir analyser (catégoriser, examiner et comparer) et choisir des outils liés à l’informatique cloud, le calcul distribué et à haute performance dans le contexte de l’ingénierie des données. Une attention particulière est accordée à une approche qui reflète des méthodes de travail utilisées dans le monde professionnel
- Enseignant: Pamela Delgado
- Enseignant: Florian Desmons
- Enseignant: Grégory Mermoud
- Enseignant: Pierre-André Mudry
- Enseignant: Cédric Travelletti
301.1 - Gen AI and robot control 301.1
- Donné en :3ème année
- Périodes hebdomadaires :30
- Semestre:Printemps
- Enseignant: Louis Lettry
- Enseignant: Pierre-André Mudry
- Enseignant: Cédric Travelletti
23-24 / 206.3 - Formal and natural languages 23-24 / 206.3 - FNL
- Donné en :2ème année
- Périodes hebdomadaires :3
- Semestre:Printemps
- Enseignant: Renaud Richardet
23-24 / 206.2 - Model driven machine vision 23-24 / 206.2 MDMV
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
- Enseignant: Vincent Andrearczyk
- Enseignant: Louis Lettry
23-24 / 206.1 - Data proc. and viz 23-24 / 206.1 - DPROCVIZ
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
- Enseignant: Vincent Andrearczyk
- Enseignant: René Schumann
23-24 / 205.3 - Full-stack web dev. 23-24 / 205.3 - FSWDEV
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Ce cours offre aux étudiant.e.s une immersion dans le monde du développement web full-stack, en abordant les thématiques essentielles de ce secteur désormais incontournable. Nous examinerons les défis associés à la gestion des données et à la conservation de l’état, tant du point de vue de la présentation (front-end) que de la gestion, du stockage et du traitement des données (back-end).
Ce cours privilégiera une approche pratique. Suivant le modèle de la classe inversée, les étudiant.e.s prépareront en amont chaque session en se plongeant dans la théorie et en réalisant des exercices fournis dans le support de cours. Les séances en classe seront principalement axées sur des ateliers où les concepts théoriques seront concrètement appliqués.
- Enseignant: Guillaume Zufferey
23-24 / 205.2 - Beyond relational DB 23-24 / 205.2 BeyDB
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Le domaine de l’ingénierie des données couvre les étapes cruciales depuis l’acquisition des données brutes jusqu’à la mise à disposition des données validées et nettoyées en vue de leur exploitation. Ce cours a pour objectifs principaux d’explorer les paradigmes de gestion de base de données qui s’écartent du model relationnel classique, d’étudier leur mise en pratique et de comparer et contraster les méthodes actuelles et leur application. L’objectif principal visé est ainsi les méthodes de traitement de données non structurées.
- Enseignant: Pamela Delgado
- Enseignant: René Schumann
23-24 / 204.2 - Comp. physics 2 23-24 / 204.2 CompPhy2
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Les modèles issus de la physique ont souvent servi d’inspiration pour le développement de modèles dans une variété de disciplines (recherche opérationnelle,mathématiques financières, théorie de l’information, contrôle. . . ). Ainsi lesméthodes mathématiques et numériques sous-jacentes à ces modèles ont percolé d’une discipline à une autre, diversifiant leurs champs d’application.
Dans ce cours, les étudiant·e·s se familiariseront avec quelques approches utilisées en physique pour modéliser le réel, les méthodes mathématiques analytiques et numériques sur lesquelles elles reposent et les applications de ces méthodes dans d’autres disciplines.
- Enseignant: Florian Desmons
- Enseignant: Jessen Page
23-24 / 204.1 - Signal and information 23-24 / 204.1 - SigInf
- Donné en :2ème année
- Périodes hebdomadaires :4
- Semestre:Printemps
Le traitement du signal est une étape cruciale de l’analyse des donnés, car il permet d’extrapoler l’information et étudier l’état du système dont on mesure le signal. Tout notre monde, notre réalité, est signal : le son, une image, une matrice, et les réseaux. Un objectif de ce cours est de présenter les concepts clés du traitement du signal à travers les instruments de la théorie de l’information.
Le cours présente les principaux concepts et techniques qui permettront aux étudiants de savoir pré-traiter, analyser et déduire les contenus des signaux à différentes dimensions.
A la fin du cours, l’étudiant·e sera capable de décrire et utiliser les principaux outils pour déduire et observer les caractéristiques principales d’un signal quelconque, autant que de fournir des solutions et des pistes lorsque le signal est perturbé.
- Enseignant: Robin Delabays
- Enseignant: Benedetta Franceschiello