M2 Ingénierie Logicielle pour la Science des Données - Apprentissage

- Capacité d'analyse de situation fonctionnelle;
- Notion d'architecture des systèmes d'information;
- Notion d'urbanisme des systèmes d'information;
- Connaissance de l'entreprise.

L'objectif du cours est d’appréhender les fondamentaux de la cybersécurité en entreprise. Le cours est structuré suivant la norme ISO 27000. Seront abordés :
- la mise en place de processus de management de la sécurité de l'information en entreprise (ISO 27001),
- les différentes mesures et pratiques de la cybersécurité (ISO 27002 et IEC 62443),
- la réalisation d'analyse de risques (ISO 27005) via les méthodologies EBIOS RM et MEHARI.

- être capable d'appréhender le niveau de maturité cybersécurité d'une organisation, d'un projet, d'une entreprise,
- être capable d'analyser une situation IT ou OT afin d'identifier les mesures de cybersécurité lui correspondant,
- être capable de comprendre les différentes pratiques relatives à la cybersécurité.

Voyage à travers les différentes couches d'un système d'information avec une posture d'Architecte.
- Méthodologie de l'architecture : TOGAF / Zachman / Rappel sur la modélisation / Archimate
- Architecture applicative : MDM - EAI - Matrice de flux
- Architecture logicielle : MVC - Micro services - les 5 couches logicielles - DDD - Composants
- Architecture Technique : Performances - Cloud - TOC

- Etre capable de cartographié son SI
- Etre capable de modélisé le To-Be de son SI
- Etre capable de mener une transition AS-IS -> TO-BE

Regard sur les systèmes d'information d'un point de vue Métier.
Contenu : 
- Les démarches : TOGAL - Cigref
- Modélisation métiers : BPMN
- Architecture applicative : Gestion des applications - Couvertures fonctionnelles
- Modélisation de la stratégie d'entreprise

- Etre capable de modéliser les métiers d'une entreprise
- Etre capable d'optimiser la couverture applicative
- Etre capable de modéliser la stratégie de l'entreprise

Compréhension des Principes du Génie Logiciel
Familiarité avec les Méthodes de Développement classiques
Aptitude à la modélisation logicielle et à la compréhension des concepts de conception et d'implémentation de logiciels.
Compétences en Résolution de Problèmes
Capacité à Travailler en Équipe et à contribuer à l'intelligence collective

1.    Introduction
1.1.    Les grands principes du GL
1.2.    Les processus
1.3.    L’intelligence collective

2.    Cycle de vie d’un logiciel :
2.1.    Spécifications formelles et informelles
2.2.    Approches de conception et d’implémentation
2.3.    Validation et maintenance

3.    Les méthodes classiques :
3.1.    Waterfall
3.2.    Méthode en V
3.3.    Méthodes itératives

4.    Les méthodes Agiles :
7.1.    Manifeste Agile
7.2.    Scrum
7.3.    Kanban

5.    Domain Driven Design :
6.1.    Ubiquitous Language
6.2.    Conception dirigée par le Modèle
6.3.    Refactoring
6.4.    Bounded Context

6.    Design Thinking :
4.1.    Principes fondamentaux
4.2.    Méthodologie
4.3.    Design d’Innovation

Être capable de :
•    Comprendre les grands principes du GL et les différents processus impliqués dans le développement de logiciels.
•    Analyser le cycle de vie d'un logiciel, en mettant l'accent sur les spécifications, la conception, l'implémentation, la validation et la maintenance.
•    Examiner les méthodes classiques, en comprenant leurs avantages et leurs limites.
•    Expliquer les principes et les pratiques des méthodes Agiles, et en comprenant comment elles peuvent être mises en œuvre dans le développement logiciel.
•    Comprendre les concepts clés du Domain Driven Design, maîtriser les techniques de modélisation, aligner le langage métier et utiliser efficacement les patterns DDD
•    Comprendre les bases du Design Thinking, en analysant ses principes fondamentaux, sa méthodologie et son utilisation pour le design d'innovation dans le contexte du développement logiciel.

L'enseignement a pour objectif de présenter la pertinence de l'organisation et de la stratégie de l'entreprise face à l'évolution de l'environnement, en particulier avec les technologies de l'information.
L'enseignement propose quatre axes d'études :
Outils du diagnostic stratégique (analyse des forces concurrentielles, matrices d'activités, modèles). Gestion des changements technologiques Liens entre stratégie des technologies de l'information et stratégie d'entreprise. Politique d'entreprise et politique des TI : gouvernance, contrôle, etc.

Connaissances en programmation.
Connaissances sur l'outil de gestion de version Git.

Ce cours offre une immersion complète dans l'univers du développement de logiciel libre, en explorant les aspects techniques, sociaux et organisationnels du développement de projets open source. Les étudiants apprendront les fondements de la culture open source, les pratiques de collaboration et les outils nécessaires pour démarrer, gérer et contribuer à des projets de logiciel libre.
Contenu du Cours :
I – Introduction à l'open source et au libre : Dans cette première partie, les étudiants seront initiés aux principes et aux valeurs de l'open source et du logiciel libre. Ils comprendront l'importance de la transparence, de la collaboration et du partage des connaissances dans le développement de logiciels libres.
II – Démarrer un projet : Les étudiants apprendront les étapes nécessaires pour démarrer un projet open source, y compris la définition des objectifs, la structuration du projet, la mise en place de l'infrastructure technique et la sélection des licences appropriées.
III – Infrastructure technique : Cette section se concentrera sur l'infrastructure technique requise pour soutenir un projet open source, y compris la gestion du code source avec des systèmes de contrôle de version comme Git, la mise en place de systèmes de build et de déploiement automatisés, ainsi que l'hébergement des projets sur des plateformes telles que GitHub ou GitLab.
IV - Infrastructure sociale : Les étudiants exploreront les aspects sociaux du développement de logiciels libres, y compris la gestion des contributions, la gestion des conflits et la construction d'une communauté active et engagée autour du projet.
V – Communication : Cette partie du cours mettra l'accent sur l'importance de la communication efficace dans le développement de logiciels libres, que ce soit à travers la documentation, les discussions sur les forums ou les canaux de communication en ligne.
VI – Packaging, publication et développement quotidien : Les étudiants apprendront les bonnes pratiques pour empaqueter et publier leurs logiciels libres, ainsi que les techniques de développement quotidien pour maintenir et améliorer continuellement leurs projets.
VII – Divers : Enfin, cette section abordera divers sujets tels que les licences open source, les modèles économiques alternatifs, la gestion des contributeurs et les défis liés à la gouvernance des projets open source.

- Compréhension des principes et des valeurs de l'open source et du logiciel libre.
- Capacité à démarrer un projet open source en définissant les objectifs, structurant le projet et sélectionnant les licences appropriées.
- Maîtrise de l'infrastructure technique nécessaire pour soutenir un projet open source, y compris la gestion du code source avec Git et l'utilisation de plateformes d'hébergement telles que GitHub ou GitLab.
- Compétences sociales pour gérer les contributions, les conflits et construire une communauté active autour du projet.
- Capacité à communiquer efficacement avec les membres de la communauté open source à travers divers canaux de communication en ligne.
- Maîtrise des bonnes pratiques pour empaqueter, publier et maintenir des projets de logiciel libre.
- Compréhension des licences open source, des modèles économiques alternatifs et de la gestion des contributeurs dans le contexte du développement de logiciel libre.

Le principe pédagogique est l'immersion virtuelle des apprenants dans un environnement concurrentiel, en tant que gestionnaire d'une entreprise. Ils ont à analyser la situation, faire des choix et prendre des décisions.
Cette formation apporte aux étudiants :
* en termes de travail d’équipe : la répartition du travail en fonction des compétences, mise en commun d’un travail individuel, gestion des conflits, etc.
* en terme de prise de décision : en temps limité et en avenir incertain, avec une information surabondante et non triée
* en méthodologie d’analyse/décision : cohérence des décisions, cohérence des objectifs avec les moyens.

Le cours de droit numérique en Master MIAGE vise à fournir aux étudiants une compréhension approfondie des aspects juridiques liés aux technologies de l'information et de la communication (TIC). Ce cours abordera les principaux concepts du droit numérique, y compris la protection des données, la sécurité de l'information, la propriété intellectuelle, et la réglementation des activités en ligne.

Ce cours, sous forme de séances de TD, est destiné aux étudiants de Master 2 ILSD, mention MIAGE Paris-Saclay.
Il permet d’aider et d’accompagner les étudiants à la recherche ou le développement d’un sujet de mémoire.
L'objectif du cours est de travailler individuellement avec chaque étudiant afin de suivre ses livrables ou  l'aider dans l’avancement de son mémoire jusqu’à fin mars. 
Chaque livrable (3 livrables attendus) donnera lieu à une note. La note finale sera calculée à partir des différentes notes des différents livrables:
- Etude d'anciens mémoires;
- Rédaction d'un plan de mémoire avec une présentation du sujet de mémoire;
- Rédaction d'une bibliographie;
- Rédaction de l'état de l'art.

Rédiger un mémoire de Master 2.

Connaissance de la modélisation relationnelle.
Connaissance de la programmation.
Maîtrise de l'analyse fonctionnelle.

Ce module est une introduction au domaine de l’informatique décisionnelle (Business Intelligence). 
Les thématiques abordent la conception de modèles décisionnels (entrepôt de données) ainsi que des processus d’extraction, de transformation et de chargement des données.
Les éléments liés à la création de cubes d'analyse, de visualisations et de rapports interactifs pour soutenir la prise de décision seront également abordés. 
L’objectif final vise à fournir aux étudiants à appréhender la modélisation décisionnelles dénormalisée ainsi que de poser efficacement les analyses des informations en vue
d’analyser des tendances et d’améliorer la prise de décision au sein des organisations.

- être capable de modéliser et d'implémenter un entrepôt de données,
- être capable de définir et d'implémenter des processus d'extraction, de transformation et de chargement de données entre des systèmes hétérogènes.

Séance 1 : Introduction à l'IA et Représentation des Connaissances
• Contenus :
o IA Symbolique vs Connexionniste : Comparaison des approches, avantages
et inconvénients.
o Représentation des Connaissances :
▪ Importance et défis de la représentation.
▪ Types de représentations (déclarative vs procédurale).
▪ Notion de graphes sémantiques
o Ontologies :
▪ Définition, composants et importance dans la représentation des
connaissances.
▪ Différents types d'ontologies : ontologies de domaine, ontologies
générales, etc.
▪ Méthodes de création d'ontologies : outils (ex. Protégé), langages (ex.
OWL)
▪ Applications des ontologies dans les systèmes d'information et le Web
sémantique.
• Activités :
o Atelier pratique où les étudiants conçoivent une ontologie pour un domaine
spécifique, en utilisant un logiciel comme Protégé.

Séance 2 : Raisonnement Sémantique et Inférence
• Contenus :
o Introduction au raisonnement sémantique : définition et techniques.
o Méthodes d'inférence basées sur des ontologies : règles d'inférence, raisonner
par défaut.
o Systèmes basés sur la logique descriptionnelle : concepts et applications.
o Études de cas sur l'utilisation du raisonnement sémantique dans des
applications pratiques.
• Activités :
o Atelier pratique sur l'utilisation d'un moteur d'inférence pour tirer des
conclusions à partir d'une ontologie créée précédemment.

Séance 3 : Problèmes de Satisfaction de Contraintes (CSP)
• Contenus :
o Introduction aux CSP : Définition, variables, domaines et contraintes.
o Techniques de Résolution :
▪ Backtracking : principe et mise en œuvre.
▪ Propagation de contraintes : techniques et applications.
o Applications des CSP : Exemples dans la planification, la configuration, etc.
• Activités :
o Atelier Pratique : Résolution d'un CSP simple (ex. Sudoku ou problème de
coloration de graphes).

Séance 4 : Introduction au Raisonnement Probabiliste
• Contenus :
o Concepts de Base : Probabilités, variables aléatoires, événements.
o Raisonnement Déterministe vs Probabiliste : Différences fondamentales.
o Introduction aux Réseaux Bayésiens :
▪ Structure d'un réseau bayésien : nœuds et arcs.
▪ Applications des réseaux bayésiens dans la prise de décision.
• Activités :
o Exercices Pratiques : Calculs d'inférence simples à l'aide de probabilités.

Séance 5 : Réseaux Bayésiens - Construction et Inférence
• Contenus :
o Construction d'un Réseau Bayésien : Étapes pour créer un réseau à partir de
données.
o Inférence :
▪ Méthodes d'inférence exactes (ex. algorithme de variable éliminée).
▪ Méthodes d'inférence approximatives (ex. échantillonnage).
o Études de Cas : Applications pratiques et résultats.
• Activités :
o Atelier Pratique : Construction d'un réseau bayésien à partir d'un scénario
donné.

Séance 6 : Systèmes Multi-Agents et Représentation des Connaissances
• Contenus :
o Introduction aux Systèmes Multi-Agents
▪ Définition et caractéristiques :
▪ Qu'est-ce qu'un système multi-agents ? Différences entre agents
et systèmes centralisés.
▪ Tendances récentes :
▪ Utilisation croissante des systèmes multi-agents dans des
domaines comme la santé, la finance et l'Internet des objets
(IoT).
o Gestion des Connaissances dans les Systèmes Multi-Agents
▪ Acquisition et représentation :
▪ Comment les agents acquièrent, représentent et partagent des
connaissances de manière dynamique.
▪ Utilisation des graphes de connaissances pour la représentation
des informations.
▪ Communication entre agents :
▪ Protocoles de communication récents (ex. BDI – Belief-Desire-
Intention, et modèles basés sur des réseaux neuronaux).
▪ Rôle des ontologies dans la normalisation de la communication.
o Applications Modernes des Systèmes Multi-Agents
▪ Études de cas contemporaines :
▪ Applications dans la gestion intelligente des villes (smart cities),
systèmes de transport autonomes, et systèmes de
recommandation adaptatifs.
▪ Exemples de systèmes multi-agents dans la robotique
collaborative.
▪ Discussion sur les défis :
▪ Problèmes de scalabilité, robustesse et gestion des conflits dans
des environnements changeants.
o Atelier Pratique
▪ Simulation d'un scénario multi-agent :
▪ Les étudiants conçoivent des agents pour résoudre un problème
d'optimisation dans un environnement simulé (ex. gestion d'une
flotte de véhicules autonomes).
▪ Évaluation des interactions :
▪ Analyse des résultats et discussion sur l'efficacité des stratégies
adoptées par les agents.

1. "Artificial Intelligence: A Modern Approach"
par Stuart Russell et Peter Norvig
Année de parution : 1995 (3e édition en 2010)
2. "Knowledge Representation and Reasoning"
par Ronald J. Brachman et Hector J. Levesque
Année de parution : 2004
3. "Probabilistic Graphical Models: Principles and Techniques"
par Daphne Koller et Nir Friedman
Année de parution : 2009
4. "Ontology Engineering"
par Elisa F. Kendall et Deborah L. McGuinness
Année de parution : 2008
5. "Constraint Processing"
par Rina Dechter
Année de parution : 2003
6. "Planning Algorithms" par Steven M. LaValle (2006)
7. "Multi-Agent Systems: A Modern Approach to Distributed Artificial
Intelligence" Gerhard Weiss (2013)