- Enseignant: Fabien Baldacci
- Enseignant: Anne Vialard
- Enseignant: Philippe Duchon
- Enseignant: Nicolae Tanasa
- Enseignant: Jerome Leroux
- Enseignant: Vincent Penelle
- Enseignant: Gregoire Sutre
- Enseignant: Cyril Gavoille
- Enseignant: Marc Zeitoun
- Enseignant: Nicolas Bonichon
- Enseignant: Jean-Francois Aujol
- Enseignant: Fabien Baldacci
- Enseignant: Emile Barjou
- Enseignant: Jenny Benois Pineau
- Enseignant: Pascal Desbarats
- Enseignant: Jean-Francois Giovannelli
- Enseignant: Laura Tejada Pascual
- Enseignant: Anne Vialard
- Enseignant: Philippe Narbel
- Enseignant: Aurelien Esnard
- Enseignant: Abdou Guermouche
Le cours en anglais mutualisé par Master Informatique, parcours Image et Son, IPCV et master en mathématique, parcours "Modélisation mathématique pour le Signal et l'Image"
2020-2021
- Enseignant: Jenny Benois Pineau
- Enseignant: Rupayan Mallick
- Enseignant: Boris Mansencal
- Enseignant: Nicolas Bonichon
- Enseignant: Jean-Francois Aujol
- Enseignant: Emile Barjou
- Enseignant: Jenny Benois Pineau
- Enseignant: Pascal Desbarats
- Enseignant: Jean-Francois Giovannelli
- Enseignant: Anne Vialard
- Enseignant: Guy Melancon
- Enseignant: Bruno Pinaud
L'objectif de cet enseignement est de former les étudiants aux méthodes
de programmation pour la manipulation des données massives. Dans ce
contexte, les problèmes et les enjeux de la manipulation des BigData
seront abordés. Dans le cours nous nous concentrerons sur l'éco-système
Hadoop qui est la référence dans ce domaine. Nous commencerons par
l'étude du système de fichier HDFS ainsi que de l'API JAVA permettant de
le manipuler. Nous aborderons ensuite le paradigme de programmation
MapReduce en utlisant l'API standard de Hadoop2 mais aussi SPARK. Les
design pattern standards de programmation Map/Reduce seront étudiés dans
ce contexte. Enfin, nous aborderons les API de programmation de la base
de données de Hadoop HBASE.
- Enseignant: David Auber
- Enseignant: Loann Giovannangeli
- Enseignant: Ludovic Hofer
- Enseignant: Gregoire Passault
- Enseignant: Aurelien Esnard
- Enseignant: Laurent Reveillere
- Enseignant: Aurelie Bugeau
- Enseignant: Nicolas Papadakis
Ce cours présente les concepts avancés utilisés aujourd’hui dans les processus de synthèse d’images. Le cours traite des aspects théoriques, mais aussi algorithmiques pour que l’étudiant puisse tirer les meilleures performances des diverses architectures matérielles et s’adapter à leur évolution constante.
- Enseignant: Pierre Benard
- Enseignant: Gael Guennebaud
- Enseignant: Romain Pacanowski
Cette UE a pour objectif premier d’introduire les contextes et les problématiques de la réalité virtuelle et de l’interaction, nouvelles pour la plupart des étudiants. Elle aborde tant des aspects matériels (gammes, caractéristiques, coûts) qu’algorithmiques ou liés aux usages.
- Enseignant: Pierre Benard
- Enseignant: Martin Hachet
- Enseignant: Fabien Lotte
- Enseignant: Arnaud Prouzeau
- Enseignant: Patrick Reuter
L'objectif de cet enseignement est de former les étudiants aux méthodes
de programmation pour la manipulation des données massives. Dans ce
contexte, les problèmes et les enjeux de la manipulation des BigData
seront abordés. Dans le cours nous nous concentrerons sur l'éco-système
Hadoop qui est la référence dans ce domaine. Nous commencerons par
l'étude du système de fichier HDFS ainsi que de l'API JAVA permettant de
le manipuler. Nous aborderons ensuite le paradigme de programmation
MapReduce en utlisant l'API standard de Hadoop2 mais aussi SPARK. Les
design pattern standards de programmation Map/Reduce seront étudiés dans
ce contexte. Enfin, nous aborderons les API de programmation de la base
de données de Hadoop HBASE.
- Enseignant: David Auber
L'objectif de cette UE de master 2 et d'impliquer les étudiants dans le monde de la recherche en informatique fondamentale par la lecture d'article et la présentation de séminaire sur ces articles.
Après une brève présentation de quelques conseils pour proposer des séminaires de qualité, une première partie du semestre sera consacrée à la présentation de conjectures (que l'on trouve dans l' article Sketchy tweets: ten minute conjectures in graph theory) dans des plages de temps courtes, pour s’entraîner. Puis, chaque étudiant présentera un exposé de 40 à 50 minutes en s'appuyant sur un article de son choix.
- Enseignant: Nicolas Bonichon
Le module présente des modèles mathématiques et techniques
algorithmiques pour la traitement avancé des signaux audio musicaux. Une
attention plus particulière est portée aux approches basées sur les
représentations spectrales pour la description et la transformation des
sons musicaux.
- Enseignant: Pierre Hanna
Algorithmique appliquée (2017-2018). La partie moodle permet l'accompagnement de la réalisation du projet de cette UE
- Enseignant: Paul Dorbec
- Enseignant: Philippe Duchon
- Enseignant: Cyril Gavoille
- Enseignant: Aurelien Esnard
- Enseignant: Abdou Guermouche