- Enseignant: RobsonPascale
- Enseignant: Catapoule KichenassamyAgastya
La partie RO de ce cours présente des algorithmes d'optimisation, basés sur l'utilisation de la théorie des graphes : plus courts chemins, arbres de poids minimum, flots...
Il contient également une partie dédiée à la conduite de projets.
- Enseignant: BaudonOlivier
Ce cours contient les informations pédagogiques et administratives nécessaires aux étudiants du Master MIAGE spécialité SIE.
- Enseignant: DelavenneMarie
- Enseignant: HametJoanne
- Enseignant: MasVirginie
- Enseignant: NeyratInes
- Enseignant: CohenDaniel
- Enseignant: MoulyDaniel
Version en ligne du cours 4TYE805U - module Sécurité des Développements d'Applications
- Enseignant: CohenDaniel
- Enseignant: MoulyDaniel
Version en ligne du cours 4TYE805U - module Sécurité des Développements d'Applications
- Enseignant: BaudonOlivier
- Enseignant: CohenDaniel
- Enseignant: MoulyDaniel
Version en ligne du cours 4TYE805U - module Sécurité des Développements d'Applications
- Enseignant: BaudonOlivier
- Enseignant: CohenDaniel
- Enseignant: MoulyDaniel
Cours Web Services : introduction et pratique des technologies Web.
Le cours et les TDs sont délivrés par Mme Jenny Benois-Pineau, M. Luc Gracianette
- Enseignant: Benois PineauJenny
- Enseignant: GracianetteLuc
Plan de Continuité Pédagogique de la MIAGE.
- Enseignant: BaillettePamela
- Enseignant: Benois PineauJenny
- Enseignant: DavesneCatherine
- Enseignant: DelavenneMarie
- Enseignant: GracianetteLuc
- Enseignant: GriffaultAlain
- Enseignant: MailletChristophe
- Enseignant: MarckertJean Francois
- Enseignant: MasVirginie
- Enseignant: NicolasHenri
- Enseignant: PourtierFrederic
Le cours est divisé en 3 parties:
1. Rappel d'éléments de probabilités élémentaires
2. Simulation de variables aléatoires (partie courte)
3. Chaîne de Markov et processus de décision Markovien
Les notes de cours sont disponibles à cette adresse:
https://www.labri.fr/perso/marckert/Miage.pdf
- Enseignant: MarckertJean Francois
- Enseignant: ZemmariAkka
IA
Data Analysis
Machine Learning
Deep Learning
- Enseignant: ZemmariAkka
Ce cours a pour objectif l'acquisition des aspects suivants:
- Régression linéaire simple et multiple : approche empirique et probabiliste.
- Analyse en composantes principales.
- Classification hiérarchique ascendante et regroupement par la méthode des centres mobiles.
- Analyse de variance et mise en place de groupes homogènes éventuels.
- Etude de liaison entre deux variables qualitatives : test du chi deux d'indépendance.
- Analyse factorielle des correspondances.
- Enseignant: ZemmariAkka