• Informations générales

  • MAM3 - S5
  • MAM3 - S6

  • MAM4 - S7
  • MAM4 - S8

  • MAM5 - S9 IMAFA
  • MAM5 - S9 INUM
  • MAM5 - S9 SD
  • MAM5 - S10

  • MAM5 ALT - S9 IMAFA
  • MAM5 ALT - S9 INUM
  • MAM5 ALT - S9 SD
  • MAM5 ALT - S10
    		•

    Maquette pédagogique MAM

    MAM5 - Semestre S9 - Mineure INUM



    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Hackathon
    Le principe de ce cours est de proposer aux étudiants un challenge pour lequel ils vont devoir développer des solutions, en équipes, pendant 2 jours. À l’issue de cette compétition stimulante, chaque équipe propose un produit ou une stratégie au cours d'une restitution.
    12
    2


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Humanités FISE S9
    4
    Innovation et entreprenariat
    Ce cours consiste à créer ou reprendre une entreprise de l'APCE (Agence pour la Création d'Entreprises). Compétences visées: Savoir mettre en œuvre le processus de création d’entreprise depuis l’idée de projet jusqu’au démarrage de l’activité. Processus innovation en entreprise : Technique créativité, comment favoriser idées entreprise. Définir projet création. Rédiger Business plan détaillé. Incubateurs, Start-ups et partenariat. Aspects financiers. Choisir sa structure juridique. Démarches création entreprise.
    8
    Stratégie d'entreprise
    Ce cours consiste à opérer un diagnostic stratégique, réaliser des préconisations stratégiques. Les compétences visées sont de savoir choisir et utiliser les différents outils d’analyse stratégique.
    12
    Négociation commerciale
    Ce cours consiste à maîtriser le processus d’achat industriel, maîtriser les différentes techniques de négociation, développer une approche commerciale dédiée aux enjeux et aux spécificités du milieu industriel, et négocier avec profit avec les acheteurs de l’industrie. L'objectif est de savoir mettre en œuvre les différentes étapes et techniques pour une négociation efficace.
    12
    Culture juridique et propriété intellectuelle
    Ce cours consiste à initier les élèves ingénieurs à la matière juridique, connaître les modalités juridiques pour la protection des logiciels et celle des bases de données, faciliter l’insertion professionnelle (contrat de travail). L'objectif est d'intégrer les problèmes de confidentialité et de sécurité des données dans toute résolution de problème technique informatique.
    4
    8
    Conférences métiers
    2


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Projet d'études et de recherche S9
    L'objectif de ce module est de faire travailler les étudiants en mode projet, en petits groupes, sur un projet long (étalé sur le semestre), en interaction avec un professionnel du monde de l'entreprise.
    3


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Modélisation et optimisation
    7
    Commande optimale
    Ce cours constitute une introduction à la commande optimale en dimension finie et aux algorithmes associés. Une ouverture sur le machine learning et l'apprentissage par renforcement est également proposée. Le cours alterne avec les travaux pratiques (langages Julia et Python). Plan du cours : 1. Introduction 2. Méthodes directes 3. Principe du maximum de Pontrjagin 4. Méthode de tir 5. Model predictive control 6. Reinforcement learning. Plan des TP : 1. Navigation 2. Tir simple 3. MPC 4. Hexapawn 5. OpenAI Gym: taxi!
    20
    10
    2.3
    		J.-B. Caillau
    Optimisation avancée
    Optimisation paramétrique en dimension finie (méthode du gradient, algorithmes évolutionnaires), prise en compte des contraintes. calcul des variations, contrôle optimal, optimisation de forme. La formation inclut des travaux pratiques encadres au cours desquels sont traites des problèmes simplifies d'optimisation en aérodynamique et en calcul des structures.
    20
    10
    2.3
    		R. Duvigneau
    Réduction de modèle & Digital Twin
    La simulation numérique joue un rôle important dans l’industrie. Elle permet par exemple d’aider à la conception ou l’exploitation de systèmes industriels complexes. Souvent basés sur des équations différentielles, ces modèles peuvent être parfois coûteux en temps de calcul. Par conséquent, l’industrie a de plus en plus recours aux méthodes de réduction de modèles. Ces méthodes consistent à construire un modèle simplifié à partir de modèles complexes. Le modèle réduit obtenu, bien que moins précis, devra garder une bonne représentativité du modèle initial. Différentes méthodes de réductions de modèles seront présentées dans ce cours. Un des enjeux de l’industrie est de construire des jumeaux numériques (digital twin) capables de reproduire le fonctionnement complet d’un objet, d’un processus (ex chaine de production d’énergie). Ce cours a pour objectif d’introduire ces outils numériques qui ont recours à la fois à la simulation numérique, à de l’analyse de données et de l’apprentissage automatique.
    26
    22
    2.3
    		B. Iooss


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Calcul scientifique et apprentissage
    6
    Eléments finis
    L'objectif de ce cours est de se familiariser avec différentes librairies de calcul scientifique pour la mise en oeuvre de méthodes d'éléments finis. Formulation mixte du problème de Stokes, Compatibilité vitesse-pression, Convergence. Application à l'élasticité linéaire
    20
    10
    1.5
    		B. Nkonga
    Volumes finis
    Introduction des conditions aux limites, mise en œuvre pratique dans le cas de l'écoulement d'un liquide dans une chambre de refroidissement d'un générateur de gaz. Loi de pression pour le changement de phase. Application à l'écoulement d'un liquide avec changement de phase.
    16
    8
    1.5
    		R. Masson
    Deep Learning
    Ce cours présentera les fondements théoriques de l’apprentissage profond (« Deep Learning ») et mettra en oeuvre des Réseaux de Neurones Profonds (RNP) avec Python. Il s’agira notamment de: comprendre les limites des algorithmes d’optimisation pour l’entrainement des RNP, cerner les capacités d’approximation mathématiques des RNP, découvrir les avantages des RNP pour modéliser une sous-variété d’un espace euclidien, savoir utiliser les outils informatiques appropriés pour manipuler les RNP.
    16
    8
    1.5
    		L. Fillatre
    Machine learning en calcul scientifique
    L'apprentissage automatique, en particulier l'apprentissage profond ou Deep Learning (DL), est de plus en plus utilisé pour effectuer, améliorer et accélérer des simulations numériques en calcul scientifique. Ce cours vise à présenter une sélection de sujets de recherche actuels dans le domaine général de DL pour le calcul scientifique avec une application aux systèmes, modélisés par les equations aux dérivées partielle. L'accent sera mis sur la conception et la mise en œuvre d'algorithmes ainsi que sur la théorie sous-jacente qui garantit la fiabilité des algorithmes.
    20
    10
    1.5
    		V. Dolean


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Numérique et Informatique
    4
    Calcul Haute Performance
    Rappels Unix, Optimisation des algorithmes en Fortran 90, Introduction à la programmation parallèles, Programmation par échange de messages (MPI). Domaines de dépendance des algorithmes numériques. Partitionnements de domaine et structures de communication.
    15
    15
    2
    		S. Lanteri
    Logiciels industriels (SAS + Abaqus)
    Introduction au logiciel Abaqus et au logiciel de statistiques SAS
    28
    14
    2
    		C. Malot


    Unité d'enseignement obligatoire
    Cours
    TD
    ECTS
    		Intervenant
    Maths et applications
    4
    Systèmes satellitaires
    Problématique de la dynamique du vol en attitude etposition des satellites artificiels, technique de contrôle boucle ouverte/boucle fermée associé. Analyse de mission / control d'orbite : principe de mise à poste, optimisation de manoeuvre en dynamique képlérienne avec analyse des perturbations orbitales et impacts sur le contrôle d'orbite.Contrôle d'attitude : Modélisation de la dynamique d'attitude d'un satellite, description des perturbations environnementales, technique de stabilisation active et passive, senseurs et actionneurs, lois de contrôle et performances.
    16
    8
    1.3
    		T. Dargent
    Modélisation en biologie
    Dans ce cours, nous illustrerons la puissance de la modélisation systémique sur de nombreux exemples : la modélisation des réseaux de réactions métaboliques, des voies de signalisations intracellulaires, des réseaux de régulation génétique seront évoquées, quelques outils d’analyse des modèles seront présentés et des applications thérapeutiques (en cancérologie notamment) seront mentionnées.
    12
    12
    1.3
    		S. Benito
    Modélisation géométrique
    Ce cours est une introduction à la modélisation géométrique, c'est-à-dire aux outils mathématiques, numériques et informatiques qui permettent la création d'objets 3D numériques dans le but de concevoir, simuler et valider de nouveaux produits et processus industriels. La représentation d'une géométrie 3D au moyen de courbes et surfaces NURBS découpées (trimmed) sera au centre de ce cours.
    12
    12
    1.3
    		P. Alliez



    Bloc optionnel
    Cours
    TD
    ECTS
    		Intervenant
    Développement personnel (1 UE complémentaire au choix : 0 UE min - 1 UE max)
    Activités sportives
    24
    2
    Activités culturelles
    24
    2
    Anglais renforcé ou Langue vivante 2
    24
    2


    Bloc optionnel
    Cours
    TD
    ECTS
    		Intervenant
    Expérience professionnelle (1 UE complémentaire au choix : 0 UE min - 1 UE max)
    Expérience professionnelle
    2