- Ammissione : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/ammissione/
- Programma di studio : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/programma-di-studio/
- Struttura degli studi : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/struttura-degli-studi/
- Prospettive : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/prospettive/
- Mobilità : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/mobilita/
- Persone : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/persone/
- Ammissione : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/ammissione/
- Programma di studio : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/programma-di-studio/
- Struttura degli studi : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/struttura-degli-studi/
- Prospettive : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/prospettive/
- Mobilità : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/mobilita/
- Persone : /it/formazione/bachelor/ingegneria-informatica-e-sistemi-di-comunicazione/persone/
Programma di studio
Descrizione del modulo
Torna al piano degli studiQuesta descrizione di modulo viene completata dalla direttiva "Directive sur l'organisation des modules à la HEIA-FR" valido per l'année académique 2024/2025.
7 crediti ECTS
-
Machine LearningID del corsoB3C-MLML-SSemestreautunnoPonderazione2
-
Programmation concurrente et cloudID del corsoB3C-PCCL-SSemestreautunnoPonderazione2
-
Programmation logiqueID del corsoB3C-PLPL-SSemestreautunnoPonderazione3
Titolo del modulo
Responsabile/i
Philippe Joye
Metodo di calcolo della nota del modulo
Note du module = moyenne pondérée des notes des cours
Competenze mirate / Obiettivi generali di apprendimento
- Identifier les cas d'utilisation de techniques de machine learning.
- Comprendre les concepts d'apprentissage à partir des données, d'apprentissage supervisé vs non supervisé, de présentation d'hypothèses.
- Appliquer des méthodes machine learning pour des tâches de clustering, de classification, de prédiction.
- Utiliser des frameworks de machine learning tels que SciKit Learn sur des données concrètes.
- Appliquer des frameworks offerts pas les languages de programmation pour écrire des programmes concurrents.
- Concevoir et mettre en service un système de type distribué (''Microservices'')
- Connaître et savoir utiliser les outils ''state of the art'' de la programmation concurrente et distribuée dans un environment cloud (p. ex. Docker, Microservice, protocoles de communication)
- Programmer avec un langage non-impératif.
- Maîtriser le modèle de programmation logique.
- Maîtriser la programmation (logique) par contraintes.
Opzioni di prova supplementare
Pas de remédiation
Modalità di ripetizione
Identique au cas sans répétition
Prerequisiti
Avoir réussi les modules "Mathématique IT", "Paradigmes de programmation 2" et "Informatique technique"
Modalità di certificazione e di validazione
Chaque cours du module fait l'objet d'un contrôle continu et d'une note finale de cours arrondie au dixième de point.Si le descriptif de cours mentionne un examen de révision, la note finale de cours est la moyenne arithmétique entre la note du contrôle continu et celle de l'examen. Les informations relatives aux cours figurent dans les descriptifs de cours. Le module est réussi lorsque les deux conditions suivantes sont réunies : la moyenne pondérée des notes de cours, arrondie au demi, est d'au moins 4.0 et aucune note de cours n'est inférieure à 3.0. La présence aux cours est obligatoire. Dans un module échoué, la répétition porte sur tous les cours dont la note est inférieure à 4.0.