Scribd
Importer
128 vues3 pages

Proposition de Master en Mathématiques Appliquées Et Intelligence Artificielle (MAIA)

Le document propose la création d'un Master en Mathématiques Appliquées et Intelligence Artificielle (MAIA) à la FST Settat, visant à allier compétences mathématiques avancées et outils modernes d'IA. La formation comprend 18 modules répartis sur 4 semestres, couvrant des sujets allant des fondements mathématiques à des applications pratiques en IA. Elle se conclut par un stage en entreprise et un mémoire, répondant ainsi aux besoins du marché actuel.

Transféré par

mounassif.fst
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
128 vues3 pages

Proposition de Master en Mathématiques Appliquées Et Intelligence Artificielle (MAIA)

Le document propose la création d'un Master en Mathématiques Appliquées et Intelligence Artificielle (MAIA) à la FST Settat, visant à allier compétences mathématiques avancées et outils modernes d'IA. La formation comprend 18 modules répartis sur 4 semestres, couvrant des sujets allant des fondements mathématiques à des applications pratiques en IA. Elle se conclut par un stage en entreprise et un mémoire, répondant ainsi aux besoins du marché actuel.

Transféré par

mounassif.fst
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Proposition de Master en

Mathématiques Appliquées et
Intelligence Artificielle (MAIA)
FATH MOUNASSIF
Doctorant, Monitor à la FST Settat
Département Mathématique Informatique

M. Ezzati Abdellah
Chef du Département de Mathématique informatique, FST Settat.

Introduction
Ce document propose la création d’un Master en Mathématiques Appli-
quées et Intelligence Artificielle (MAIA) à la FST Settat. Cette formation
vise à combiner les compétences avancées en mathématiques (algèbre, optimisation,
statistiques) avec les outils modernes d’IA (Machine Learning, NLP, Computer Vi-
sion).

1 Structure de la Formation
Le master se déroule sur 4 semestres avec 18 modules répartis comme suit :

1
2 Descriptif Détaillé des Modules
Semestre 1 : Fondements Mathématiques et Informatiques
Module Description détaillée
1. Algèbre Espaces vectoriels, matrices, valeurs propres, décomposition
Linéaire pour SVD/PCA, applications en réduction de dimension et
l’IA analyse de données.
Méthodes itératives (Newton, gradient), interpolation,
2. Calcul
intégration numérique, analyse de la stabilité et de la
Scientifique
convergence.
3. Probabilités Lois de probabilité (binomiale, normale), tests d’hypothèses,
et Stats régression linéaire/logistique, inférence bayésienne.
Gradient descent, méthodes de Lagrange, programmation
4. Optimisation
linéaire/convexe, applications en entraînement de modèles.
5. Python pour Bibliothèques NumPy, Pandas, Matplotlib, introduction à
Data Science Scikit-learn.
6. Bases de Modèle relationnel, SQL avancé, NoSQL (MongoDB),
Données optimisation de requêtes.

Semestre 2 : Data Science et Machine Learning


7. Machine Algorithmes supervisés (SVM, arbres de décision) et non
Learning supervisés (k-means, DBSCAN), validation croisée.
8. Deep Perceptrons, CNN (YOLO, ResNet), RNN (LSTM),
Learning Transformers, frameworks (TensorFlow/PyTorch).
Word2Vec, BERT, GPT, analyse de sentiment, traduction
9. NLP
automatique.
10. Computer Détection d’objets, segmentation sémantique, traitement
Vision d’images (OpenCV).
11. Théorie de Entropie, codage de Huffman, algorithmes de compression
l’Information (JPEG, MPEG).
Hadoop, Spark, traitement parallèle, architectures
12. Big Data
MapReduce.

2
Semestre 3 : Approfondissement et Applications
13. Data Outils (Seaborn, Plotly, Tableau), création de dashboards
Visualisation interactifs (Dash).
14.
Algorithmes Q-learning, Deep Q-Networks, applications en
Reinforcement
robotique.
Learning
15. Sécurité des Chiffrement (AES, RSA), anonymisation, RGPD, attaques
Données adversariales.
16. Architecture
Déploiement de modèles (Docker, Flask), APIs REST,
des Systèmes
scaling avec Kubernetes.
d’IA
Architectures GAN (DCGAN, StyleGAN), modèles de
17. IA
diffusion (Stable Diffusion), LLMs (GPT), applications
Générative
créatives.
18. Projet et Projet intégré en IA combiné avec méthodologie de
Recherche recherche scientifique et rédaction technique.

Semestre 4 : Stage et Mémoire


— Stage en entreprise (6 mois) : Application des compétences acquises dans
un contexte professionnel.
— Mémoire : Rédaction d’un rapport de stage et soutenance devant un jury.

Conclusion
Cette formation, conçue par FATH MOUNASSIF, répond aux besoins ac-
tuels du marché en combinant rigueur mathématique et expertise technique en IA,
avec une attention particulière aux avancées récentes en IA générative.

Vous aimerez peut-être aussi