First year
In this page you will find the description of the different first-year trainings offered within the Master ACSYON.
The four trainings of the first year of the Master Acsyon
Click on the boxes above to discover the corresponding training :
Local M1
This training is dedicated to french-speaker students willing to pursue their academic training in Limoges. The courses of the local training are given in french and at the University of Limoges.
MIX M1
This training is dedicated to french- and english-speaker students willing to pursue their academic training at the University of Limoges. It is addressed to students that are registered to the mechatronic training of ENSIL-ENSCI in Limoges. Three courses will be given in English and online ; the rest of the training is ensured at ENSIL-ENSCI in the mechatronic training.
International M1
This training is dedicated to english-speaker students registered to an international academic partner, with the possibility to pursue their academic training in Limoges (following the local training in the second year). Eight courses of the international training are given in english and online, the rest of the training is ensured by the academic partner.
List of academic partners :
- University of Pisa (Italy)
- University of Quy Nhon (Vietnam)
- University of Settat (Morocco)
- KNURE – Karkhiv National University of Radio Electronics (Ukraine)
- Faculté Polydisciplinaire de Safi de l’Université Cadi Ayyad (Morocco)
- Université Mohammed V à Rabat
EUR M1
This training is dedicated to french-speaker students willing to pursue their academic training in Limoges. It is a variant of the local training, with a special option related to the TACTIC Graduate School. The courses are given in french and in Limoges.
List of courses offered by M1 ACSYON
Description of the courses of the first semester
Bases de l’optimisation
Prérequis
Algèbre linéaire, Calcul différentiel et topologie en dimension finie
Mots clé
Optimisation sans contraintes, Optimisation avec contraintes, Conditions d’optimalité, Lagrangien, dualité.
Analyse convexe
Prérequis
Topologie et calcul différentiel dans R^n
Mots-clé
Ensembles convexes et coniques, théorèmes de projection et de séparation, théorème bipolaire, fonctions convexes et régularité, sous-différentiel et conjuguée de Fenchel, dualité en optimisation convexe.
Algèbre linéaire appliquée
Prérequis
Algèbre linéaire, Analyse numérique matricielle, espaces vectoriels normés, Algèbre bilinéaire, espaces vectoriels euclidiens, calcul différentiel dans R^n
Mots clés
Valeurs propres, valeurs singulières, normes, conditionnement, décompositions (LU, QR), décomposition en valeurs propres, décomposition en valeurs singulières.
Introduction à l’apprentissage automatique
Elle concerne l’étude et le développement de modèles quantitatifs qui permettent à un ordinateur d’effectuer des tâches et d’apprendre par l’expérience. Ce cours est une introduction aux concepts et algorithmes fondamentaux de l’apprentissage automatique. L’essentiel du cours porte sur la conception de modèles d’apprentissage statistique et sur les algorithmes d’optimisation qui sont utilisés pour les entraîner.”
Prérequis
Algèbre linéaire, topologie et calcul différentiel dans R^n, probabilités et statistiques
Mots clés
Apprentissage supervisé, recherche des plus proches voisins, machine à vecteurs de support, réseaux de neurones artificiels
EUR Practical optimization
Prérequis
Optimization basics, Matlab or Python
Mots clés
Numerical optimization, modeling language
Complexité et calculabilité
Calculabilité. Décidabilité.
Classe de complexité : P, NP, co-NP, problèmes NP-complets.
Complexité des algorithmes.
Mots clés
Langages, machines de Turing, classes de complexité
Programmation et algorithmique
Mots clés
Algorithmes, tris, fonctions booléennes, graphes. Programmation en langage C.
Intelligence artificielle 1
Prérequis
Algorithmique et structures de données. Notions de probabilités.
Mots clés
Algorithme A* et meilleur d’abord, recherche locale et globale, jeux à deux personnes, CSP, réseaux de Bayes.
Projet d'initiation à la recherche (PIR)
Prérequis
Recherche, littérature, état de l’art
Anglais
Description of courses of the second semester
Optimisation linéaire et quadratique
Prérequis
Algèbre linéaire élémentaire et géométrie convexe.
Mots clés
Optimisation conique, dualité, conditions d’optimalité, algorithme du simplexe, méthodes de points intérieurs, solveurs numériques.
Apprentissage statistique avec Python et TensorFlow
Prérequis
Algèbre linéaire, calcul différentiel élémentaire, notions de probabilités et statistiques
Mots clés
Apprentissage statistique, Python, TensorFlow, réseau de neurones, SVM, méthode à noyaux
Processus stochastiques
Prérequis
Bases de probabilité et d’analyse.
Mots clés
Probabilités, théorèmes limites, marches aléatoires, chaînes de Markov et martingales.
Optimisation pratique
Prérequis
Algèbre linéaire de base, calcul différentiel et pratique d’un langage comme Matlab ou Python.
Mots clé
Optimisation numérique, langage de modélisation, solveur d’optimisation, conditions d’optimalité.
Outils statistiques
Prérequis
Bases en probabilités et en analyse
Mot-clés
Comportement limite de suites de variablés aléatoires, méthodes d’estimation paramétrique, tests d’hypothèse.
Systèmes polynomiaux
Prérequis
Algèbre de base : définition d’anneau, corps, idéal, polynômes, matrices, déterminant.
Mots clés
Systèmes polynomiaux, bases de Groebner, résultant, discriminant, élimination, théorie de Sturm
Intelligence artificielle 2
Prérequis
Algorithmique et structures de données. Notions de probabilités. Notions sur les problèmes d’optimisation numérique.
Mots clés
Algorithme A* et meilleur d’abord, recherche locale et globale, jeux à deux personnes, CSP, réseaux de Bayes.
Théorie des jeux
Mots clés
Equilibre de Nash, jeux non-coopératifs, stratégies dominantes/dominées
Droit et conduite de projet
Mots clés
Conduite de projet, travail collaboratif, droit de l’informatique
Projet scientifique
Mots clés
Recherche, littérature, état de l’art