Aperçu des sections

  • Généralités

    Tout replier Tout déplier

  • Comment s'inscrire/choisir un projet?

    1. Choisir un projet parmi ceux listés ci-dessous

    2. Contacter le(s) enseignant(s)/chercheur(s) responsable(s) de la PRDW

    3. Valider la participation au projet avec ces derniers

    4. S'incrire à l'UV au début du semestre

    N.B.: si les candidatures sont trop peu nombreuses, une PRDW pourra rebasculer en TX.

  • PRDW: présentation

    Demi-journée ce semestre: mercredi après-midi (pour éviter conflits avec filière IAD)

    L'UV PRDW est un atelier projet visant à mettre en œuvre, sur un cas d’étude conséquent proposé, les principes appris par les élèves ingénieur sur un projet ayant une composante liée à l'intelligence artificielle. Les étudiants participants à un atelier auront à disposition une demi-journée par semaine (à préciser) pour pouvoir travailler sur le cas d’étude, proposé par un client (industriel, organisme public, laboratoire, etc.) qui sera impliqué dans le suivi des travaux, et sera en charge de fournir les moyens nécessaires (par ex. : missions, données, petits matériels, etc.) à la bonne poursuite du projet. L'organisation exacte du groupe projet sera laissée à la discrétion des étudiants ainsi que de leurs encadrants (enseignants/chercheurs responsables, client).

    Les groupes d'étudiants (typiquement 8 à 16) constitués seront également encadrés par un (des) enseignant(s)-chercheur(s).

    Si la nature de l'évaluation de l'UV pourra changer à la marge en fonction de la nature du projet et de ses encadrants, elle s'appuiera néanmoins sur les éléments suivants:

    • Revue du projet à mi-parcours (typiquement, présentation devant le client);
    • Entretiens individuels courts (réalisés en fin de projet);
    • Présentation de fin de projet;
    • Remise d'un rapport de fin de projet.

    Ce moodle contiendra les annonces de projets disponibles pour les semestres à venir. Les étudiants désirant participer à un de ces projets devront d'abord contacter l'enseignant-chercheur en charge de ce dernier (ainsi que le responsable de cette UV, Sébastien Destercke), et ce avant toute inscription à l'UV, afin de valider leur inscription dans le projet correspondant. Les enseignants-chercheurs en charge d'un projet ainsi que le responsable se réservent le droit de ne pas retenir tout étudiant inscrit n'ayant pas suivi cette directive.



  • Questions fréquentes

    • Les PRDW peuvent-ils se faire en parallèle d'une TX/PR? NON, l'AP étant une UV du même genre que les TX/PR, les règles applicables à ces dernières s'appliquent également à l'AP
    • Les PRDW sont-ils cumulables avec les TX et PR? OUI, selon les mêmes règles que ces dernières UV (pas plus de deux au total)
    • Les PRDW sont-ils accessibles aux apprentis? NON: les objectifs des AP et le travail en équipe régulier nous apparaissant peu conciliable avec de longues périodes en entreprise.
    • Les crédits des PRDW peuvent-ils être validés en crédits filière? C'EST POSSIBLE, mais uniquement au cas par cas (pas de validation de groupe), après validation par le responsable de la filière, et sous réserve que le travail fourni soit cohérent avec la filière et en volume suffisant. SI LES PROJETS SONT EN LIEN AVEC LA FILIERE IAD, CELA N'IMPLIQUE DONC PAS UNE VALIDATION AUTOMATIQUE EN CREDITS FILIERE. Il sera en effet nécessaire que les étudiants démontrent avoir obtenu des compétences en lien avec la thématique de la filière.  Par exemple, un rôle qui se limiterait uniquement à de la gestion de projet ne pourrait pas donner droit à des crédits filière. 
    • Comment s'inscrire? D'abord contacter le responsable de l'AP concerné, qui validera votre candidature, puis s'inscrire à l'UV comme pour les autres UV.
    • Y'a-t-il un "amphi de rentrée" des PRDW? NON: comme pour les PR/TX, les AP ne s'accompagnent pas d'amphi de rentrée en général. Les responsables se chargeront de mettre en place des réunions de début de projet.

  • PRDW : "Mise en place d'une solution décisionnelle (Datawarehouse / Teradata et Reporting / Power BI)

    Suiveurs UTC (à contacter avant inscription à l'UV pour pré-validation) : Sébastien Destercke

    Ce projet vise à mettre en œuvre une solution décisionnelle (Datawarehouse et Datamarts) pour la production des indicateurs et la réalisation des tableaux de bords

    Dans ce cadre, les étudiants seront accompagnés par un expert BI / Architecte Data tout au long du projet. 

    Les phases / étapes clés du projet :

    • Rappel des principes de modélisation décisionnelle et des notions de Datawarehouse, Datamart
    • Installation de l'environnement technique
    • Présentation d'un cas d'application en banque (Risque de Crédit) ou en énergie
    • Conception et Modélisation du système décisionnel sous Teradata (modèle de données)
    • Ingestion des données (collecte des données sources)
    • Développement des flux d'alimentation du Datawarehouse
    • Calcul des indicateurs KPI (Datamart)
    • Visualisation des données et création d'un tableau de bord sous Power BI
    Les livrables attendus :
    • Modèle de données
    • Data mapping
    • Composants logiciels (scripts Shell, TPT, SQL, Power BI ...) 
    Un des objectifs de la formation est de préparer les étudiants à réussir la certification "Teradata Vantage Associate".

    Suiveurs SMART TEEM : Miguel CHEBOU / Mohammed LAHLOU

    Compétences techniques mises en jeux : Teradata, utilitaires Teradata (Tpt, Bteq, ...), SQL, Shell, Power BI ...

    Compétences fonctionnelles : Gestion de projet en Agile (Jira), modélisation multidimensionnelle, KPI ...

  • PRDW: "l’IA pour le jumeau numérique de la ville"

    Encadrement UTC : (à contacter) Gilles Morel (GU – tous les mercredi) et ponctuellement des enseignant-chercheurs du GI
    pourront être sollicités, selon les besoins rencontrés par les étudiants (Indira Thouvenin, Alessandro Victorino, Sylvain Lagrue, ...)

    Ce projet vise à définir, modéliser et prototyper un ou des modèles d’IA pouvant s’intégrer à un jumeau numérique urbain (celui de la ville d’Amiens), en particulier en vue de simuler des scénarios de resilience de la ville à des risques climatiques (risque inondation notamment, risque canicule …). Ce projet sera couplé à un atelier-projet du génie urbain (qui se tiendra en P23 également tous les mercredi) dans lequel les étudiants GU devront notamment specifier le contenu du jumeau numérique urbain en termes de données et de scénarios, et preparer l’ensemble des données numériques spatiales, temporelles et métier.

    A partir de l’identification des données et des scénarios du jumeau numérique, il s’agira pour les étudiants du GI dans un premier temps de définir les modèles d’IA susceptibles de fournir un cadre conceptuel et opérationnel pour l’aide au diagnostic et à la decision. Ces modèles pourront être de deux types: un modèle orienté connaissances afin d’expliciter et d’implémenter les concepts métier (ontologie, modèle objet) et les processus métier (la logique et la dynamique des scenarios), et le second type de modèle s’appuiera sur une approche “machine learning” afin de déduire des informations et aider à la decision à partir des données disponibles.

    Dans un second temps, il s’agira d’étudier comment ces modèles d’IA pourront être implémentés et testés dans la plateforme logicielle choisie pour le jumeau numérique. Deux environnements et technologies sont pressenties pour l’implémentation du jumeau urbain final: la première est la technologie Unity (C#) utilisée pour le développement des jeux vidéos et plus récemment pour les jumeaux numériques, et la seconde est le langage et l’environnement Python, plus adaptée pour la data science mais qui demandera probablement des interfaces homme-machine plus modestes et 2D (technologie modèle vue-contrôleur Plotly et Dash leaflet par exemple). Le choix des technologies reste ouvert et les étudiants pourront faire des propositions qui leur paraitront les plus adaptés. In-fine, il s’agira de montrer l’intérêt et la faisabilité des modèles d’IA pour le jumeau numérique urbain et si possible de réaliser une “prevue de concept” avec l’intégration de modèles simplifiés avec au moins une technologie software.

    Partenaires du projet et autres intervenants : Amiens Métropole, Cerema (ministère de l’Ecologie), Bouygues/LinkCity,
    Uni-Lassale, UTFPR (Brésil), Ciril Group

    Compétences souhaitées (au moins une ou deux de la liste) : modélisation des connaissances, UML, machine
    learning, Unity, Python (et les librairies ML), modélisation 3D.

  • PRDW : "Recherche de véhicules d'occasion par recommendation""

    Suiveurs UTC (à contacter avant inscription à l'UV pour pré-validation) : Marie-Hélène Abel

    Le besoin est de créer une application aidant à la recherche de véhicules d’occasion pour des acheteurs qui ne connaisse rien aux modèles de véhicules.

    Le principe général est de créer un modèle du conducteur/acheteur (humain) tenant compte de ses désirs et besoins tant rationnels qu’irrationnels et de le rapprocher d’un modèle « véhicule » pour les faire « matcher » c’est-à-dire trouver la meilleure coïncidence entre le besoin du conducteur et les caractéristiques du véhicules.

    Partenaires du projet et autres intervenants : VIVOCAZ (supervision par un ingénieur de VIVOCAZ)

    Compétences souhaitées et/ou mobilisées : React-Native, Python, Django, NoSQL, PostgreSQL