***************************PARAMETRES***************************
IDFORMATION = 140
IDMENTION = 52
URL-DPT = http://fst-informatique.univ-lyon1.fr/
RUBRIQUE-NEWS = 1342529038915
ADE-ID = @ia
ACRONYME = M2 IA
DESCRIPTION = La spécialité M2 IA (Intelligence Artificielle) du Master Informatique de l'Université Claude Bernard Lyon 1 s'adresse à tous les étudiants d'Informatique qui souhaitent se spécialiser dans les techniques les plus avancées de la modélisation et l'ingénierie des systèmes intelligents et de la décision. Elle offre un socle de connaissances et de compétences permettant de préparer les étudiants aux métiers de la recherche, de la recherche et développement et de l'innovation dans ce domaine.
TITRE-LONG = Master Recherche en Informatique : M2 Intelligence Artificielle - Université Claude Bernard Lyon 1
KEYWORDS = formation,informatique,master,Lyon1,UCBL,FST,diplôme,M2,IA,recherche,IA,intelligence artificielle
THEME = DEFAUT
*****************************ENTETE*****************************
# M2 Intelligence Artificielle
******************************MENU******************************
#### Formation
[Présentation][intro]
[Contact][nom10]
[Contenu (UEs)][ues]
[Double Cursus][nom17]
[Plaquette de la formation](http://master-info.univ-lyon1.fr/documents/2016-10-13-FST-INFO-Livret-OffreDeFormation-IA.pdf)
#### Année en Cours
[Dates Importantes][nom13]
[Évènements et Actualités][|1| Évènements et Actualités16]
[Planning][nom21]
[Examens][nom11]
[Informations Jury][nom14]
[Contrôle des connaissances][Contrôle des connaissances13]
#### Stages
[Présentation][stage]
[Offres de stage][Offres de stage15]
[Proposer un sujet de stage][nom15]
[Rapport][nom9]
[Soutenance][Soutenance11]
#### Le lieu
[Environnement][environnement]
#### Futurs Etudiants
[Dépot de candidatures](https://fst-informatique.univ-lyon1.fr/formation/candidatures/)
[Conseil et pré-requis][nom19]
#### Informations et liens Utiles
******************************PAGE******************************
### Présentation générale
Le parcours **_IA (Intelligence Artificielle)_** du Master M2 Informatique s'adresse
à tous les étudiants d'Informatique qui souhaitent se spécialiser dans
les techniques les plus avancées de la modélisation et l'ingénierie des systèmes
intelligents et de la décision. Elle offre un socle de connaissances et de
compétences permettant de préparer les étudiants aux métiers de la recherche,
de la recherche et développement et de l'innovation dans ce domaine.
Le contenu pédagogique de ce parcours comporte :
- 8 UE propres au parcours IA (IA1 à IA8) permettant d'acquerrir les fondamentaux et les techniques des domaines de recherche de l'IA, développés dans les équipes de recherche du laboratoire support de la formation (LIRIS), comme: les systèmes multi-agents, la robotique, les environnements intelligents (objets connectés et l'intelligence ambiante, les robots assistants et la robotique collective, l'ingénierie des connaissances, les systèmes à base de traces, les EIAH, l'apprentissage développemental et les autres formes d'apprentissage en IA comme l'apprentissage automatique, l'intelligence bio-inspirée, la résolution de problèmes combinatoire, etc.
- 2 UE mutualisées avec le parcours DS (DS2, DS3) permettant de donner une ouverture vers le domaine des masses de données, à travers des connaissances dans le domaine du data mining et la visualisation interactive de masses de données, etc.
- d'un laboratoire de recherche /centre de recherche académique, en tant qu’allocataire de recherche, suite à l’obtention d’une allocation de recherche à laquelle il faut postuler.
- ou d’une entreprise en tant que salarié de l’entreprise pour faire un doctorat en partenariat avec un laboratoire académique en convention [CIFRE](https://www.enseignementsup-recherche.gouv.fr/cid22130/les-cifre.html).
Unités d'enseignement spécifiques au parcours IA (24 ECTS)
- IA1 - Artificial Intelligence and Cognition (3 ECTS)
Responsable: Salima Hassas (salima.hassas [at] univ-lyon1.fr)
Autres intervenants: Salima Hassas (salima.hassas [at] univ-lyon1.fr), Olivier Georgeon (olivir.georgeon [at] liris.cnrs.fr) - IA2 - Dynamique des Connaissances (3 ECTS)
Responsable: Pierre-Antoine Champin (pierre-antoine.champin [at] univ-lyon1.fr)
Autres intervenants: Béatrice Fuchs (beatrice.fuchs (at) univ-lyon3.fr), Lionel Médini (lionel.medini (at) univ-lyon1.fr) - IA3 - Multi-Agents and Self-* Systems (3 ECTS)
Responsable: Salima Hassas (salima.hassas [at] univ-lyon1.fr)
Autres intervenants: Nadia Kabachi nadia.kabachi (at) univ-lyon1.fr), Laetitia Matignon (laetitia.matignon (at) univ-lyon1.fr), Samir Aknine (samir.aknine (at) univ-lyon1.fr) - IA4 - Smart Environment: Fundamentals & Challenges (3 ECTS)
Responsable: Salima Hassas (salima.hassas [at] univ-lyon1.fr)
Autres intervenants: Giovanna Di Marzo, Lionel Médini (lionel.medini (at) univ-lyon1.fr) - IA5 - Bio-Inspired Intelligence (3 ECTS)
Responsable: Mathieu Lefort (mathieu.lefort [at] univ-lyon1.fr)
Autres intervenants: Arthur Aubret (arthur.aubret (at) liris.cnrs.fr), Simon Forest simon.forest (at) liris.cnrs.fr) - IA6 - IHM et IA (3 ECTS)
Responsable: Aurélien Tabard (aurelien.tabard [at] liris.cnrs.fr)
Autres intervenants: Elise Lavoue, Audrey Serna - IA7 - Graphes, Complexité, Combinatoire (3 ECTS)
Responsable: Samba Ndojh Ndiaye (samba-ndojh.ndiaye [at] univ-lyon1.fr)
Autres intervenants: Hamamache Kheddouci - IA8 - Techniques d'apprentissage automatique (3 ECTS)
Responsable: Khalid Benabdeslem (khalid.benabdeslem [at] univ-lyon1.fr) and Haytham Elghazel (haytham.elghazel [at] univ-lyon1.fr)
Autres intervenants: Seif-Eddine Benkabou (seif.benkabou [at] gmail.com)
UEs mutualisées avec le parcours Data Science (6 ECTS)
- DS2 - Data Visualization (3 ECTS) Responsable: Nicolas Bonneel (nicolas.bonneel [at] liris.cnrs.fr) et Aurélien Tabard (aurelien.tabard [at] univ-lyon1.fr)
- DS3 - Data Mining (3 ECTS) Responsable: Marc Plantevit (marc.plantevit [at] univ-lyon1.fr)
Autres intervenants: Romain Vuillemot (romain.vuillemot (at) gmail.com)
Autres intervenants: Fabien de Marchi (CM), Marc Plantevit (CM/TP), Adnene Belfodil (adnene.belfodil (at) insa-lyon.fr / TP) et Anes Bendimerad (ahmed-anes.bendimerad (at) insa-lyon.fr / TP)
UEs communes à la formation de Master 2, tous les parcours (30 ECTS)
- UE Stage (entreprise ou laboratoire) (21 ECTS)
- UE Connaissances Métier Pour la Recherche (3ECTS)
- UE Anglais (3 ECTS)
- UE Droit (3 ECTS)
- Il faut établir un contrat pédagogique, spécifiant les UE (15 ECTS) que vous envisagez de suivre en Master2 IA, pour y être inscrits pédagogiquement.
- Pour le stage, il faut distinguer le stage du PFE du Stage du Master. Il faut donc choisir votre sujet de stage de PFE dans le domaine de l’IA, pour que vous puissiez le valider dans le cadre du Master IA.
- Pour le Master2 IA, le rapport du stage et sa soutenance doivent respecter les spécifications et le calendrier définis par le Master, indépendamment des contraintes et spécifications du PFE.
- IA1 - Artificial Intelligence and Cognition (3 ECTS): 11/12/2020 de 13:00 à 14:30
- IA2 - Dynamique des Connaissances (3 ECTS) : 20/01/2021 de 14:00 à 15h30
- IA3 - Multi-Agents and Self-* Systems (3 ECTS): 11/12/2020 à 15h15 à 16h45
- IA4 - Smart Environment: Fundamentals & Challenges (3 ECTS): 25/01/2020 9h45-11h15
- IA5 - Bio-Inspired Intelligence (3 ECTS): 28/01/2021 à 14h00 à15h30
- IA6 - IHM et IA (3 ECTS): 28/01/2021 à 16h15 à 17h45
- IA7 - Combinatoire, Complexité et Graphs (3 ECTS): 15/12/2020 de 14h00 à 15h30
- IA8 - Machine Learning (3 ECTS)
UEs mutualisées avec le parcours Data Science (12 ECTS)
- DS2 Data Visualization (3 ECTS) : 29/01/2021 à 14h00 à 15h30
- DS3 - Data Mining (3 ECTS) : 22/01/2021 à 08h - 9h30
UEs communes à la formation de Master 2, tous les parcours (30 ECTS)
- UE Connaissances Métier (3ECTS):
- UE Anglais (3 ECTS):
- UE Droit (3 ECTS):
- Le premier semestre comprend les UEs suivantes: IA1 à IA8, DS2, DS3.
- Le semestre est validé si toutes les UEs du semestre ont été validées (i.e note d'UE supérieure ou égale à 10).
- Le semestre est validé par compensation si le candidat a obtenu des notes d'UE supérieures ou égale à 8 ET si la moyenne du semestre est supérieure ou égale à 10.
- Si le premier semestre est validé sans compensation, il est définitivement acquis.
- Si le premier semestre est validé avec compensation, vous pouvez refuser la compensation et demander à repasser les UEs qui n'ont pas été validées. Il faut alors en faire la demande par écrit (courrier postal) envoyé au service scolarité du département d'informatique.
- Le second semestre comprend les UEs suivantes: Connaissances métier, Anglais, Droit. Ces UEs sont validées si la note de chaque UE est supérieure ou égale à 10 ou par compensation.
- Le stage est considéré à part: le stage est validé si la note de stage est supérieure ou égale à 10.
- Une UE est validée si la note d'UE est supérieure ou égale à 10.
- Toute UE validée est définitivement acquise et ne peut donc pas être repassée en deuxième session ni être redoublée.
- Toute UE dont la note est strictement inférieure à 8 doit être repassée en seconde session.
- Si le semestre est non validé, toute UE dont la note est comprise entre 8 et 10 peut être repassée en deuxième session.
- Lorsqu'une UE est présentée en deuxième session, la note de contrôle continu est conservée pour le calcul de la note d'UE. La note d'examen est remplacée par la note obtenue à l'examen de la deuxième session, même si celle-ci est inférieure à celle de la première session.
- Les UEs pour lesquelles il n'y a pas d'examen (par ex. le stage), i.e. dont la note est celle du contrôle continu, ne peuvent pas être représentées en deuxième session.
- Les stages sont effectués dans un laboratoire de recherche ou en entreprise, en France ou à l'étranger .
- Le sujet du stage doit absolument porter sur le domaine de l’Intelligence Artificielle (coeur du sujet), que ce soit de l’ingénierie (application de techniques d’IA à un problème donnée) ou de la recherche (contribution à une problématique de recherche en IA)
- Les stages se déroulent au second semestre et sont d'une durée minimale de 5 mois et maximale de 8 mois.
- C'est l'étudiant qui a la responsabilité de chercher son stage, et cela le plus rapidement possible. L’étudiant peut choisir un stage de recherche/développement dans une entreprise ou un stage de recherche dans un laboratoire.
- Sur Lyon, les stages de recherche sont principalement proposés par les laboratoires d'accueil suivants :
- LIRIS Laboratoire d'InfoRmatique en Images et Systèmes d'information, CNRS UMR 5205.
- DISP Laboratoire Décision & Information pour les Systèmes de Production.
- ERIC Équipe de Recherche en Ingénierie des Connaissances.
- CITI Centre d'Innovations en Télécommunications & Intégration de services.
- LIP Laboratoire de l'Informatique du Parallélisme.
- Lorsque vous avez trouvé un stage, il faut le faire valider par la responsable du M2 IA en envoyant par mail votre sujet à: Salima Hassas (salima.hassas [at] liris.cnrs.fr)
- Après la validation, vous pouvez engager les démarches pour l’élaboration de la convention en contactant la Scolarité du M2IA :scolarite.informatique [at] univ-lyon1.fr
- Chaque stage réalisé en entreprise sera suivi par un tuteur enseignant du M2.
- À l'issue du stage, un rapport d'environ une trentaine de pages sur le travail réalisé doit être rendu par l'étudiant, et une soutenance du travail devra être effectuée devant un jury .
- Si vous êtes enseignant d'un établissement public français d'enseignement supérieur, vous devez:
- Vous rendre sur cette page pour accéder à la table Tomuss de dépôt des sujets.
- Si vous avez besoin d'un accès à à Tomuss-fr vous pouvez envoyer un mail à eliane.perna [at] univ-lyon1.fr.
- Vous pourrez déposer un fichier dans la colonne "Sujet" en double-cliquant sur une case de cette colonne. Vous devez alors remplir les informations concernant votre sujet (lieu du stage, intitulé, contact, durée, sujet, ...)
- Vous pourrez noter "Pourvu" votre stage lorsque vous aurez trouvé un candidat.
- Sinon, vous pouvez remplir ce questionnaire et votre sujet sera déposé sur le site. ******************************PAGE****************************** ### Rapport de stage La date limite pour le rendu du rapport est fixée au **16 juin 2021 pour une soutenance le 28 juin 2021** et au **25 Aout 2021 pour une soutenance le 06 septembre 2021**.
Consignes pour le rapport
Le rapport doit faire entre **20 et 30 pages** (hors annexes). Il peut être rédigé en français ou en anglais. Le style à utiliser pour votre rapport est le style LNCS de Springer (exemple ). Vous trouverez dans cette archive un exemple LateX vous permettant de préparer au mieux votre rapport. Les templates LateX et Word sont aussi téléchargeables sur le [site de Springer](https://www.springer.com/gp/computer-science/lncs/conference-proceedings-guidelines). La qualité de la rédaction (orthographe, grammaire, tournures) et le soin général (respect du style LNCS, structure) apportés au document font partie intégrante des critères d'évaluation du rapport. Les rapports sont à déposer sous forme d'un fichier PDF sur [Easychair](https://easychair.org/conferences/?conf=m2ia-stages-2021) au plus tard selon les dates précisées ici. **Trame du contenu du rapport
** **Titre** **Auteur** (uniquement le stagiaire) **Encadrant et organisme** (labo ou entrepris) **Résumé:** qui synthétise la problématique et les contributions du travail **Adstract:** même chose en Anglais **1- Introduction:** introduit la problématique générale du travail et son domaine, ainsi que le contexte de réalisation du stage (entreprise ou labo, équipe, etc.), elle motive la problématique plus précise du stage, énonce la contribution (travail réalisé) et introduit le plan du rapport. **2- Etat des lieux/Etat de l’art et positionnement du travail réalisé:** Ici on décrit l’état des travaux par rapport à la problématique du stage , que ce soit au niveau de l’entreprise (cas du stage en entreprise) ou au niveau du domaine de recherche s’il s’agit d’un travail de recherche/lié à la recherche. On passe en revue les travaux existants (ou les méthodes/outils existants dans le cas de l’entreprise) et on positionne le travail du stage par rapport à l’existant. **3- Contribution (Travail réalisé pendant le stage):** Là on décrit la contribution en passant par l’analyse du problème , les choix opérés, les solutions proposées, etc. (selon le travail , cette partie peut prendre différentes formes : par exemple formalisation mathématique, modèle conceptuel, algorithmes , architecture, .. ) **4- Evaluation/Validation de la proposition:** là aussi on décrit selon le travail fait, les éléments qui permettent d’évaluer la contribution (ex. experimentations et courbes, définition d’indicateurs de succès et leur valeurs, évaluation qualitative, etc) **5- Discussion, conclusion et perspectives:** là on discute la contribution (selon sa nature), son impact, ses apports, ses limites, améliorations possibles et perspectives à envisager pour le travail réalisé. ***Remarques:*** - Si le stage consiste en plusieurs missions, dans la partie contribution faire un chapeau introductif et décrire les différentes missions (détails et suivi de la trame proposée, en fonction de l’importance de la mission) - Pour le rapport, la partie contribution/evaluations/ doit faire au moins les 2/3 du rapport. - Cette trame est indicative, il peut par exemple y’avoir besoin avant de décrire la contribution, d’ajouter une rubrique "background/définitions/outils » qui permet de définir les concepts/définitions/outils sur lesquels s’appuie le travail. - Ne pas dépasser 30 pages (références comprises) et respecter les style défini (cf. site de la formation) ***Les critères d’évaluation du rapport sont:*** - Pertinence de la problématique /la contribution pour le domaine de l’IA - Qualité de la motivation et du positionnement par rapport à l’état de l'art - Qualité de la rédaction (dont le respect des consignes) : clarté et lisibilité, correction (pas de fautes), pertinence du contenu décrit, - Qualité scientifique et technique de la contribution: rigueur , qualité de l’analyse de la problématique , pertinence scientifique ou technique de la contribution, .. - Qualité de l’évaluation : clarté, représentativité et signification, reproductibilité (est-ce que suffiaemment d’éléments sont fourni pour reproduire les évaluations par le lecteur), pertinence des critères/indicateurs d’évaluation - Qualité de la discussion et des conclusions ******************************PAGE****************************** ### Soutenances 2020-2021 #####Soutenance de stages ######Session 1 - Mercredi 16 juin 2021 23h59 : Date limite de rendu des rapports de stage ([détails](http://master-info.univ-lyon1.fr/IA/#nom9)) - Lundi 28 juin 2021: Soutenances de stage ######Session 2 - Mercredi 25 Aout 2021 23h59: Date limite de rendu des rapports de stage ([détails](http://master-info.univ-lyon1.fr/IA/#nom9)) - Lundi 6 septembre 2021: Soutenances de stage Chaque soutenance durera environ 30 minutes (**18 minutes de présentation**, 8 minutes de questions et 4 minutes de transition.) Pour votre soutenance, merci d'envoyer le pdf de la présentation à la présidente du Jury (Mme Hassas) au plus tard la veille de la soutenance. Si vous avez besoin d'un matériel spécifique pour votre présentation, merci de le prévoir. Un ordinateur (MAC OS) sera mis à disposition pour les présentations. ******************************PAGE****************************** ### Environnement de travail Les enseignements (Cours, TD et Tps) se déroulent au [bâtiment Nautibus (Lyon 1)](http://fst-informatique.univ-lyon1.fr/departement/acces-et-plans/). Les étudiants ont accès libre aux salles de TP (plus de 150 ordinateurs). ******************************PAGE****************************** ### Conseils et pre-requis Pour un accès direct en M2, les prérequis suivants sont fortement recommandés : - de solides connaissances en informatique et en mathématiques ; - une très bonne connaissance de la programmation avancée, la programmation orientée objets, les méthodes agiles ; - avoir suivi un cours d’introduction à l’IA ; Pour les étudiants en M1 au département d’informatique, les options suivantes sont très vivement recommandées pour suivre le parcours IA : - M1if16 Techniques d’IA - M1if28 Logiciel éducatif - M1if26 Théorie des jeux - M1if13 Web avancé - M1if14 BD déductives - M1if24 BD réparties - M1if12 Algo Distribuée En plus: - M1if23 Prog embarquée - M1if17 Analyse d’image - M1if22 Parallélisme - M1if19 Eval des Perf