ECOLE NATIONALE D INGENIEURS DE SFAX ANNEE UNIVERSITAIRE :

Transcription

1 ECOLE NATIONALE D INGENIEURS DE SFAX ANNEE UNIVERSITAIRE : PROPOSITION D UNE OPTION POUR LA FILIERE GI Intitulé : Ingénierie des Systèmes Intelligents Motivations Coordinateur : Slim Kanoun Avec la vulgarisation d Internet et l évolution rapide des technologies de l information et de la communication, les entreprises se trouvent actuellement face à une grande masse données non structurés (des textes, des images, des séquences vidéos, des sons, des paroles, ) dont le traitement est différent du traitement des données structurés contenu dans les bases de données relationnelles issus des logiciels de gestion. Le développement de systèmes traitant de telle masse d informations nécessite le fondement de nouvelles approches qualifiées d intelligentes qui diffèrent des approches de développement de logiciels de gestion dans les entreprises. Ainsi, plusieurs applications traitant de l information multimédia sont devenues à caractère embarqué comme les PDA (Personal Digital Assitants ou informatique nomade) par exemple. En plus, il est important à noter que la plupart des entreprises, courant des années 2000, ont acquis une certaine maturité en termes de l utilisation de logiciels soit monoutilisateur soit multi-utilisateurs (systèmes distribués) en les développant ou en les achetant. Cette maturité reflète l accumulation de grandes masses de données gigantesques couvrant plusieurs années d activités et de mouvements et par conséquent d enregistrement de données structurées et parfois même non structurées. Ainsi, parmi l un des besoins actuels du marché informatique dans le monde est de mettre en place des systèmes capables d explorer, de fouir et d interpréter d une façon intelligente ces masses de données par l utilisation de techniques de classification et d analyse de données afin d extraire des connaissances pertinentes (indicateurs pour la prise de décision) afin d aider les entreprises à prendre des décisions stratégiques pour leurs avenirs et d être plus concurrentielles. Ce type de système demande des ingénieurs en informatiques ayant des compétences en termes des techniques de construction d entrepôts de données (datawarehouse) et d extractions de connaissances cachées dans les entrepôts de données (datamining). Les applications concrètes et les plus

2 utilisées de nos jours des systèmes décisionnels sont lees CRMs (Costumer Relationship Manager) et les ERPs (Entreprise Ressource Planning) L option Ingénierie des Systèmes Intelligents comporte 405 h et consiste à un approfondissement des connaissances des étudiants autour d une thématique porteuse et innovante pour les pays en cours de développements et notamment notre pays qui est les systèmes intelligents aidant à la prise de décision soit stratégique pour la qualité des systèmes d informations des entreprises soit de sécurité pour contrôler les accès à des bâtiments ou pour vérifier la validité d un chèque, etc. Les champs d activités de cet axe concernent le développement de systèmes traitant de façon intelligente toute information structurée (à grande masse) et non structurée (image, parole, vidéo ) afin d aider l être humain à accomplir un certain nombre de tâches fastidieuses dans la vie quotidienne telles que les systèmes biométriques pour la sécurité et la surveillance et la télésurveillance des locaux (Ambassade, ministère de défense, ministère de l intérieur, les aéroports ), l aide au diagnostique médicale, l aide des avocats dans des affaires juridiques, la téléassistance dans les véhicules, la surveillance d images provenant de satellites et de radars, etc), les systèmes décisionnelles, etc. L intérêt fondamental de cet axe est focalisé davantage sur le développement de logiciels de sécurité et d aide à la prise de décision qui sont très utiles pour la vie courante. Ces logiciels ont été misent en place depuis longtemps dans les pays développés (Inde, Australie, Japon, etc), et sont vendus actuellement avec des prix excessifs par les pays développés à des pays en cours de développement comme notre pays la Tunisie. Il est important de noter que le développement de ce type de systèmes demande seulement un ordinateur et la matière grise humaine. Débouchés et perspectives L étudiant qui suivra cet axe aura les connaissances, les compétences, et l expérience nécessaires pour développer des applications réelles comme : - lecture automatique de chèques, de formulaires, de bons de commande, de factures ou autres pour alimenter directement des bases de données sans passer par la saisie via un être humain - le tri automatique d enveloppes postales, - la biométrie (reconnaissance d empreintes digitales, la reconnaissance de plaques minéralogiques de véhicules pour la surveillance automatique de parking ou l enregistrement de voitures en excès de vitesse suite à un radar dans les routes, la

3 reconnaissance de signatures et de scripteurs pour des authentifications juridiques, la reconnaissance de visages pour la surveillance d endroits très sécurisés, ), la surveillance d images médicales, la détection d obstacles pour les véhicules, la détection de présence de personnes (Camera Infra Rouge) ou reconnaissance de silhouettes, la détection de présence d objets sous les vêtements de voyageurs ou dans les bagages (Machines à rayon X), l authentification automatique de passeports, reconnaissance de l écriture manuscrite via un écran tactile, la détection de défauts dans les pièces industriels, etc. - informatique décisionnelle (Datawarehouse et Datamining) pour rendre les entreprises plus stratégique dans leurs visions et plus concurrentielles, etc. Notons que la mise en place des applications énoncées ci-dessus demande le développement de compétences en matières de : systèmes intelligents, vision par ordinateur, reconnaissance de formes, techniques de classifications, techniques d analyse de données multidimensionnelles, les modèles de construction d entrepôts de données, etc. Toutes ces applications sont à caractère embarqué et temps réel (reconnaissance d empreintes digitales, CRM et ERP mobiles, etc). Ceci justifie la présence naturelle, dans cette option, d une matière qui introduit les systèmes embarqués. Equipe d enseignants Mohamed Adel ALIMI (ENIS) Chokri Ben AMAR (ENIS) Slim KANOUN (ENIS) (Coordinateur) Mohamed KALLEL (PIVASOFT) Anis Ben Ammar (ISIM Gabès) Mohamed HAMMAMI (FSS) Walid MAHDI (ISIMS) Mounir BEN AYED (FSS) Haytham ELGHAZEL (ISTIL France) Liste non exhaustive d entreprises actrices dans les domaines abordés par l option : Cynapsys, ArdiaSoft, Sagem, TelNet, St-Micro-Electronic, PivaSoft, Logivar Electronics, Interactive Arts, etc

4 Programme détaillé de l option ISI Modules de la 2 ème année GI (135h00) 1. Vision 2D (45h : 30h CI et 15h TP) Responsable : Chokri BEN AMAR (ENIS) : Ce module consiste à étudier les composantes essentielles d une chaine de vision par ordinateur (de l acquisition à l exploitation). En effet, ce module commence par présenter les différents types de capteurs 2D, de sources de lumière, et les techniques d échantillonnage et de quantifications d images 2D. Ce module présente ensuite un aperçu des techniques de traitements de bas niveau vues en Tronc commun ainsi qu'une introduction aux ondelettes et à l'analyse multirésolution suivis d'une étude poussée des post-traitements liés aux applications d'imagerie avancées (indexation, cryptage, tatouage, etc.). 1) les capteurs d'images 2) les sources de lumière et la notion d'éclairage 3) l'acquisition d'images (échantillonnage et quantification) 4) Calibrage de caméras 5) rappel sur les techniques de TNI 6) Introduction aux ondelettes et à l'analyse multirésolution 7) l extraction des descripteurs de haut niveau 8) Interprétatio n d'images 9) les posttraitements d'images (indexation, tatouage, cryptage, etc.)

5 Prérequis : Programmation Matlab Traitement numérique des signaux

6 2. Classification et Reconnaissance de Formes (45h : 30h CI et 15h TP) Responsable : Slim KANOUN (ENIS) : Ce module consiste à introduire les étapes fondamentales pour le développement de systèmes pour la reconnaissance de formes : acquisition, prétraitement, extraction de caractéristiques, classification / reconnaissance, post-traitement. Principalement, ce module détaille l étape d extraction de caractéristiques (caractéristiques statistiques, caractéristiques topologiques et géométriques, caractéristiques structurelles, codage de Freeman, ). Ce module s intéresse ensuite aux techniques d analyses de formes (représentées par des vecteurs de caractéristiques) en utilisant des techniques d analyse de données (analyse en composante principale, l analyse factorielle des correspondances, l analyse hiérarchique, ) et des techniques de classification automatique (K-means, cartes de Kohonen, ) afin de pouvoir dégager d une façon fiable les différentes confusions qui peuvent existaient entre les classes de formes (études des similarités et des dis-similarités intra et inter-classes. Ce module détaille aussi les différentes techniques de classement et de reconnaissnce de formes (le classifieur Bayésien, La séparation linéaire, le classifieur des KPPV, etc). Les fondements étudiés dans ce cours seront expérimentés en utilisant un langage de programmation et valorisées en fin de semestre avec le développement et la soutenance de projets 1) Introduction au processus de reconnaissance de formes 2) Pré-traitement (Binarisation, élimination de bruits, détection d inclinaison, squelettisation, etc) 3) Approche statistique 3.1) Extraction de caractéristiques statistiques (moments invariants, caractéristiques géométriques et topologiques, caractérisation par analyse de texture, ) 3.2) Classification statistique (Théorie bayésienne, Séparation linéaire, K Plus Proches Voisins, Machines à Vecteurs de Supports, Réseaux de Neurones, etc) 4) Approche structurelle 4.1) Codage de Freeman et extraction de primitives 4.2) Classification structurelle (Distance de Levenstein et K Plus Proches Voisins, Grammaire et automate, Graphe, Arbre de décision, etc) 5) Approche stochastique (Modèles de Markov Cachés) 6) Post-Traitement 7) Applications Pré-requis 1) Probabilités et statistiques 2) Analyse de données 3) Langages de programmation (C, C++, Java, etc)

7 3. Systèmes Embarqués (45h : 30h CI et 15h TP) Responsable : Mohamed KALLEL (PIVASOFTWARE) : Ce module s intéresse aux logiciels des systèmes embarqués. Les thèmes abordés dans ce cours permettent aux étudiants de voir en proches : les caractéristiques des systèmes embarqués la différence entre les systèmes embarqués qui existent sur le marché le caractéristique temps réel dans les systèmes embarqués. Développement embarqué C Développement Embarqué Linux user space (Espace utilisateur Linux) et kernel space (Espace Kernel Linux) 1) Introduction aux systèmes embarqués 2) Introduction aux Systèmes Linux embarqués 3) Introduction au développement C embarqués : rappel sur les pointeurs et les listes chainées 4) compilation et installation sur machines d un système Linux Embarqué 5) développement, compilation et installation d un module helloworld user space 6) développement, compilation et installation d un module helloworld kernel space 7) différence entre user space et kernel space pour systèmes linux embarqué 8) développement en C d un module traceroute en user space : utilisation socket linux 9) développement d un firewall icmp echo requet en kernel space : utilisation netfilter kernel 10) développement d un driver en kernel 11) Portage sur un Système Linux Embarqué Android et interfaçage avec couche JAVA Android Prérequis : Programmation C Architecture des calculateurs Linux

8 Modules de la 3 ème année GI (270h) Module 1 : Vision 3D (45 h: 30 h CI + 15 h TP), Responsable : Chokri Ben Amar L'objectif principal du cours est l'étude de techniques de modélisation tri-dimensionnelle d'objets ou d'environnements à partir d'images. Parmi les aspects abordés se trouvent la modélisation et le calibrage de caméras et de systèmes stéréoscopiques, l'estimation du mouvement d'une caméra, la localisation d'objets en 3-D et différentes méthodes de reconstruction 3-D à partir d'images. géométrie projective et épipolaire Modélisation 3D Reconstruction 3D Vision stéréoscopique Estimation du mouvement d'une caméra Segmentation de mouvements Maillages multirésolutions d'objets 3D Pré-requis Traitement Numérique des signaux Vision 2D

9 Module 2 : Intelligence Artificielle Distribuée et Systèmes Multi-Agents (45 h: 30 h CI + 15 h TP), Responsable : Slim KANOUN Ce module s intéresse à introduire l intelligence artificielle distribuée et les systèmes multiagents. L objectif fondamental de ce cours est la présentation en détail de tous les fondements logiciels nécessaires pour modéliser et implémenter des systèmes intelligents. Ce module explique dans un premier temps, l insuffisance de l approche fonctionnelle et de l approche orientée objet pour le développement de systèmes intelligents. Ce module montre aussi l insuffisance des architectures utilisées dans le cadre du génie logiciel distribué (CORBA, RMI, ) pour le développement de l intelligence artificielle distribuée et notamment les systèmes intelligents distribués (SMA). Ce module présente ainsi les méthodologies et architectures des SMA et les outils et les utilitaires pour le développement des SMA. 1) Introduction 2) Problématique 2.1) Les systèmes d aujourd hui 2.2) Insuffisance des modèles existants 2.3) Avantages de l approche centrée sur l agent 2.4) Difficultés de l approche orientée-agent 3) IAD et SMA 3.1) Les agents 3.2) Les systèmes multi-agents 3.3) Concepts inhérents aux systèmes multi-agents 3.4) La programmation orientée-agent et Java 3.5) Méthodologies et architectures SMA 3.6) Outils et utilitaires pour le développement de SMA Pré-requis 1) Approche fonctionnelle et approche orientée objet pour le développement de logiciels 2) Intelligence artificielle et systèmes intelligents

10 Module 3 : Approches Avancées de Conception de Systèmes Intelligents (45h : 30h CI et 15h TP), Responsable : Mohamed Adel ALIMI (ENIS) Il s'agit d'une introduction aux systèmes intelligents qui portent sur des questions théoriques, des applications et techniques de mise en œuvre. Le but de ce cours est de vous familiariser avec les techniques de base de l'intelligence artificielle / systèmes intelligents. Introduction aux réseaux de neurones : apprentissage à base d exemples Introduction à la logique floue : raisonnement à base de règles Introduction aux algorithmes évolutionnaires : adaptation et optimisation Etudes de cas d applications en ingénierie. Pré-requis Cours de programmation. Module 4 : Recherche d informations et WEB-Sémantique (30 h CI et 15h TP), Responsable : Anis Ben Ammar (ISIMG) Les outils de recherche d'information jouent actuellement un rôle crucial dans tout domaine d'activités. La dernière décennie, suite à l'évolution majeure subie par les standards Web, notamment le Web sémantique, la recherche d'information en a subi des avancées dont le but étant de faire face aux nouveaux défis : la quantité de plus en plus croissante des données et la diversité des types. Le but de cours étant d'intégrer en premier lieu les standards de recherche d'information apparus depuis les années 70s. Nous abordons, par la suite, les techniques déployées par un processus de recherche : la représentation, l'indexation et finalement la mise en correspondance. Les deux dernières étapes étant les parties les plus développées tout au long du cours. En fait, l'indexation des données, notamment multimédia, se présente comme étant le point crucial de tout processus de recherche (bien indexer assure a priori une recherche

11 concluante). Pour ce faire les techniques d'indexation seront détaillées par type de média. La mise en pratique des des connaissances acquises lors de ce cours sera validée à travers des travaux pratiques et également des travaux de recherche à préparer et à présenter par les étudiants en fonction de l'avancement dans le cours. 1. Les fondements des systèmes de recherche d'information 2. Evolution des techniques de recherche Textuelle et audiovisuelle 3. TALN (Traitement Automatique des Langages Naturels) pour l'indexation textuelle 4. Indexation Multimédia : Son, image et Vidéo 5. Les campagnes d'évaluations des systèmes de recherche : TRECVID, Amaryllis, Inex, CLEF, etc. 6. Nouveaux défis pour la recherche d'information : Apprentissage, personnalisation, web Sémantique, etc. Pré-requis Les techniques de traitements d'image, son et vidéo Les techniques d'apprentissage Les techniques intelligentes pour le traitement de l'information Module 5 : Introduction à la Robotique (45 h: 30 h CI + 15 h TP), Responsable: Mohamed Adel ALIMI & Chokri BEN AMAR Ce module offre aux étudiants une connaissance pratique des méthodes pour la conception et l'analyse des systèmes robotiques et intelligents. Une attention particulière est accordée aux systèmes de modélisation dynamique, de mesure et de contrôle de leur comportement. Le contenu est forcément vaste, et le niveau du cours est une introduction. Le but est de motiver et préparer les étudiants à mener des projets de recherche et une étude plus approfondie par le biais des cours de perfectionnement dans des domaines connexes. Vue d'ensemble et Préliminaires Robots articulés Coordonnées et Transformations

12 Dynamique des corps rigides Robots mobiles, assistance personnalisée, et les Jeux Systèmes dynamiques Les capteurs et actionneurs Contrôle analogique et numérique Introduction à l'optimisation Contrôle optimal déterministe Monte Carlo et algorithmes évolutionnaires Contrôle stochastique, robuste et adaptatif Machine Learning Représentation des connaissances Planification des tâches robotisées et les systèmes multi-agents Pré-requis Les systèmes intelligents Module 5 : Analyse Multidimensionnelle et Data Mining (45 h: 30 h CI + 15 h TP) Responsable : Walid DHOUIB (Expert en Business Intelligence) & Haytham ELGHAZEL (Ecole d'ingénieur Polytechnique Universitaire de Lyon1 FRANCE) L'informatique décisionnelle est un secteur en plein développement. Les entreprises ont besoin de prendre des décisions de plus en plus rapidement sur des données étayées. L'évolution technologique permet de satisfaire ce besoin avec l'accroissement du potentiel des machines, des Systèmes de Gestion de Bases de Données (SGBD) et l'évolution d'internet. Ce module visera à apprendre aux étudiants comment concevoir un système d'information décisionnel consistant à : - extraire des Systèmes d'information opérationnels (Bases de Données) les données pertinentes pour la prise de décision, - organiser et stocker ces informations dans des entrepôts de données (Datawarehouse), - exploiter ces données avec des outils d'analyse multi-dimensionnelle et des outils de fouille de données (Datamining) pour restituer des indicateurs pertinents aux décideurs. En TP, les étudiants se familiarisent avec le logiciel Oracle, Matlab et d autres outils décisionnels comme SAS.

13 Contenu Méthodes d analyse de données Multidimensionnelles - Informatique décisionnelle - Différence entre systèmes opérationnels et systèmes décisionnels - Les limites de SQL - Les entrepôts de données - Optimisation de requêtes dans les entrepôts de données - Les algorithmes de mise à jour de vues dans les entrepôts de données - Analyse multi-dimensionnelle : les besoins en systèmes OLAP - Dimensions, hypercubes et leurs représentations - Matérialisation des vues dans les entrepôts de données Fouille de données - Le Data Mining comme une étape de la démarche d extraction de connaissances à partir des données (ECD) - Extraction des motifs fréquents - Extraction des règles d association Apprentissage numérique à partir des données - Les fondements de l apprentissage numérique et ses applications - Introduction de l apprentissage supervisée, non supervisé et semi-supervisé - Les arbres de décision pour l apprentissage supervisé - Evaluation des méthodes d apprentissage supervisé - Les méthodes ensemblistes pour l apprentissage supervisé : Boosting, Forêts aléatoires, etc. Pré-requis : Connaissance d oracle, Programmation Matlab