Bienvenue sur la plateforme pédagogique de l'Université de Toulon

Dans la première partie du cours (27h) nous présenterons les principaux problèmes d'apprentissage machine : représentation, modélisation, classification et régression ainsi qu'une sélection de méthodes, des plus simples aux plus avancées.La seconde partie (18h) sera consacrée à l'apprentissage profond (réseaux de neurones.)

Le cours se déroule en trois parties: Méthodes d'optimisation déterministes, optimisation stochastique, calcul distribué.

Pour la partie JavaIntroduction puis présentation des IDE utilisés en TP (Eclipse et Android Studio et installation de plug-in)Présentation du cœur de l’interface de programmation (API Java) : bibliothèque JFC, hiérarchie et packages de classes. Structures fondamentales de la POO en Java : classes et instanciation d’objets, héritage, création d’interface, classes anonymes et classes internes, données membres, méthodes, constructeurs, tableaux, opérateurs, instructions de contrôle, exceptions, consignation, collections. Programmation graphique et conception des IHM en Java en s’appuyant sur les ``GUI toolkit’’ SWING ou JavaFX. Composants de l’interface utilisateur : containers/composants/ gestion des événements (listeners d’écoute, classes adapter). Principes de la programmation multithread. Pour Android : - Brève introduction puis présentation de l’architecture d’Android. Configuration et lancement de l’émulateur virtuel (Android Virtual Device ou AVD) ou utilisation de l’Android Debug Bridge (ADB) pour le déploiement des applications sur téléphone -     Introduction au langage de balisage XML, puis détail de la structure des applications Android (manifest.xml, ressources, layouts, etc.…) et principaux composants impliqués (cycle de vie des Activités, fournisseurs de contenus, Services etc…) de même que les éléments d’interaction (Intents, Récepteurs, Notifications, etc…). -     Passage à la conception d’interfaces utilisateur conviviales et interactives (Vues, Widgets (bouton, texte, images, etc.)) tout en apprenant à définir des composants d’interface en XML. Gestion des événements, notifications et toasts, conception de menus, de boites de dialogue, création de listes. -     Utilisation des capteurs (boussole, accéléromètre, GPS, service de géolocalisation, caméra, appareil photo, magnétophone) -     Utilisation des services de téléphonie & SMS et de communication (Bluetooth et WIFI).

Ce cours porte sur les approches non paramétriques i.e. distributions temps-fréquence et temps-échelle linéaires et bilinéaires ou quadratiques, pour l’analyse avancée et la caractérisation des signaux déterministes non stationnaires. On présente aussi des généralisations aux signaux aléatoires (spectres temps-fréquence). On commence par des rappels généraux sur les outils de description temporelle et fréquentielle des signaux (énergie d’un signal, corrélation, etc…). Les notions de fréquence instantanée et de retard de groupe sont ensuite introduites au moyen du signal analytique. Après avoir montré leurs limites, on introduit des représentations bidimensionnelles : les représentations temps-fréquence et temps-échelle linéaires (Transformée de Fourier à Court-Terme, Transformée de Gabor, Transformée en Ondelettes). On détaille ensuite les distributions quadratiques et bilinéaires, en commençant par présenter les différentes classes de solutions / différentes propriétés d’invariance (classe de Cohen, classe Affine, classe par Corrélation, etc.). Puis on présente quelques-unes des méthodes les plus connues : Transformation de Wigner et de Wigner-Ville et ses versions lissées (Pseudo Wigner-Ville et Pseudo Wigner-Ville lissée), Scalogramme, Spectrogramme, distribution de Choï-Williams, fonction d’Ambiguïté. On traite ensuite des principales propriétés, avantages et inconvénients de ces méthodes. 

Cette formation introduit les concepts fondamentaux des approches d'apprentissage automatiques dites "Deep Learning" (DL). Le cours fera une révision des bases mathématiques des réseaux des neurones et leur entraînement (e.g. Multi-layer Perceptron, descente de gradient stochastique, l'algorithme de back propagation), ainsi que les méthodes et techniques plus utilisés (e.g. régularisations,  fonctions activations, fonctions de coût, opérations, paradigmes d'apprentissage et topologies). Le cours présentera également quelques outils disponibles pour faciliter l'implantation et utilisation des réseaux des neurones (e.g. TensorFlow ou PyTorch) et centrera les travaux pratiques sur certains aspectes d’usage et applications du DL (e.g. transfert d'apprentissage, apprentissage non-supervisé, interprétation, exemples adversaires ou l’apprentissage sur des séquences).

 Instrumentation et commande pour le prototypage rapide et le Hardware In the Loop.

Ce cours détaille le principe, les avantages et inconvénients de la fabrication additive. De nombreux exemples sont proposés dans divers secteurs d'activités. Les sept technologies référencées par la norme sont expliquées. Enfin une méthodologies de conception en exploitant l'optimisation topologique est proposée.

Étude mathématique et numérique de systèmes hyperboliques de lois de conservations

Ce cours présente une variété d'équations aux dérivées partielles issues principalement de la mécanique des solides et de la mécanique des fluides. Les outils numériques pour approcher ces équations sont présentés en cours et mis en oeuvre en TP.

Cours d'anglais pour les étudiants de l’école d’ingénieurs SeaTech de l’Université de Toulon — spécialité Matériaux (1A, 2A, 3A)

.

Le but principal de ce cours est de présenter à vous (élèves-ingénieurs) des notions de Transformées de Fourier et de Laplace aujourd’hui universellement utilisées et suffisamment délicates pour que leur exposé ne puisse être réduit à uneannexe dans chacun des cours qui les utilise.  Ce cours donne accès aux bases mathématiques nécessairesen sciences de l’ingénieur.Durant ce cours nous allons appréhender l'utilité des Transformées de Fourier et de produit de convolution dans les applications. En premier lieu, nous allons travailler théoriquement sur quelques exemples d'applications dans l'acoustique. En deuxième lieu, nous allons apprendre comment "dé-bruiter" un signal sonore par le biais de la transformée de Fourier avec matlab/octave. Également, vous aller avoir la possibilité de travailler avec les images (transformées de Fourier en 2D) pour comprendre et analyser les différents signaux en 2D. Il s’agit de montrer, via quelques exemples classiques, l’utilisation de la transformée de Fourier en pratique. Les champs d’applications de la transformée de Fourier sont bien sûr non limités aux quelques exemples considérés dans ce cours.A l’issue de ce cours, vous (élèves - ingénieurs) devrez être capables de :1. Calculer les transformées de Fourier et de Laplace des fonctions et des distributions,2. Utiliser les propriétés des transformées de Fourier et de Laplace,3. Résoudre les EDOs et les EDPs en appliquant les transformées de Fourier et de Laplace,Les notions supposées connues correspondent aux programmes des cours de Mathématiques Licence 2 etLicence Renforcée 2, classes préparatoires et DUT.

Ce cours a pour but de présenter le formalisme et les techniques associés à la mise en oeuvre d'une très large catégorie de traitements numériques du signal : les filtres linéaires numériques. Le formalisme, fondé sur la notion de transformée en Z, est développé pour répondre à des problématiques de réalisations des filtres, comme : comment assurer la stabilité d'un filtre ? quels sont les bons critères d'optimalité des filtres ? comment réaliser des filtres optimaux au sens de ces critères ?

 Ce cours vise à décrire dans un premier temps les principes de la spectrométrie IRTF et de développer l'intérêt de cette technique d'analyse dans le domaine des matériaux, à travers de nombreux exemples concrets.

Les grands principes de la thermodynamique seront développés dans ce cours. Les calculs d'enthalpies, entropies et enthalpies libres seront maîtrisés. Les calculs de températures de flammes seront abordés pour différents cas.

A l’issue de ce cours, les étudiants devront être capables de : Déterminer la vitesse d’une réaction de type ( A->B , A+B->C+D , A2->2B , A->3B) Déterminer l’ordre d’une réaction Reconnaitre la dégénérescence de l’ordre d’une réaction

A l'issu de ce cours, les étudiants ingénieurs doivent être capable de

- lire un plan (de définition ou d'ensemble)

- tracer le dessin d'une pièce

- de comprendre la cotation fonctionnelle et d'en proposer

- de connaitres les éléments composants les machines (engrenages, roulements...)