Ce TP a pour objectif la maitrise des méthodes et techniques de résolution numérique de problèmes d’optimisation à l’aide d’un outil aussi puissant que riche, à savoir Matlab. Il vient consolider les connaissances acquises au cours, intervient une fois le problème spécifié dans un langage mathématique, et vise essentiellement à traiter divers types de problèmes existant dans la littérature d’optimisation

Ce cours a pour objectif la maîtrise des techniques d'optimisation complexe, il présentera d’abord les fondements sur lesquels reposent la recherche d’extremum, puis présentera quelques méthodes de recherche numériques  les plus répondues dans la littérature d’optimisation.

L’objectif de Ce TP est permettre à l’étudiant de se familiariser avec l’environnement de developpement LabVIEW et d'apprendre à Réaliser des Instruments virtuels pour construire des applications de controle.

Ce TP destiné aux étudiants du niveau master 2, utilise une approche de programmation graphique et le langage G de LabVIEW afin de consolider les connaissances acquises au cours, traiter de la synchronisation, la communication, les évènements, la gestion du temps, etc.

L’objectif de ce cours est de présenter les notions permettant aux étudiants d’analyser les exigences d’un problème temps-réel, conception de la solution, démonstrations de la correction de la conception proposée, programmation de la solution, validation de la solution, et de concevoir des applications sur un système temps réel.

L’objectif de Ce cours est de permettre à l’étudiant de se familiariser avec l’environnement de programmation graphique LabVIEW et avec les fonctionnalités LabVIEW de base, il apprend à programmer avec les diagrammes de flux de données pour construire des applications d’acquisition de données et de contrôle d’instruments.

De l’œil humain à la vision intelligente, Ce cours destiné aux étudiants du Niveau Master 2, tente à faire découvrir à travers un tour d’horizon sur l’Intelligence Artificielle, ses techniques appliquées à la Reconnaissance des Formes (RDF) en générale, et à la Reconnaissance des Images en particulier, depuis ses balbutiements jusqu’à sa prouesse. Il présentera dans ce contexte, le Deep Learning comme une façon du Machine Learning.