Le développement actuel des télécommunications fait de plus en plus appel aux techniques informatiques. On observe une fusion progressive des deux disciplines, et le besoin de plus en plus croissant de spécialistes de haut niveau compétents dans ces deux domaines. Le but de la filière est d’apporter cette double compétence, tant du point de vue fondamental que du point de vue technique de la communication.
La partie fondamentale comporte aussi bien l’étude de la physique des communications (propagation dans les lignes et propagation hertzienne, fibres optiques) que l’étude mathématique des méthodes de représentation de l’information (théorie de l’information, codage, cryptage, compression de données).
La partie technologique comporte l’étude des divers dispositifs matériels ou logiciels actuellement utilisés (INTERNET et INTRANET, réseau commuté, réseaux à hauts débits, radiocommunications fixes ou mobiles, etc.).
Objectifs
La filière Ingénierie systèmes et Réseaux forme donc des ingénieurs capables de concevoir, d’implanter, d’interconnecter et d’administrer aussi bien des réseaux informatiques que des systèmes de télécommunications, répondant ainsi à une demande de plus en plus pressante du marché de l’emploi.
Elle doit prendre en compte la transmission multimédia qui est hétérogène : des flux texte, vidéo et audio. La gestion de la communication et l’étude de la qualité de service sont très importantes dans ces réseaux à haut débit.
Compétences développées
Connaissances théoriques approfondies : Une maîtrise des concepts fondamentaux de l’intelligence artificielle, de l’apprentissage automatique, du traitement du langage naturel et d’autres domaines connexes.
Analyse et résolution de problèmes : Capacité à analyser des problèmes complexes liés à l’intelligence artificielle et à proposer des solutions appropriées.
Programmation : Compétences en programmation pour la mise en œuvre de systèmes d’intelligence artificielle et d’algorithmes d’apprentissage automatique.
Gestion des données : Savoir traiter, gérer et manipuler efficacement de grandes quantités de données pour les tâches d’intelligence artificielle.
Méthodologies de recherche : Connaissance des méthodes de recherche et de développement pour améliorer et évaluer les systèmes d’intelligence artificielle.
Apprentissage automatique : Capacité à appliquer diverses techniques d’apprentissage automatique pour résoudre des problèmes réels.
Traitement du langage naturel (NLP) : Compréhension des méthodes de traitement du langage naturel pour permettre aux machines de comprendre et de générer un langage humain.
Systèmes experts : Connaissance des systèmes experts et de la logique symbolique pour résoudre des problèmes complexes.
Éthique de l’IA : Prise de conscience des implications éthiques de l’utilisation de l’intelligence artificielle et de la responsabilité sociale en tant qu’ingénieur en intelligence artificielle.
Applications pratiques : Capacité à appliquer les compétences en intelligence artificielle pour résoudre des problèmes dans des domaines spécifiques tels que la santé, les transports, la finance, etc.
