Biodiversité et fonctionnement des écosystèmes

La perte de biodiversité, le changement climatique et l’altération du fonctionnement des écosystèmes représentent des enjeux majeurs pour la société et les responsables politiques. Ce module de cours a pour objectif de fournir des éléments théoriques et méthodologiques nécessaires à la compréhension des causes et des conséquences de ces défis imposés par ces changements globaux. Les notions abordées et les exemples donnés illustreront les relations complexes entre biodiversité, processus écologiques et sociétés humaines, et la nécessite d’adopter une approche interdisciplinaire (modélisation mathématique d’une population, propriétés physico-chimiques des sols et dynamique de végétation, santé humaine et qualité de l’air, etc.) pour aborder les défis environnementaux actuels.

EA en première période, optionnel en 2^ème période

Personalized Reconstitution of the Tumoral Process

Reconstitution Personnalisée du Processus Tumoral

Ce cours est entièrement réalisé dans le laboratoire d’Alexis Gautreau sur le campus. Vous serez supervisé par un chercheur post-doctorant très qualifié pour effectuer des expériences. Le sujet consiste à utiliser les données de Next Generation Sequencing de tumeurs de patients qui ont un cancer du sein invasif afin de transformer progressivement des cellules épithéliales mammaires normales en cellules cancéreuses pleinement invasives. L'originalité de cette approche est de n'utiliser que les gènes driver présents chez un unique patient pour tenter de récapituler le chemin de transformation et les caractéristiques de la tumeur de ce patient. Le projet implique de prédire les gènes driver à l'aide de la bioinformatique, de distinguer les mutations oncogéniques de l'inactivation des gènes de suppresseur de tumeur, de cloner et d’exprimer les oncogènes mutés et d’éliminer les gènes suppresseurs de tumeur à l'aide de l'édition du génome (CRISPR-Cas9).

BIO572 (Reconstitution personnalisée du processus tumoral): activité de recherche en laboratoire financée par le Mécénat Enseignement et Recherche Servier avec un nombre de places limité. Il faut avoir suivi le cours BIO432 (Pathologies et stratégies thérapeutiques) et déclarer son intérêt auprès d'Alexis Gautreau.

Langue du cours : Anglais

Crédits ECTS : 4

Bio591-Biologie et Ecologie

Le stage de Recherche ouvre les laboratoires de recherche fondamentale, biomédicale, ou appliquée (industrie pharmaceutique, biotechnologie) aux élèves tentés par un approfondissement en Sciences de la vie, que ce soit en microbiologie, en virologie, en immunologie, en neurobiologie, en embryologie, en biologie structurale, en biologie moléculaire, en biologie cellulaire, en bioinformatique, en écologie...

Les sujets de stages des années précédentes sont disponibles sur un espace de partage sécurisé sur le site internet de l’Ecole Polytechnique :
-Sujets de stages de recherche des années précédentes : (historique des X04 à X12) 
https://gargantua.polytechnique.fr/siatel-web/app/auth/login?auth=1/
Dossiers Mes documents/Rapports/Contenu général Rapports/SOI/X2004.....X2012

-Sujets et Rapports de stage de recherche (historique des X15 à X19)
https://enex.polytechnique.fr/res3/fopers/stage/cataloguestages.php
Tapez votre nom d'utilisateur et votre mot de passe. 

L'élève pourra, avec les conseils du coordinateur et de l’équipe enseignante, dessiner les contours thématiques de son stage, puis participer activement, grâce à la visite de laboratoires, à la définition ultime de son sujet de stage de Recherche.
Le stage de recherche scientifique en Biologie consiste en un travail de 16 semaines minimum en laboratoire. Ce stage peut avoir lieu dans un laboratoire du milieu académique ou dans un laboratoire d’entreprise. Les stages se déroulent en Province, à Paris ou en région Parisienne (CNRS, INSERM, Institut Pasteur, Institut Curie, INRA, CEA, Universités, ...) et à l'Etranger (Etats-Unis, Allemagne, Canada, Italie, Espagne, Japon, Portgal etc...)
En Sciences de la Vie, la recherche fait largement appel à la Physique, à la Chimie, aux Mathématiques Appliquées et à l'Informatique. Par conséquent, grâce à sa formation généraliste, même s'il n'a suivi qu'un seul des modules offerts par le département de Biologie en année 2, un élève sera apte à profiter d'un stage de Recherche en Biologie ou en Ecologie.

- Rapport Final : 
Nous aurons besoin d’une version électronique (au format pdf uniquement) de votre microthèse (trente pages maximum tout compris) à transmettre par email. 
Les rapports peuvent être rendus en français ou en anglais, comme vous préférez. 
Vous ferez en sorte que ces documents  parviennent à Catherine MORAIS catherine.morais@polytechnique.edu, aux membres du jury, à l’enseignant référent de votre stage IMPERATIVEMENT cinq jours minimum avant votre soutenance.
Cela ne pose aucun problème si l’un ou l’autre des documents transmis à l’X est rédigé en Anglais (rapport final et fiche d’évaluation transmise par votre directeur de stage). 
A part la limite de 30 pages, annexes incluses,  nous n’avons pas d’exigences particulières. Il s’agit d’un rapport scientifique classique, et votre laboratoire d’accueil vous conseillera utilement à ce sujet. En bref, le rapport doit introduire le sujet en le situant dans son contexte, page de garde du rapport voir règlement du bureau SOIE,  le résumé en français et en anglais (OBLIGATOIRE), puis développer les résultats obtenus, et enfin les discuter.
Les références bibliographiques doivent également être indiquées suivant les normes courantes des articles de recherche.
Les matériels et méthodes utilisés doivent en outre être décrits.
Nous vous rappelons que le respect des échéances sera pris en compte dans la notation. 
PAS DE VERSION PAPIER DEMANDÉE

- Soutenance : La soutenance orale doit s’effectuer en présentiel

Internship topics from previous years are available on a secure sharing space on the Ecole Polytechnique website:
-Subjects of research internships from previous years: (history of X04 to X12)
https://gargantua.polytechnique.fr/siatel-web/app/auth/login?auth=1/
Folders My documents/Reports/General content Reports/SOI/X2004.....X2012

- Research internship subjects and reports (history from X15 to X19)
https://enex.polytechnique.fr/res3/fopers/stage/cataloguestages.php
Type your username and password.

Les composés chimiques ou les molécules sont avant tout de la matière, née de l'énergie du Big Bang, du boson de Higgs qui l’a rassemblée,  et des immenses compressions et augmentations de température successives, ce qui a permis de remplir le tableau de Mendeleïev pendant des milliards d'années. La vie s'est maintenue grâce aux molécules d'ADN, constituées des éléments chimiques H O C N. Malgré plusieurs extinctions importantes, la Vie est parvenue à stocker du dioxyde de carbone, à s’alimenter en oxygène, à venir sur la terre ferme et inventer les polymères bien avant nous.

De nos jours, en raison de l'utilisation intensive des énergies fossiles, de l'hydroélectricité, des énergies photovoltaïques et des parcs éoliens, les processus industriels sont capables de nous fournir des produits chimiques comme des médicaments, des fertilisants, des colorants, des polymères, des vecteurs énergétiques, mais aussi de l'eau potable, de la nourriture, des produits cosmétiques, des piles... et des smartphones.

La formation d'un nouveau produit inorganique ou organique, un médicament par exemple, commence la plupart du temps à l'échelle du laboratoire : il s'agit de l'étape de "synthèse". Une fois sa propriété d'utilisation finale et son marché déterminés, le génie chimique apparaît au stade de l'élaboration et de la gestion des usines qui vont le produire en quantité adaptée à partir de matières premières et d'énergie, avec un minimum de cout de production et une empreinte environnementale réduite. Pour les industries de procédés, la veille technologique et la R&I sont indispensables pour réagir le plus rapidement possible aux demandes sociétales et environnementales, comme aux modifications d’approvisionnements. Le management dans ce secteur industriel ne peut ignorer les démarches d’Analyse de Cycle de Vie (ACV) et de bilan carbone, d'économie circulaire, la maîtrise des risques industriels et le traitement, voire la valorisation de ses effluents, la Responsabilité Sociétale de l’Entreprise (RSE): on peut citer les procédés de capture des COV, de recyclage de polymères, de production et stockage d’énergie renouvelable (méthanisation de déchets organiques, conception et recyclage de batteries et smartphones, hydrogène « vert »).

Connaissances attendues : être capable de faire l'inventaire des données nécessaires à la conception d'une opération unitaire, d'établir son équation de performance et de calculer son rendement.

Langue du cours : anglais ou français, à la demande

Les composés chimiques ou les molécules sont avant tout de la matinère, par l'énergie du Big Bang, du boson de Higgs et des immenses compressions et augmentations de température successives, ce qui a permis de remplir le tableau de Mendeleïev pendant des milliards d'années. La vie s'est maintenue grâce aux molécules d'ADN, constituées des éléments chimiques H O C N. Malgré de plusieurs extinctions importantes, la Vie est parvenue à stocker du dioxyde de carbone, à alimenter en oxygène, à venir sur la terre ferme et inventer les polymères bien avant nous.

De nos jours, en raison de l'utilisation intensive des énergies fossiles (), de l'hydroélectricité, des énergies photovoltaïques et des parcs éoliens, le processus industriel est capable de nous fournir des produits chimiques comme des médicaments, des fertilisants, des colorants, des polymères, des vecteurs énergétiques, mais aussi de l'eau potable, de la nourriture, des produits cosmétiques, des piles... et des smartphones.

La formation d'un nouveau produit inorganique ou organique, un médicament par exemple, commence la plupart du temps à l'échelle du laboratoire : il s'agit de l'étape de "synthèse". Une fois sa proprité d'utilisation finale estimé, le génie chimique apparaît au stade de l'élaboration et de gestion des usines qui vont la produire à partir de matières premières et d'énergie et l'amèneront sur le marché, avec un minimum de cout de production et une empreinte environnementale réduite. De plus, la R&I dans le génie chimique est nécessaire pour développer le plus rapidement possible des techniques respectueuses de l'envrionnement, de l'économie circulaire et de la production, de l'utilisation de stockage : capture de COV, recyclage de polymères, méthanisation ou voitures fonctionnant à l'hydrogène, par exemple.

Connaissances attendues : être capable de faire l'inventaire des données nécessaire à la conception d'une opération unitaire, d'établir son équation de performance et de calculer son rendement.

Langue du cours : anglais ou français, à la demande

Course description:

Molecular biogeochemistry explores the interplay between the molecular constituents of living organisms and the biogeochemical processes occurring in the environment. This class will provide an overview of the essential concepts in biogeochemistry with an emphasis of processes occurring at the molecular level.  In addition, it will cover how natural and anthropogenic activities impact the molecular transformations of elements like carbon, nitrogen, and sulfur in various environmental domains, such as soil, water, and air, integrating principles from biology, chemistry, and geology to unravel the intricate connections between the molecular biology of organisms and the broader biogeochemical cycles in Earth's ecosystems. We will examine, by delving into scientific literature found in peer-reviewed journals, the molecular aspects of production and degradation of natural organic matter in the biogeosphere, and the linkage of biological molecules with corresponding molecular constituents (chemofossils or biomarkers) that are extracted from sedimentary archives for paleo-reconstructions.

Course goals:

Apart from acquiring the basics of molecular and analytical biogeochemistry, this course aims to achieve the following objectives:

• Develop the ability to critically analyze scientific literature
• Engage in discussions with peers, lead by a subject matter expert, on scientific papers and their impacts
• Cultivate research and presentation skills with classmates and receive direct feedback

Texts and readings:

Reading assignments:

Class 2 (Feb. 28^th) – Ward et al., 2017.  Where carbon goes when water flows: carbon cycling across the aquatic continuum. Frontiers in Marine Science. 4:7. doi: 10.3389/fmars.2017.00007

Class 4 (March. 4^th) – Brown et al., 2014. Source identification of the Antarctic sea ice proxy IP25. Nature. Communications. doi: 10.1038/ncomms5197

Class 6 (March. 11^th) – Solomon et al., 2016. Emergence of healing in the Antarctic ozone layer. Science. 353(6296): 269-274

Class 6 (March. 11^th) - Bergauer et al., 2018. Organic Matter Processing by Microbial Communities throughout the Atlantic Water Column as Revealed by Metaproteomics. Proceedings of the National Academy of Sciences 115 (3) E400-E408.  Particular attention will be paid to the material and method section concerning the proteomic study (see supplementary data). This work will be discuss in small groups in class.

Class 8 (March. 13th^th) – Rabalais et al., 2019. Gulf of Mexico Hypoxia: past, present and future. Limnology and Oceanography Bulletin. 

Paper discussions:

There are 4 sessions of 45 minutes dedicated to reading peer-reviewed papers, each student will be paired (4 groups of 2 students) and assigned a discussion to lead with a classmate based on the paper to read. Each pair will create powerpoint presentation slides and present the paper to the entire class. I will virtually meet with each group a week prior to their scheduled class leadership to address any queries

Participation:

Students are expected to arrive at class ready to engage in discussions about the assigned readings for the day. Full participation points are awarded for both attendance and active involvement in the day's discussion, which may include responding to polls, making verbal comments, contributing to the chat, and more. Mere attendance without active participation is insufficient for earning full credit. My goal, is that you will get out of the class what you put into it.

Web Programming (CSC_1S004) introduit les langages, outils et techniques spécifiques au développement d'applications web. Les étudiants acquerront une compréhension solide des subtilités du développement de sites web dynamiques et modernes, ainsi qu’un aperçu du fonctionnement interne du web. Il s’agit d’un cours pratique qui offre aux étudiants une expérience précieuse dans la création de leurs propres applications web.

Sujets abordés :

• HTML5, CSS3

• JavaScript (côté client)

• Introduction à la programmation côté serveur : PHP, JS (NodeJS), bases de données

Organisation générale :

Le cours consistera principalement en des séances pratiques en salle informatique. Un petit projet sera réalisé, dans lequel les étudiants développeront leur propre site web (uniquement côté client) en suivant les bonnes pratiques actuelles.

Initiation aux structures des données, à l'algorithmique et à l'analyse des algorithmes (amphis).
Perfectionnement à la programmation en Java (TDs).
Ce cours est également l'occasion de se perfectionner en Java. Les TDs explorent en profondeur une partie du matériel présenté en amphi.

Évaluation : Un contrôle continu (pale machine ou devoir à la maison), un examen classant en salle (3h).

(English version below)

Ce cours comporte deux parties, l’une avec Daniel Augot sur la
cryptographie dans les  blockchains, l’une avec Bernadette Charron-Bost sur
les fondamentaux de l'algorithmique distribuée et du problème du
consensus.

Le cours de Daniel Augot présente plusieurs sujets abordés
dans le monde des blockchains: rappels sur les fonctions de hachage et les signatures, les nombreuses utilisations
des fonctions de hachage cryptographique; UTXOs, Merkle trees, Ethereum «smart contracts»;
lightning, zero-knowledge, zk-snarks;

Il est structué en 6 blocs de 4h00: 1h30 de cours et 2h30 de TP.

Les TP sont en ligne de commande à faire sur votre ordinateur personnel.  You need to preinstall Docker  et docker-compose.

Bernadette Charron-Bost's course is  as follows (no labs). In agreement problems, each agent of a networked system has an input value and outputs a series of values;  it is required that all the agents eventually output the same value and that this common value is one (or a function) of the input values. Agreement problems arise in a number of applications including consistency in replicated databases, motion of autonomous agents or, more recently, in the blockchain technology. The (exact) consensus problem is a fundamental agreement problem where each agent is aware that agreement has been reached, as opposed to the stabilizing consensus problem where agents are just required to eventually stabilize on the same input value. The blockchain consensus, also called the Nakamoto consensus, corresponds to an intermediate type of agreement. The  goal of this course is to explore the solvability and the complexity of these different agreement problems in various contexts,  depending on the synchrony model, the failure model, and on other features like the fact that the system is open or closed (permissioned vs. permissionless systems).

Visualisation des données

La représentation visuelle de données tire pleinement avantage du système visuel humain en termes de perception est de cognition. Les modèles complexes, les points de données intéressants et les valeurs aberrantes peuvent être facilement identifiés ; les points et ensembles de données individuelles peuvent être comparés et contrastés efficacement, à condition que les données sont correctement réprésentées. La visualisation permet aux utilisateurs d'explorer leurs données de manière interactive, d'obtenir des vus d'ensemble et détaillées en suivant des processus qui permettent d'obtenir des informations qu'il serait difficile d'obtenir à l'aide de techniques d'analyse de données entièrement automatisées à partir de domaines comme le data mining ou l'apprentissage machine. Ils ont des objectifs différents mais peuvent se compléter mutuellement efficacement. La visualisation peut, par exemple, aider à formuler des hypothèses qui peuvent ensuite être testées à l'aide de tests statistiques ou d'autres techniques d'analyse de données élaborées. Au-delà de ces aspects d'exploration, la visualisation de données peut aussi appuyer la prise de césision et joue un rôle central dans la communication des résultats auprès d'un large public.

Ce cours commencera par un aperçu du domaine de la visualtion de données. Il abordera ensuite les principes fondamentaux de la perception visuelle humaine, en mettant l'accent sur la manière dont ils contribuent à informer la conception de visualisations. Les cours suivants seront sur les techniques de visualisation pour des structures de données spécifiques et les analyseront en détails du point de vue de la conception et de la mise en oeuvre, y compris : données multivariantes, structures hiérarchiques, réseaux, séries temporelles, données statistiques et géographiques.

Tous les exercices sont basés sur les technologies du web, y compris la bibliothèque de logiciels D3 (Data-Driven Documents) et la grammaire graphique intéractive Vega-lite. Bien qu'ils se situent à des niveaux d'abstraction différents, ils permettent aux développeurs de concevoir une série de visualisations interactives et basées sur le web et fonctionnant sur de nombreuses plateformes, allant des bureaux aux appareils mobiles.

Requis : une expérience du développement Web (Javascript) est un plus mais n'est pas une exigence absolue.

Plus d'information sur : https://www.enseignement.polytechnique.fr/informatique/CSC_51052/

Matériel pédagogique : https://www.enseignement.polytechnique.fr/informatique/CSC_51052/

Langue : Matériel pédagogique en Anglais. Cours en Anglais.

Nous sommes entrés dans l'ère des mégadonnées. L'explosion de données disponibles dans unlarge éventail de domaines d'applications suscite de nouveaux enjeux dans une pléthore de disciplines, allant des sciences de l'ingénieur au commerce et à la société en générale. Un enjeux principal émerge dans la question de comment prendre l'avantage de ces échelles de données, de manière à acquérir de nouvelles idées et connaissances pour améliorer la qualité des services offerts. C'est là que l'apprentissage machine et profond viennent en capitalisant sur les techniques et les méthodologies issues de l'exploration de données (profilage statistique, visualisation), visant à identifier des schémas, des corrélations, des modélisations et des prévisions. Dans ce domaine, l'apprentissage profond est devenu un élément très important pour la résolution de problèmes de prévision à grande échelle ces dernières années.

Le 21e siècle devient le siècle du data-driven. Les interactions avec les objets de tous les jours peuvent entraîner un d'information, en particulier lorsque : si dans un appartement la porte du réfrigirateur est régulièrement ouverte et fermée, il est probable que l'appartement est inhabité ; si un verre est vide, il est probable que l'habitant est bien vivant, est reste hydraté ; si le barbecue ou le four est fréquemment utilisé, l'habitant est peut-être (et donc un client potentiel pour des régimes alimentaires) ou reçois souvent (et donc un client potentiel pour des articles de fête) ; quelque chose qui analyserait le schéma d'utilisation de la sonnette pourrait révéler...

Pour être capable d'analyser le schéma d'utilisation et les interactions il faut bien sûr que ces actions physiques soient capturées et transformées en données, et que ces données soient communiquées par des objets de tous les jours avec et via l'Internet, et vers le cloud.

Le 21e siècle est donc également le siècle connecté : téléphones, montres, réfrigirateurs, brosses à dent, verres, cafetières, implants médicaux, barbecues, plantes de bureau et fourchettes deviennent des objects connectés qui génèrent des données et donc, qui font partie de l'Internet.

En dehors du marché de consommation, connaître l'état d'une machine, d'un moteur d'avion ou d'une sous-station électique, permet de prévoir des maintenances de prévention et éviter les accidents. Des capteurs intégrés capables de capturer et de communiquer cet état sont une prémisse indispensable.

En effet, une companie qui aujourd'hui, lance un produit qui n'exécute pas d'application et qui ne se connecte pas à Internet est une companie qui n'a tout simplement pas compris les besoins (ou du moins les désirs) de son marché ; tout comme le type qui installe son porte-vélos sur la gauche, qui a clairement mal compris son "marché cible"

De façon à ce que VOUS ne devenez pas celui ou celle qui crée un produit qui rate misérablement le marché, ce cours vous fournit les compétences de base nécessaires pour développer des systèmes connectés.

Ce cours est autonome : il demande quelques connaissances en programmation et beaucoup de curiosité, il introduira le reste au fur et à mesure. Chaque cours consistera en un cours magistral, suivi de 2h de laboratoire (TD). Ce cours est conçu de manière à ce que l'étudiant passe 1 à 2 heures par semaine en dehors des cours, pour réviser et/ou terminer les exercices.

Recquis :

And so, the 21th century is necessarily also the connected century: smartphones, watches, fridges, toothbrushes, drinking glasses, coffee machines, medical implants, BBQs, office plants, and forks are all becoming connected objects, generating data — and thus, becoming part of the Internet.

Outside of the consumer market, knowing the state of a machine, of an airplane engine, or of a power substation, permits scheduling predictive maintenance and avoid accidents — embedded sensors able to capture, and communicate, this state is a necessary premise.

As a matter of fact, a company launching a product today that doesn't "run an app" and "connects to the Internet" is a company, which just hasn't grasped the needs (or, at least, the desires) of its market - much as the guy installing the bike rack on the left, clearly misunderstood his "target market".

In order to ensure that YOU do not end up being that gal/guy, building a product miserably missing the market, this course provides you with the core competencies, necessary for developing connected systems.

This course is self-contained: it assumes some programming skills, and a lot of curiosity — and will introduce the rest as it goes along. Each lesson will consist of a lecture, followed by 2h of lab (TD). This course is calibrated so that a student should expect to spend 1-2h/week outside of class, reviewing material and/or finishing exercises.

Requirements:

A good dose of curiosity is required.
(Having followed INF321 or INF311+411 probably won’t hurt)

Evaluation mechanism:

Weekly submissions (either of homework, or of quizzes) worth 50% of the final grade, and a final exam QCM worth the other 50% of the grade.

Language:

English (with, at least, bilingual teaching staff)

This course is a mandatory part of the M1 Graduate Degree Internet of Things: Innovation and Management Program (IoT-IM)

Avec l'émergence de processeur multi-coeur (et maintenant manycore avec plusieurs dizaines d'unités d'exécution), l'expression du parallélisme est obligatoire pour permettre des hautes performances dans différents types d'applications (calcul scientifique, mégadonnées...). Dans ce contexte, ce cours détaille de multiples paradigmes de programmation parallèle pour permettre l'exploitation d'un grand nombre de coeurs sur différentes architectures cibles (CPU et GPU). Il comprend le modèle de mémoire distribuée (MPI), le modèle de mémoire partagée (OpenMP) et le modèle hétérogène (CUDA). Toutes ces approches permettraient de tirer parti des performances de différents ordinateurs (allant des petits serveurs jusqu'à de très larges superordinateurs du Top500).

Niveau requis : INF431 ou équivalent
Modalités d'évaluation : Projet
Langue du cours : Anglais

Ce cours porte sur les principes de conception et les fondements algorithmiques des systèmes logiciels influants pour les mégadonnées analytiques. Le cours commence par la conception de grands entrepôts de données d'entreprises, les techniques de traitement des requêtes pour le traitement analytique en ligne et le data mining dans l'entrepôt de données. Le cours étudie ensuite les changements architecturaux fondamentaux vers cluster de serveurs partagé, notamment les bases de données parallèles, MapReduce, columnstore et la prise en charge de traitement par lots, d'algorithmes itératifs, de l'apprentissage machine et des analyses intéractives dans ce nouveau contexte.

Evaluation : série devoirs écrits et de programmation + examen final

Langue : Anglais

Dans ce cours, nous introduisons la technologie bioinformatique fondamentale pour l'analyse des données de séquençage. Nous nous concentrerons sur la compréhension des méthodes informatiques fondamentales qui permettent le traitement direct et d'importantes analyses en aval. Le cours consacre environ un tiers de son temps à discuter des algorithmes de graphes pour l'assemblage des génomes ainsi que de la structure d'index pour la cartographie des données de séquençage de la prochaine et de la troisième génération. Nous présenterons ensuite des méthodes d'annotation, d'alignement et de recherche de motifs et consacrerons une partie à la phylogénomique. Un autre domaine d'intérêt est l'analyse des expériences basées sur le séquençage de l'ARN, afin de révéler la structure et les interactions des ARN. Nous nous pencherons ici sur la combinaison de la structure de l'ARN et de la prédiction des interactions, en insistant sur leur intégration avec les données expérimentales.

Computer programming (CSE101) introduces students (with or without previous programming experience) to the fundamentals of computer programming in Python, with applications across the sciences. In this course, students will explore fundamental algorithms and data structures, up to and including binary trees, using a mixture  of procedural, recursive, and object-oriented techniques. Upon completion of this course, students will have a solid foundation in the culture and practice of modern programming, and the basic skills to solve real-world problems using efficient, well-written programs and open-source tools. These foundations will be extended  and completed in CSE 102 and CSE 103.

Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue en sciences des données.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données et notamment les données massives (Big Data).
Une immersion dans l’univers de la donnée à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Découvrez notre formation continue en sciences des données.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données et notamment les données massives (Big Data).
Une immersion dans l’univers de la donnée à travers un parcours intensif portant sur les fondamentaux en sciences des données.

Initiation pratique à l’apprentissage profond

Le Deep Learning (Apprentissage Profond en Français) a bénéficié d’une forte visibilité dans le monde de l’apprentissage automatique, grâce notamment aux progrès rapides et importants dans la reconnaissance vocale, la vision par ordinateur, et le traitement automatique du langage naturel. Cette branche du machine learning a suscité des investissements importants de la part des géants de l’internet tels que Google, Microsoft, Facebook et IBM.

C’est également en grande partie grâce à l’apprentissage profond que le programme AlphaZero a pu battre les champions de Go et les meilleurs programmes d’échecs en fin 2017.

Le Deep Learning permet de construire des modèles prédictifs hiérarchiques appelés réseaux de neurones artificiels. Grâce à leur structure, ces réseaux construisent automatiquement des représentations de plus en plus abstraites des données.

L’avènement de ces techniques a été rendu possible par le Big Data – grand volume de données pour l’apprentissage ; par la rapide croissance des capacités de calcul, notamment grâce aux GPUs ; et enfin par la meilleure compréhension des techniques d’optimisation des réseaux de neurones.

Programme

Ce cours couvre les techniques pratiques d’optimisation des réseaux de neurones profonds. Il permettra aux étudiants d’être opérationnels pour l’étude et la mise en place de modèles d’apprentissage avancés sur des données complexes, grâce à aux techniques et outils suivants:

• Bibliothèques Numpy, TensorFlow, Keras
• Techniques d’optimisation, de transfert et de régularisation
• Connaissance des architectures classiques et à l’état de l’art

En particulier les étudiants mettront en œuvre ces méthodes pour les applications suivantes :

• l’analyse de l’image grâce aux réseaux de convolution profonds ;
• l’analyse du langage par l’apprentissage non supervisé de représentations de mots et les réseaux récurrents ;
• une ouverture sur d’autres applications tels que les moteurs de recommandation, les modèles génératifs, …

Public visé et prérequis

Ce cours s’adresse aux étudiants ayant déjà étudié le Machine Learning. Il est composé de nombreux travaux pratiques sur machine (prévoir un ordinateur portable).

Les prérequis techniques sont langage python (notamment sous jupyter, notions de numpy et scikit-learn).

Compréhension générale des concepts de l'apprentissage automatique (regression linéaire et logistique, estimateur du maximum de vraisemblance, validation croisée et surapprentissage) et expérience avec les méthodes numériques pour l'algèbre linéaire et l'optimisation convexe.

Modalités de contrôle

Contrôle continu en début de session travaux pratiques, et évaluation finale sur machine.

The development of Smart-Grids is expected to come from the aggregation of basic low voltage power supply networks, known as micro-grids, which associate local energy production with storage capacities and energy consumers. Micro-grids restricted to a single building are often called "Nano-grids" and are also getting attention as the building block of a micro-grid.  Such Nano-grids are vulnerable to both sudden changes of power generation and load demand because of their small size, especially when operating in an island mode. Thus, managing uncertainty becomes essential when searching for an optimal Nano-grid operation.

The students will experience on a small-size Nano-grid model installed in Ecole Polytechnique campus, (Renewables sources, battery, controlled load, intelligent monitoring, …).  This structure has the particularity that two components are emulated with controlled electronic devices: the secondary power source, which replaces the role of an engine-generator (in case of an off-grid scenario) or the electric utility power, and the load, which replaces a real power demand from appliances and consumer actions. The electric parameters (intensity, voltage, power) for all components, as well as air/panel temperatures, are available in real-time and also from historical recordings.

 By example, the experimental project can be:

• The analysis of historical data so to evaluate the performance of Nano-grid for different types of days, consumption scenarios and management strategies.
• The evaluation of live Nano-grid performance through manual operation, by adjusting the target loads, the optimization EMS parameters and the input power.
• The development of new energy management system or new algorithm.
• The integration of new renewable sources in the Nano-grid.
• ...........

Langue du cours : Anglais

Introduction to Econometrics (ECO203) introduces the most common ways to study and analyze economic data, with a focus on emphasizing data analysis for empirical causal inference. Topics include linear regressions, randomized trials, instrumental variables, and differences-in-differences. Students also learn how to study datasets through practical examples (R coding).

Textbook: Introductory Econometrics: A Modern Approach by Jeffrey M. Wooldridge / Basic Econometrics by Damodar N. Guarati and Dawn C. Porter.

Dans ce cours, nous présentons le modèle de régression linéaire. Nous abordons les modèles pour les données transversales et les données de groupe et nous analysons les méthodes permettant d'évaluer les effets causalité des politiques, y compris les variables instrumentales, les effets locaux moyens du traitement (LATE), les méthodes de discontinuité de la régression (RDD), et les estimateurs de la différence des différences.

Contenu du cours :

1. Introduction à l'économétrie
2. Analyse de régression simple
3. Analyse de régression multiple
4. Hétéroscédasticité
5. Variables intrumentales
6. Effets locaux moyens du traitement
7. Méthodes de discontinuité de la régression
8. Diférences dans les différences
9. Estimation des effets fixes

Documentation :

• Angrist and Pischke: (2009): Mostly Harmless Econometrics, Princeton University Press.
• Wooldridge (2013): Introductory Econometrics: A Modern Approach, 5^th Edition, South-Western College Publishing

This crash course is intended to introduce students to the statistical software R. The goal is to teach students how to implement simple data science projects on R and where to look for for more advanced uses.

We will cover the basics of the software and focus on data wrangling, producing descriptive statistics and running regressions. If time permits, we will also learn how to use local and global variables.

At the end of the course the student will know:

• how to work with R
• where to look for for more advanced uses

and they will be able to:

• run some statistical analyses with R

L'objectif de ce cours est de présenter les concepts fondamentaux de l'analyse des séries temporelles. A l'issue de ce cours, les étudiants pourront suivre des cours plus avancés sur la modélisation des séries temporelles.
Les cours présenteront les principaux concepts des séries temporelles linéaires et les méthodes d'ajustement d'un modèle sur les données.

Références:

Brockwell, P.J. and R.A. Davis (1991) Time Series: Theory and Methods. 2nd Edition, Springer
Brockwell, P.J. and R.A. Davis (2002) Introduction to Time Series and Forecasting, Springer
Gouriéroux, C. and A. Monfort (1997) Time Series and Dynamic Models, Cambridge University Press,
Cambridge
Hamilton, J. D. (1994) Time Series Analysis, Princeton University Press

The goal of this course is to give an introduction to Machine Learning methods in Econometrics. We will analyze methods for making prediction and methods for causal inference in economic settings where one wants to learn the effects of counterfactual policies (policy evaluation).

The machine learning methods that will be presented in the course are well suited to deal with datasets with many observations and/or many covariates. We will show that statistical methods based on machine learning do not allow to answer the causal questions of interest in economics and so specific econometrics methods based on machine learning have to be used.

All along the course, the different models will be illustrated through applications and case studies. The applications will be developed by using R as statistical software package.

Introduction to Econometrics (ECO203) introduces the most common ways to study and analyze economic data, with a focus on emphasizing data analysis for empirical causal inference. Topics include linear regressions, randomized trials, instrumental variables, and differences-in-differences. Students also learn how to study datasets through practical examples (R coding).

Textbook: Introductory Econometrics: A Modern Approach by Jeffrey M. Wooldridge / Basic Econometrics by Damodar N. Guarati and Dawn C. Porter.

Dans ce cours, nous présentons le modèle de régression linéaire. Nous abordons les modèles pour les données transversales et les données de groupe et nous analysons les méthodes permettant d'évaluer les effets causalité des politiques, y compris les variables instrumentales, les effets locaux moyens du traitement (LATE), les méthodes de discontinuité de la régression (RDD), et les estimateurs de la différence des différences.

Contenu du cours :

1. Introduction à l'économétrie
2. Analyse de régression simple
3. Analyse de régression multiple
4. Hétéroscédasticité
5. Variables intrumentales
6. Effets locaux moyens du traitement
7. Méthodes de discontinuité de la régression
8. Diférences dans les différences
9. Estimation des effets fixes

Documentation :

• Angrist and Pischke: (2009): Mostly Harmless Econometrics, Princeton University Press.
• Wooldridge (2013): Introductory Econometrics: A Modern Approach, 5^th Edition, South-Western College Publishing

Le domaine de l'économie urbaine introduit l'espace dans les modèes économiques afin d'étudier la localisation de l'activité économique (et sociale). Il est basé sur la définition de milieux urbains qui combinent le critère de densité minimum et le critère de population minimum. Du niveau macro au niveau micro, il traite de la croissance/décroissance urbaine (la taille et le nombre de villes), la structure urbaine (spécialisation du quartier, transport) et les problèmes sociaux/écologiques urbains (les plus notables, entre autres : la ségrégation et l'expansion). Ces trois niveaux s'entrecroisent, par exemple : les schémas de localisation à l'intérieur d'une zone urbaine (réglementation de l'accès aux installations, fournisseurs, travailleurs, etc.) influencent leur abilité de croissance ; la faible croissance des métropoles est plus susceptible d'étendre l'écart de croissance entre le centre-ville et les banlieues, limiter l'expansion urbaine exarcerbée. Il est évident que la structures et les dynamiques urbaines dépendent fortement de la manière dont la terre est évaluée et développée en secteur immobilier résidentiel et commercial : à travers le secteur de la construction et les marchés immobiliers qui dépendent à leur tour de nombreuses régulations et contraintes technologiques. Compte tenu de l'importance du financement hypothécaire pour le système bancaire, le fonctionnement du secteur immobilier a de grandes conséquences sur l'ensemble de l'économie. Enfin, malgré de nombreux mécanismes communs, les fortunes urbaines sont également fortement influencées par des idiosyncrasies culturelles et géographiques. Nous décrirons en détails comment collecter et traiter des informations sur les systèmes et les économies urbaines et comment la théorie de l'économie urbaine et les données urbaines peuvent être utilisées conjointement pour produire un ensemble pertinent de connaissances sur les villes.

ECO 583 Business Economics

The objective of this course is to study business cases in which professionals take decision mobilizing economics and data. Sessions are devoted to different topics presented by a professional expert of the subject.The provisional calendar is the following :

• January 8th :  Rémi Avignon – Course Introduction and Values Chains
• January 15th : Jean Baptiste Vilain – Auctions
• January 25th : Rémi Avignon and Thomas Larrieu – Platforms
• January 29th : Olivier Beaude and Paulin jacquot – Electricity Markets
• February 5th : Arthur Souletie – Data and Health
• February 12th :  Nicolas Dupuis – Pricing
• February 26th : Julie Tisserond – Data Strategy
• March 4th : Students Presentations
• March 11th : Students Presentations

Evaluation is a combination of the three following points:

• Presence is mandatory to each course. A significant part of the grade will depends of assiduity and activity during the courses.
• During each session, a group of students will discuss the presentation of the day. This will require preparation of the topic before the session.
• During the two last sessions, groups of students will present business issues prepared during the semester.

Cours en anglais

Crédits ECTS : 4