Programme avancé Intelligence artificielle et big data pour l'océan
Ce programme avancé vous prépare à appliquer l'intelligence artificielle et l'analyse de données à grande échelle pour comprendre et gérer l'océan. Vous apprendrez à intégrer des données de satellites, de bouées, de navires, de capteurs et de modèles numériques, à construire des pipelines de données évolutifs dans le cloud, et à entraîner et valider des modèles d'apprentissage automatique et d'apprentissage profond qui prévoient, classent et détectent des motifs dans le milieu marin, selon des critères solides de qualité, de reproductibilité et d'usage responsable de l'IA.
Évaluation de vos acquis
Voici les compétences que vous apporte ce programme. Cochez celles que vous maîtrisez déjà et nous vous indiquerons la partie du programme qui vous concerne.
Vous partez de zéro dans ce domaine. Le programme est conçu précisément pour cela.
Qu'est-ce que le programme Programme avancé Intelligence artificielle et big data pour l'océan ?
Ce programme avancé vous prépare à appliquer l'intelligence artificielle et l'analyse de données à grande échelle pour comprendre et gérer l'océan. Vous intégrerez données satellite, de capteurs, de navires et de modèles dans des architectures évolutives, nettoierez, harmoniserez et annoterez les données océaniques selon des standards de qualité, entraînerez des modèles de régression, de classification et de clustering sur des données marines, utiliserez des réseaux convolutifs et récurrents pour les images, les séries temporelles et les signaux, déploierez des modèles dans le cloud selon les pratiques MLOps et évaluerez incertitude, biais, transparence et gouvernance des données.
Ce qui distingue ce programme avancé : le travail sur de vrais jeux de données océaniques ouverts issus de satellites, de flotteurs Argo, de l'AIS et de réanalyses ; le parcours complet de la donnée au modèle, avec ingénierie des données, apprentissage automatique et déploiement dans un même programme ; des outils ouverts, dont Python, des environnements cloud et des bibliothèques scientifiques professionnelles ; des applications sectorielles dans la pêche, la navigation, l'énergie, le climat et la conservation ; et un projet final dans lequel vous construisez un système d'IA pour un problème océanique réel.
Points forts du programme
- Vraies données océaniques : jeux ouverts issus de satellites, flotteurs Argo, AIS et réanalyses.
- De la donnée au modèle : ingénierie des données, apprentissage automatique et déploiement dans un même programme.
- Outils ouverts : Python, environnements cloud et bibliothèques scientifiques professionnelles.
- Cas sectoriels : applications dans la pêche, la navigation, l'énergie, le climat et la conservation.
- IA hybride : émulateurs et modèles informés par la physique pour la prévision océanique.
- Projet final : un système d'IA appliqué à un problème océanique réel.
Programme d'études : Programme avancé Intelligence artificielle et big data pour l'océan
11 modules. Sélectionnez un module pour en consulter le contenu.
Fondements des données océaniques
- 1.1. L'océan comme système de données
- 1.2. Variables océaniques essentielles
- 1.3. Sources d'observation in situ
- 1.4. Sources de télédétection
- 1.5. Sorties de modèles numériques
- 1.6. Données sur l'activité humaine en mer
- 1.7. Formats NetCDF, HDF5 et Zarr
- 1.8. Métadonnées et conventions CF
- 1.9. Principes FAIR
- 1.10. Grands dépôts océaniques internationaux
Programmation et analyse scientifiques avec Python
- 2.1. Environnements et gestion des dépendances
- 2.2. NumPy et calcul vectorisé
- 2.3. Pandas pour les séries et les tableaux
- 2.4. Xarray pour les données multidimensionnelles
- 2.5. Analyse géospatiale avec GeoPandas
- 2.6. Calcul parallèle avec Dask
- 2.7. Notebooks Jupyter reproductibles
- 2.8. Gestion de versions avec Git
- 2.9. Bonnes pratiques de code scientifique
- 2.10. Tests et documentation du code
Ingénierie des données et architectures big data
- 3.1. Le cycle de vie des données
- 3.2. Ingestion par lots et en temps réel
- 3.3. Data lakes et entrepôts de données
- 3.4. Stockage objet dans le cloud
- 3.5. Formats optimisés pour l'analyse
- 3.6. Catalogues de données et STAC
- 3.7. Orchestration des workflows
- 3.8. Bases de données spatiales
- 3.9. Flux de données de capteurs
- 3.10. Coûts et efficacité du cloud
Statistique et qualité des données océaniques
- 4.1. Statistique descriptive appliquée
- 4.2. Contrôle qualité automatisé
- 4.3. Détection des valeurs aberrantes
- 4.4. Comblement des lacunes et interpolation
- 4.5. Analyse de séries temporelles
- 4.6. Statistique spatiale et krigeage
- 4.7. Analyse en composantes principales
- 4.8. Analyse des valeurs extrêmes
- 4.9. Incertitude de mesure
- 4.10. Validation croisée par les observations
Apprentissage automatique appliqué à l'océan
- 5.1. Types d'apprentissage automatique
- 5.2. Ingénierie des variables océaniques
- 5.3. Régression et arbres de décision
- 5.4. Forêts aléatoires et gradient boosting
- 5.5. Classification des masses d'eau
- 5.6. Clustering et régions océaniques
- 5.7. Sélection et réglage des modèles
- 5.8. Métriques d'évaluation
- 5.9. Déséquilibre des classes
- 5.10. Interprétabilité des modèles
Apprentissage profond pour les données marines
- 6.1. Réseaux de neurones et rétropropagation
- 6.2. Réseaux convolutifs pour les images
- 6.3. Segmentation sémantique
- 6.4. Réseaux récurrents et LSTM
- 6.5. Transformers pour les séries temporelles
- 6.6. Autoencodeurs et réduction de dimension
- 6.7. Modèles génératifs
- 6.8. Apprentissage par transfert
- 6.9. Entraînement sur GPU
- 6.10. Régularisation et surapprentissage
Vision par ordinateur pour l'imagerie sous-marine et satellite
- 7.1. Imagerie satellite optique et radar
- 7.2. Détection de navires sur les images
- 7.3. Cartographie des habitats côtiers
- 7.4. Détection des nappes d'hydrocarbures et des efflorescences algales
- 7.5. L'imagerie sous-marine et ses limites
- 7.6. Identification automatique des espèces
- 7.7. Comptage et suivi d'organismes
- 7.8. Étiquetage et annotation d'images
- 7.9. Jeux de données de référence
- 7.10. Validation sur le terrain
IA physique et hybride pour la prévision océanique
- 8.1. Limites des modèles purement statistiques
- 8.2. Émulateurs de modèles numériques
- 8.3. Réseaux de neurones informés par la physique
- 8.4. Correction des biais des modèles
- 8.5. Descente d'échelle par IA
- 8.6. Assimilation de données et apprentissage automatique
- 8.7. Prévision de la houle et des courants
- 8.8. Prévision de la température de surface de la mer
- 8.9. Quantification de l'incertitude
- 8.10. Modèles de fondation émergents du système Terre
Applications sectorielles de l'IA océanique
- 9.1. Pêche et suivi des flottes par AIS
- 9.2. Détection de la pêche illégale
- 9.3. Optimisation des routes maritimes
- 9.4. Exploitation portuaire intelligente
- 9.5. Énergies marines renouvelables
- 9.6. Aquaculture de précision
- 9.7. Surveillance des aires marines protégées
- 9.8. Pollution et déchets marins
- 9.9. Risque climatique côtier
- 9.10. Bioacoustique et faune marine
MLOps, éthique et gouvernance de l'IA
- 10.1. Du prototype à la production
- 10.2. Conteneurs et déploiement de modèles
- 10.3. Suivi des expériences
- 10.4. Surveillance et dérive des données
- 10.5. API et services de prédiction
- 10.6. Sécurité et confidentialité des données
- 10.7. Biais et équité des modèles
- 10.8. Transparence et explicabilité
- 10.9. Cadres réglementaires de l'IA
- 10.10. L'empreinte énergétique de l'IA
Projet final
- 11.1. Définition du problème et des utilisateurs
- 11.2. Revue de l'état de l'art
- 11.3. Choix et obtention des données
- 11.4. Conception de l'architecture de données
- 11.5. Préparation des données et contrôle qualité
- 11.6. Développement et entraînement des modèles
- 11.7. Évaluation et analyse des erreurs
- 11.8. Prototype de déploiement
- 11.9. Rédaction du rapport de projet
- 11.10. Soutenance devant un jury
Durée et modalité du programme Programme avancé Intelligence artificielle et big data pour l'océan
Le programme compte 1 500 heures. Indiquez-nous combien d'heures vous pouvez y consacrer chaque semaine et nous vous dirons quand vous terminerez réellement.
C'est le rythme auquel la plupart des étudiants terminent. Il s'accorde bien avec le paiement échelonné.
Direction académique et corps enseignant
L'équipe pédagogique de Navalis : des professionnels en activité qui enseignent et encadrent les programmes.
Dr Marina AlcoverDirectrice académique et responsable de l'assurance qualité
Ing. Diego CifuentesProfesseur titulaire de soudage naval et de contrôles non destructifs ; responsable QA/QC des assemblages soudés
Cdt Javier Abaroa (MCA)Professeur titulaire de manœuvre, de navigation électronique (ECDIS/Radar/ARPA) et de GMDSS ; coordinateur de la conformité STCW et de la gestion des ressources à la passerelle
Dr. Pau FerrerProfesseur titulaire d'architecture navale et de simulation ; directeur du laboratoire d'hydrodynamique et de CFD
Dr Nuria LlobregatProfesseure titulaire de météorologie marine, de SAR et de sécurité opérationnelle ; coordinatrice de la gestion des risques liés à la navigation
Ing. Javier BañulsProfesseur titulaire d'électrotechnique, d'automatisme et d'ingénierie ETO ; coordinateur de l'intégration électronique et des alarmes machine
Ing. Sofía MarquinaProfesseure titulaire de matériaux, de composites et de protection anticorrosion ; coordinatrice de la filière peintures et revêtements avancés
Ing. Tomás RieraProfesseur titulaire de propulsion, d'énergies alternatives et de systèmes hybrides ; coordinateur de la performance énergétique et des vibrationsObjectifs du programme Programme avancé Intelligence artificielle et big data pour l'océan
Débouchés professionnels du programme Programme avancé Intelligence artificielle et big data pour l'océan
Questions sur le programme Programme avancé Intelligence artificielle et big data pour l'océan
Des bases sont conseillées, mais le programme comprend un module de Python scientifique qui part des fondamentaux.
Avec des données ouvertes de satellites, de bouées, de flotteurs Argo, de l'AIS, de réanalyses et de sorties de modèles océaniques.
Non. Les exercices les plus exigeants se font dans des environnements cloud et des notebooks distants.
Oui, y compris les émulateurs et les modèles hybrides, présentés comme un domaine en développement avec ses propres limites et incertitudes.
Vous construisez un système d'IA complet, des données jusqu'à un prototype déployé, appliqué à un problème océanique réel, et le soutenez devant un jury.
Entièrement en ligne, via un campus virtuel accessible 24 h/24 et 7 j/7, avec des sessions en direct enregistrées et un tutorat assuré par l'équipe pédagogique.
Le programme représente une charge de travail de 1 500 heures, et vous avancez à votre rythme dans le calendrier qui vous est remis à l'inscription.
Oui. Le module 10 couvre les biais et l'équité, la transparence et l'explicabilité, la sécurité et la confidentialité des données, les cadres réglementaires de l'IA et l'empreinte énergétique de l'IA.
Autres programmes en Climat et océanographie
Procédure d'admission
Inutile d'attendre qu'on vous rappelle. Si votre dossier est complet, vous pouvez vous inscrire au cours de la même session.
- Profil : s'adresse aux diplômés en sciences de la mer, physique, mathématiques, statistique, informatique, ingénierie ou domaine proche, aux data scientists et développeurs qui se tournent vers les secteurs marin et climatique, aux océanographes et chercheurs, au personnel technique des ports, des compagnies maritimes et des entreprises d'énergies marines, ainsi qu'au personnel des agences publiques et environnementales ; une expérience professionnelle en analyse de données ou dans le secteur maritime constitue également une voie d'accès valable.
- Langue : une maîtrise suffisante du français pour suivre les cours et la documentation technique.
- Ressources techniques : un ordinateur avec une connexion internet stable, un navigateur à jour et une caméra pour les sessions en direct et la présentation des projets.
- Admission : candidature en ligne, étude de votre profil et bref entretien avec l'équipe pédagogique.
- 01CandidatureVos coordonnées, votre parcours et vos documents.
- 02Vérification immédiateNous vérifions que tout est complet et conforme.
- 03InscriptionChoisissez le paiement comptant ou échelonné et réservez votre place.
L'admission reste provisoire jusqu'à la validation des documents fournis par le comité. Si les conditions ne sont pas remplies, l'intégralité du montant est remboursée.
Posez-nous vos questions avant de vous inscrire
Laissez-nous vos coordonnées et le service des admissions vous écrira pour répondre à toutes vos questions. Si vous êtes déjà décidé, vous pouvez déposer votre candidature et payer au cours de la même session.