كل المقررات الدراسية

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

Comprendre les principes fondamentaux de la gamification et son application dans différents domaines
Identifier les différents types de joueurs et adapter les stratégies de gamification en conséquence
Appliquer un cadre conceptuel pour concevoir des jeux sérieux orientés apprentissage
Analyser les aspects d'interaction homme-machine (HCI) et d'utilisabilité dans les systèmes gamifiés
Concevoir des systèmes gamifiés en utilisant les mécaniques, dynamiques et appropriées
Modéliser des processus de jeu à l'aide d'UML et BPMN

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Expliquer les principes de la programmation de jeux, l'architecture des moteurs de jeu et les modèles de conception (design patterns) couramment utilisés.
AA2: Comprendre la programmation réseau pour les jeux ainsi que le multithreading.
AA3: Appliquer les concepts de scripting (scriptage) et d'intelligence artificielle (IA) spécifiques à la programmation de jeux.
AA4: Analyser et optimiser les performances d'un jeu.
AA5 : Expliquer et appliquer les concepts de son 3D au sein des moteurs de jeu.
AA6 : Développer un jeu complet en intégrant des concepts clés tels que l'IA, la mise en réseau et le scriptage.

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Expliquer les concepts fondamentaux de la virtualisation et du Cloud Computing.
AA2 : Installer et configurer des machines virtuelles à l’aide d’un hyperviseur.
AA3 : Comparer la virtualisation classique et la conteneurisation.
AA4 : Appliquer les bonnes pratiques professionnelles en environnement Cloud.

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Configurer et déployer une application XR complète sur plateforme cible (Quest, Pico, HoloLens) à partir d'un projet Unity/Unreal fonctionnel.
AA2 : Analyser et optimiser les contraintes réseau/performance pour déployer XR distribué.
AA3 : Intégrer et orchestrer services backend Cloud (Firebase, AWS XR) pour applications multi-utilisateurs.
AA4 : Mettre en production, monitorer et maintenir une application XR déployée.

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Comprendre les concepts fondamentaux de l’indexation et de l’annotation multimédia
AA2 : Identifier et distinguer les types de contenus multimédia et leurs spécificités
AA3 : Appliquer des méthodes d’indexation et d’annotation adaptées à un contenu donné
AA4 : Analyser des systèmes d’indexation multimédia existants
AA5 : Concevoir une solution simple d’annotation ou d’indexation multimédia
AA6 : Travailler en équipe et présenter un travail technique de manière structurée

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Comprendre les fondements du deep learning et de l’IA générative.
AA2 : Concevoir, entraîner et évaluer un modèle de Deep Learning sur des jeux de données réels (classification d’images, génération de texte/image).
AA3 : Appliquer les techniques de l’IA générative sur des cas pratiques (texte et image).
AA4 : Développer une conscience critique des enjeux éthiques, légaux et sociétaux liés à l’usage des technologies de Deep Learning et d’IA générative (biais, propriété intellectuelle, utilisation responsable).
AA5 : Introduire l’utilisation des RAGs

A l'issue de ce module d'enseignement, l'étudiant(e) sera capable de :

AA1 : Mesurer la qualité d'usage par métriques quantitatives (SUS, NPS, Task Success Rate)
AA2 : Analyser comportements utilisateurs via heatmaps et session replays
AA3 : Optimiser interfaces selon données analytics (A/B testing, funnel analysis)
AA4 : Évaluer systèmes XR par métriques spécifiques (motion sickness, spatial tasks)