Informatique

Objectifs pédagogiques

• Maîtriser l’interface et le workflow Unity.

• Comprendre physique, animation, navigation (NavMesh) et UI.

• Programmer le gameplay en C# (nouvel Input System).

• Produire et optimiser un prototype jouable (desktop/mobile).

Public & prérequis

• Débutants : logique de programmation de base, PC/Mac, Unity Hub. Durée recommandée : 90 h.

• Intermédiaires : bases C#, familiarité IDE, durée : 60 h.

Contenu principal (tronc commun)

• Interface & concepts (20%) : scenes, GameObjects, Prefabs, URP, physique.

• Programmation C# (40%) : MonoBehaviour, boucle de jeu, Input System, collisions, architecture modulaire.

• Graphismes & animation (20%) : import d’assets, Animator, Cinemachine, UI.

• Build & optimisation (20%) : profiling, occlusion, LOD, packaging pour plateformes.

Parcours & planning (exemples)

• Intermédiaire (60h) : prise en main → mini-jeu 2D → intro 3D → projet final 3D.

• Débutant (90h) : bases C# → 2D complet → 3D fondations → gameplay & systèmes → production & projet final.

Modalités pédagogiques

• 70% pratique / 30% théorie — ateliers pas-à-pas, pair-programming, code reviews.

• Dépôt Git par apprenant, mini-sprints et soutenance finale.

Livrables & évaluation

• Mini-jeu 2D, prototype 3D jouable, dépôt Git documenté, vidéo de démonstration.

• Évaluations par quizz, TP notés, code review et soutenance.

Objectifs

• Comprendre architectures IoT (capteurs, edge, cloud).

• Programmer microcontrôleurs (Arduino / ESP32).

• Collecter et transmettre des données de capteurs vers le cloud.

• Prototyper une solution IoT fonctionnelle pour un cas concret.

Contenu (répartition)

• Fondamentaux IoT (20%) : architectures, protocoles (MQTT, HTTP).

• Matériel & électronique (30%) : Arduino/ESP32, capteurs et actionneurs.

• Programmation embarquée (30%) : C++ / MicroPython pour capteurs.

• Connectivité & cloud (20%) : envoi de données, dashboard (ThingSpeak, AWS IoT…).

Planning (exemple — 60h)

• Session 1 : découverte matériel & premier capteur (LED/clignotante).

• Session 2 : programmation avancée et multi-capteurs.

• Session 3 : transmission vers le cloud et visualisation.

• Session 4 : projet final (serre connectée, mini maison intelligente).

Modalités & prérequis

• 100% présentiel en lab équipé, kits IoT requis.

• Pré-requis techniques : bases en programmation (Python/C/JS), notions d’électricité, réseau (Wi-Fi).

• Matériel : PC portable + kit (Arduino/ESP32, capteurs, actionneurs).

• Logiciels : Arduino IDE/PlatformIO, Python 3.x, dashboards (ThingSpeak/Node-RED).

Objectifs

• Assimiler les notions fondamentales du ML/DL.

• Mettre en œuvre techniques NLP : prétraitement, sentiment analysis, NER.

• Construire modèles simples avec TensorFlow/PyTorch.

• Développer une application NLP consommant une API cloud (HuggingFace, OpenAI, etc.).

Contenu (répartition)

• AI Fundamentals (15%) : concepts ML/DL, overfitting.

• NLP Techniques (40%) : tokenisation, embeddings, NER, sentiment.

• Deep Learning (25%) : réseaux de neurones, introduction aux Transformers.

• API & Cloud (20%) : intégration d’APIs et services cloud.

Planning

• Intermédiaire — 60h / Débutant (avec module préparatoire) — 90h

• Session 1 : fondamentaux ML + pipeline NLP.

• Sessions 2–3 : projets pratiques de classification, sentiment, NER.

• Session 4 : embeddings et petit modèle DL.

• Session 5 : projet applicatif (chatbot, analyse de tweets, résumé).

Modalités

• 70% pratique / 30% théorie.

• Niveau cible : surtout intermédiaire/avancé (bonnes bases Python + ML).

Objectifs

• Identifier les menaces majeures (phishing, malware, ransomware, DoS).

• Mettre en œuvre protections réseau et poste (MFA, chiffrement, VPN).

• Réaliser tests d’intrusion de niveau basique en environnement contrôlé.

• Connaître les cadres de conformité (RGPD, ISO 27001, NIST).

Contenu (répartition)

• Threat Landscape (20%) : typologie des attaques.

• Techniques de protection (30%) : cryptographie, firewalls, VPN, MFA.

• Ethical Hacking (30%) : Nmap, Metasploit (initiation), analyse de logs.

• Compliance (20%) : RGPD, ISO 27001, NIST, OWASP Top 10.

Planning

• Intermédiaire — 60h / Débutant — 90h

• Session 1 : panorama et fondamentaux.

• Session 2 : protections techniques.

• Session 3 : ethical hacking en labo.

• Session 4 : cas pratiques et audit fictif.

Modalités

• 70% labs / 30% théorie, simulations d’attaques/défenses, mini-projets.

Objectifs

• Manipuler et nettoyer des données (Pandas, NumPy).

• Créer visualisations et raconter les données (Matplotlib, Seaborn).

• Mettre en œuvre modèles de machine learning supervisé.

• Communiquer résultats via notebooks et dashboards (Streamlit/Power BI).

Contenu (répartition)

• Python pour la data (20%) : Numpy, Pandas.

• Visualisation (25%) : Matplotlib, Seaborn, data storytelling.

• Machine Learning (30%) : régression, classification, arbres, random forest, clustering intro.

• Data storytelling & outils (25%) : Jupyter, Power BI/Streamlit, communication.

Planning

• Intermédiaire — 90h / Débutant — 120h

• S1–S2 : Python DS (Pandas, Numpy) + visualisation.

• S3–S4 : ML supervisé + intro non supervisé.

• S5 : storytelling & dashboards.

• S6 : projet final (jeu de données réel, rapport et présentation).

Modalités

• 70% pratique / 30% théorie, projet fil rouge.

Objectifs

• Comprendre l’écosystème Big Data et ses cas d’usage (batch & streaming).

• Maîtriser Hadoop (HDFS, YARN, MapReduce) et l’interaction avec Spark/Hive.

• Développer des traitements distribués avec Apache Spark.

• Concevoir des pipelines batch et temps réel (Kafka + Structured Streaming).

• Déployer des solutions cloud (EMR/Glue/Dataproc) et modèles lakehouse (Delta/Iceberg).

• Intégrer qualité, gouvernance et sécurité.

Contenu (75h)

Session 1 — Fondamentaux

• Concepts 4V, architectures lake/lakehouse, formats Parquet/ORC, schema evolution.

• Hadoop : HDFS, YARN, MapReduce, Hive/Metastore.

Session 2 — Traitement batch avec Spark

• Architecture Spark, RDD vs DataFrame, transformations/actions, optimisation (Catalyst, Tungsten, AQE), partitioning et stratégies de jointure.

Session 3 — Streaming & ingestion

• Kafka (topics, partitions, schema registry), Structured Streaming, exactly-once, checkpoints.

• Stockage NoSQL : HBase, Cassandra (use-cases OLAP/OLTP).

Session 4 — Data engineering avancé & Cloud

• Orchestration : Airflow, qualité des données (Great Expectations/Deequ), lineage, catalogue (Glue/Atlas).

• Cloud & sécurité : AWS EMR/Glue ou Dataproc, notions serverless, gestion coûts et IAM/RBAC, chiffrement.

Session 5 — Projet final

• Pipeline complet (ingestion batch+stream, traitement Spark, stockage Delta/Iceberg, visualisation, observabilité, CI/CD, runbook).

Modalités pédagogiques

• 50% labs / 30% études de cas / 20% théorie. Environnements cloud ou on-prem selon disponibilité.

Environnement technique & prérequis

• Hadoop 3.x, Spark 3.x (Python ou Scala), Kafka, Airflow, Delta/Iceberg, Jupyter/VS Code.

• Pré-requis : Python ou Scala, SQL, Linux CLI, notions réseaux et data.

Livrables & évaluation

• Pipeline ETL/ELT complet, notebooks, dashboards BI, runbook opérationnel.

• Quizzes, labs évalués sur robustesse, soutenance finale.

Objectifs pédagogiques

• Maîtriser Swift et l’environnement Xcode.

• Développer des applications iOS modernes avec SwiftUI.

• Intégrer des API REST et assurer la persistance locale.

• Appliquer l’architecture MVVM et des patterns iOS courants.

• Préparer la publication via TestFlight / App Store.

Contenu & planning (durées indicatives)

• Intermédiaire — 75h / Débutant — 120h

Session 1 — Fondamentaux

• Swift : syntaxe, optionnels, structs, POO, protocoles, ARC.

• Xcode & Interface Builder : navigation dans l’IDE, outils, bref comparatif UIKit vs SwiftUI.

• SwiftUI : vues, modifiers, état de base, layouts (VStack/HStack/ZStack).

Session 2 — UI avancée

• SwiftUI avancé : listes, navigation, animations, vues personnalisées.

• Architecture MVVM : ObservableObject, Environment, gestion avancée de l’état.

Session 3 — Données & API

• Intégration REST : URLSession, async/await, encodage/décodage JSON, gestion des états de chargement.

• Persistance locale : Core Data, UserDefaults, Keychain (sécurité).

Session 4 — Fonctionnalités & Déploiement

• Intégration SDK iOS : notifications, géolocalisation, caméra/photos.

• Préparation App Store : code signing, certificats, App Store Connect, TestFlight.

Session 5 — Projet final

• Conception et réalisation d’une application complète, revues de code, optimisation, démonstration et soumission TestFlight/App Store.

• Rétrospective technique : bonnes pratiques et axes d’évolution.

Modalités pédagogiques

• 60% pratique / 30% théorie / 10% revue (coding labs, ateliers, code reviews).

Environnement technique & prérequis

• Xcode 15+, iOS 17 SDK, Swift 5.9, GitHub pour le versioning.

• Pré-requis : bases de programmation, notions d’algorithme, familiarité avec macOS.

Livrables & évaluation

• Application iOS complète, portfolio GitHub documenté, documentation technique.

• Quizz hebdomadaires, revues de code, soutenance finale et publication TestFlight/App Store (si applicable).

Objectifs

• Créer des applications mobiles multiplateformes avec Flutter.

• Maîtriser le langage Dart et le fonctionnement des widgets.

• Gérer l’état des applications (ex. Provider).

• Intégrer des APIs REST et des services Firebase.

• Préparer une build Android (et aperçu de la publication iOS).

Contenu (répartition indicative)

• Dart & bases (20%)

• Widgets & UI (40%)

• State management (20%) — Provider comme approche principale

• APIs & Firebase (15%)

• Publication (5%)

Planning proposé

• Profil intermédiaire — 60h / Débutant — 90h

• Session 1 : intro Dart + premiers widgets (UI basiques).

• Session 2 : widgets avancés, navigation et Material Design.

• Session 3 : gestion d’état (Provider), intégration d’API REST, Firebase auth/database.

• Session 4 : projet fil rouge — application complète, tests de base, build Android et aperçu iOS.

Modalités pédagogiques

• 70% pratique / 30% théorie, avec un projet continu sur toute la formation.

Objectifs

• Acquérir une solide maîtrise des bases d’Android avec Kotlin.

• Concevoir et livrer une application mobile native complète.

• Appliquer une architecture moderne (MVVM) pour des applications maintenables.

• Savoir publier et maintenir une application sur le Play Store.

Contenu (répartition indicative)

• Kotlin & fondamentaux (20%) : syntaxe, POO, lambdas, coroutines.

• UI/UX Android (25%) : layouts XML, RecyclerView, principes Material Design, accessibilité.

• Architecture & données (25%) : ViewModel, LiveData, Room, pattern repository.

• API & services (15%) : Retrofit, consommation d’API REST, gestion d’erreurs et JSON.

• Tests & déploiement (15%) : tests unitaires, signature d’application, procédure Play Store.

Planning proposé

• Profil intermédiaire — 60h / Débutant — 90h

• Semaine 1 : bases de Kotlin et UI simple → mini-app To-Do List.

• Semaine 2 : composants avancés et Room → persistance locale.

• Semaine 3 : implémentation MVVM + intégration d’API → app météo.

• Semaine 4 : projet final, tests et préparation à la publication sur le Play Store.

Modalités pédagogiques

• 60% pratique / 40% théorie.

• Projet final individuel ou en groupe pour valider les acquis.