Objectifs de la formation
- Analyser des problèmes dans le champ de l’EEEA à l’aide d’outils mathématiques, informatiques et statistiques
- Utiliser des techniques de résolution classique ou innovante
- Appliquer des concepts de l’EEEA en tenant compte des contraintes externes (environnementales, mécaniques, thermiques…)
- Utiliser les appareils et les techniques de mesure les plus courants ainsi que ceux utilisant des technologies complexes et innovantes
- Développer des logiciels d’acquisition et d’analyse de données
- Développer des stratégies de commande et de pilotage de process
- Identifier les sources d’erreur dans la chaîne d’acquisition des données expérimentales
- Corriger les erreurs de mesure
- Utiliser de manière experte des logiciels métier adaptés aux problématiques de l’EEEA et développer des stratégies originales de programmation à des fins de pilotage de process
- Analyser des données expérimentales (big-data, images…) en utilisant des approches variées (machine ou deep learning, réseaux de neurones) et le cas échéant fournir des éléments d'information à une IA dédiée à une problématique de l'EEEA
- Exploiter des données pour élaborer un modèle de comportement ou de connaissance en utilisant les outils de l’EEEA
- Valider un modèle par comparaison de ses prévisions avec les données expérimentales
- Concevoir des programmes informatiques dans le champ de l'EEEA et utiliser divers langages en tenant compte des problématiques de sécurité des données
- Intégrer des systèmes électroniques et informatiques complexes incluant le traitement et l’analyse de données issues de systèmes connectés
- Concevoir et dimensionner des systèmes dans les champs de l'EEEA et de la mécatronique en tenant compte de problématiques environnementales, notamment la maitrise de l’énergie
- Analyser et mettre en œuvre des nouvelles technologies
