plaquette Master Sciences Co OK - univ-amu.fr

FacultéALLSHFacultédesSciences

InstituteofLanguage,CommunicationandtheBrain

Master

mention

SCIENCESCOGNITIVES

Contrat2018-2022

Année2018-2019

MastermentionSciencesCognitives,contrat2018-2022

---------Année2018-2019--------------

p. 2

SOMMAIRE

1. PRÉSENTATIONDUMASTER p.3

2. RESPONSABLESDELAMENTIONETDESPARCOURS p.3

3. STRUCTURESDEFORMATIONETDERECHERCHE p.3

4. L’ACCESAUMASTER p.5

5. DEMARCHESD’INSCRIPTION p.5

6. VALIDATIONDUMASTER p.5

7. SITESDELAFORMATION p.6

8. CALENDRIER p.6

9. SOUTENANCESDESTAGE p.6

10. CHARTEANTI-PLAGIAT p.8

11. STRUCTUREDESPARCOURS p.9

12. DESCRIPTIFSDESENSEIGNEMENTS p.12

a. LangageCommunicationCerveau p.12

i. Semestre7 p.12ii. Semestre8 p.20iii. Semestre9 p.27iv. Semestre10 p.37

b. FonctionsCognitives p.38

i. Semestre7 p.38ii. Semestre8 p.44iii. Semestre9 p.48iv. Semestre10 p.51


---------Année2018-2019--------------

p. 3

1.PRÉSENTATIONDUMASTERMaSCoestunMasterdeSciencesCognitives,offertàAix-MarseilleUniversitéetsoutenuparl’InstituteofLanguage,CommunicationandtheBrain.Le MaSCo dispense une formation avancée sur le fonctionnement de l’esprit humain, à travers desconnaissances scientifiques et des connaissances techniques et méthodologiques nécessaires àl’évaluation, l’analyseet lamodélisationdu fonctionnementcognitifhumain.Lamaîtrisedes techniquesd’imagerie cérébrale,desoutils issusde laneuropsychologie etdesméthodes computationnelles est aucœurdelaformation.Le master vise à former desingénieurs cogniticienset à préparer aux métiers de la rechercheensciences cognitives. Cette formation fournira les connaissancesacadémiques sur le fonctionnementdel’esprithumainetlesconnaissancestechniquesetméthodologiquesnécessairesàl’évaluation,l’analyseetlamodélisation du fonctionnement cognitif. Lamaîtrise des techniques d’imagerie cérébrale, des outilsissus de la neuropsychologie (tests, techniques de remédiation, thérapie cognitive) et des méthodescomputationnelles sera au cœur de la formation. Ce master s’appuie sur l’institut Convergences ILCB(Institute of Language Communication and the Brain) regroupant 9 laboratoires de recherche et desplateformes expérimentales de pointe dont le programme scientifique consiste à étudier les basesneuronalesdulangageetdelacommunication.2.RESPONSABLESDELAMENTIONETDESPARCOURS

RESPONSABLESDELAMENTION

PascaleCOLÉ [email protected] [email protected]

RESPONSABLESDESPARCOURS

Langage,Communication,CerveauMariekeLONGCAMP [email protected] [email protected]:AspectnormaletpathologiqueLaurenceCASINI-CHAILLAN [email protected] [email protected]

ÉQUIPEPÉDAGOGIQUEPascaleColé,AlexisNasr,MariekeLongcamp,KristofStrijkers,FabriceGuillaume,LaurenceCasini-Chaillan,LaurentPrévot,PhilippeBlache

3.STRUCTURESDEFORMATIONETDERECHERCHE

Masters Département Sitesweb

MasterPNPC Psychologiecognitive https://allsh.univ-amu.fr/master-psychologie-PNPC

MasterSCIENCESDULANGAGE Sciencesdulangage https://thelitex.hypotheses.org/MasterNICC Neurosciences https://formations.univ-amu.fr/ME5SNE-

PRSNE5AE.htmlMasterIAAA Informatique https://formations.univ-amu.fr/ME5SIN-

PRSIN5AC.htmlMasterDS Mathématiques https://maths-sciences.univ-amu.fr/master-

mas/DS


---------Année2018-2019--------------

p. 4

Laboratoires etStructuresderecherche Directeur(trice)

ILCB(InstituteofLanguage,CommunicationandtheBrain)InstitutConvergences(AMU)

PhilippeBLACHEhttp://www.ilcb.fr/

LaboratoiredePsychologieCognitive(LPC)AMU&CNRS,UMR6146

JohannesZIEGLERhttps://lpc.univ-amu.fr/fr

LaboratoireParoleetLangage(LPL)AMU&CNRS,UMR6057

LaurentPRÉVOT&SergePINTOhttp://www.lpl.univ-aix.fr/

LaboratoiredeNeurobiologiedelaCognition(LNC)AMU&CNRS,UMR6155

ThierryHASBROUCQhttps://lnc.univ-amu.fr/

InstitutdeNeurosciencesdelaTimone(INT)AMU&CNRS,UMR7289

GuillaumeMASSONhttp://www.int.univ-amu.fr/

Laboratoired’informatiqueetSystèmes(LIS)AMU&CNRS,UMR7020

MustaphaOULADSINEhttp://www.lis-lab.fr/

Laboratoired’Informatiqued’Avignon(LIA)Universitéd’Avignon,EA4128

Jean-FrançoisBONASTREhttp://lia.univ-avignon.fr/

InstitutdesSciencesduMouvement(ISM)AMU&CNRS,UMR7287

ÉricBERTONhttps://ism.univ-amu.fr/

InstitutdeMathématiquesdeMarseille(I2M)AMU&CNRS,UMR7373

PascalHUBERThttp://www.i2m.univ-amu.fr/

Plateformesexpérimentalesetd’ingénieriescientifique

CentredeRessourcesExpérimentales(CREx) https://blricrex.hypotheses.org/

Centred’expérimentationsurlaparole(CEP) http://www.lpl-aix.fr/~cep/

CentredeMagnétoencéphalographie(MEG) http://ins.univ-amu.fr/instools/meg-laboratory

CentreIRMfdeMarseille

http://irmfmrs.free.fr/

PrimateCognitiveandBehavioralCenter(PCB) https://lpc.univ-amu.fr/fr/comportement-cognition-du-primate

CentredeRéalitéVirtuelledelaMéditerranée(CRVM)

http://crvm.ism.univ-amu.fr/en/index.html

Centred’ExplorationFonctionnelleetdeFormationenPrimatologie(CE2F-PRIM)

http://www.int.univ-amu.fr/spip.php?page=equipe&equipe=CE2F-PRIM&rubrique=178&lang=fr


---------Année2018-2019--------------

p. 5

4.L’ACCESAUMASTER

Le master est ouvert aux étudiants ayant acquis des compétences dans les licences disciplinairessuivantes:

• LicencedeSciencesdelaVie• LicencedePsychologie• Licenced’Informatique• LicencedeSciencesduLangageouLinguistique• LicencedeMathématique• LicencedeSciencesetHumanités• LicenceMathématiqueetInformatiqueAppliquéesauxSciencesHumainesetSociales• LicenceMathématiquePhysiqueChimieInformatique

L’entréeenMasterestsoumiseàsélection,aussibienen1èreannée(après la licenceouBAC+3)qu’en2èmeannée(aprèsbac+4).

Dépôtdescandidaturesparinternetobligatoirement,

• Pour lesétudiantseuropéens,via laplateformeE-Candidat:https://allsh.univ-amu.fr/scolarite-eCandidat

• Pour les étudiants internationaux, hors Europe, via la plateforme Études en France:https://pastel.diplomatie.gouv.fr/etudesenfrance/

5.APRESL’ADMISSION:DEMARCHESD’INSCRIPTION

Deux inscriptions sont à effectuer: une inscription administrative, une inscription pédagogique. C’estl’inscriptionadministrativequipermetd’avoirlacarted’étudiant,documentnécessairepourlasignaturedesconventionsdestages(attention:aucunstagenepeutdébutertantquelesconventionsnesontpassignées).

• Inscriptionadministrative:

Lesétudiants retenuspour l’accèsenM1ouenM2doivent s’inscrireauprèsde laScolaritéde l’EspaceYvesMathieu(CampusStCharles).

LesétudiantsayantvalidélalicenceouunM1dansuneautreuniversitédoiventdemanderletransfertdeleurdossierdeleuruniversitéd’origineàl’universitéd’Aix-Marseille.

• Inscriptionpédagogique:

Lafichepédagogiqueestàrendrechaquesemestre(ycomprisencasderedoublement)àlaScolaritédel’EspaceYvesMathieu(CampusStCharles).

6.VALIDATIONDUMASTER

• Nombredesessionsd’examens

EnMaster1,deuxsessions,avantlesvacancesd’été.

EnMaster2,uneseulesession.

• ValidationdechacunedesannéesdeMaster

EnMaster1,lessemestresnesecompensentpasetl’évaluationdesconnaissancesesteffectuéesurdeuxsessions.Enmaster2,lessemestresnesecompensentpasetl’évaluationdesconnaissancesesteffectuéesur une session unique. Les sous-UE ne sont pas capitalisables (donc les notes ne sont pas conservéesd’uneannéesurl’autreencasdenonvalidation).


---------Année2018-2019--------------

p. 6

• Validationd’UEauseind’unsemestre

Les éléments constitutifs d’une UE se compensent entre eux à l’intérieur d’une même UE. Les UE secompensententreellesauseind’unmêmesemestre.Toutefois,desnotesseuils,au-dessousdesquelleslacompensationn’estpasappliquée,sontexigéesdanslescassuivants:Master1Enraisondesattenduspourconférerletitredepsychologue,leMaster1dePsychologiecomporteunseuildecompensationde10/20 applicable auxUEdestageetdeTER de semestre2 (ou semestre1 selon lesspécialités). En d’autres termes, une note < 10 aux UE de stage et de TER empêche le calcul de lacompensationauseindusemestre.L’annéenepeutalorsêtrevalidée.Master2Auseindechaquesemestre, leseuildecompensationendessousduquelaucunecompensationentreUEn’estpossibleestfixéà8/20.Desurcroît,enraisondesattenduspourconférerletitredepsychologue,leMaster2dePsychologiecomporteunseuildecompensationde10/20applicableauxUEdestageetTER.

• Redoublement

TroisinscriptionsmaximumsontautoriséesenmasterdontUNESEULEen2èmeannée(saufdérogation).

Attention: en cas de redoublement, les notes des sous-UEnon validéesne sont pas conservées; il fautalorsrefairetoutel’UEconcernée,ycomprislessous-UEdontlesnotesétaient≥10.

7.SITESDELAFORMATION

LesenseignementsduTroncCommunsedéroulenttoussurleCampusStCharles(Marseille),àl’EspaceYvesMathieu

Lesenseignementsdisciplinairessedéroulentsurlescampuspropreàchaqueformation:

• SciencesduLangage:LPL,5avenuePasteur,13100Aix-en-Provence• Psychologie:FacultédeLettres,29avenueR.Schuman,13100Aix-en-Provence• Mathématiques:FacultédeSciences,CampusStCharles,Marseille• Informatique:FacultédeSciences,CampusdeLuminy,Marseille• Neurosciences:FacultédeSciences,CampusStCharles,Marseille

8.CALENDRIER

LeMastersuitlecalendrierdel’UFRALLSH,pourlescongés,lespériodesderévisionsetlesexamens.

Les UEsmutualisées par l’UFR Sciences (en Neurosciences,Mathématiques et Informatique) suivent lecalendrierdel’UFRSciences.

SereporterauxsitesdesUFRpourledétail.

UFRALLSH:https://allsh.univ-amu.fr/facult%C3%A9-des-arts-lettres-langues-et-sciences-humaines

UFRSciences:https://sciences.univ-amu.fr/

9.SOUTENANCEDESTAGE

• Le stage de M1 doit être dirigé par un membre statutaire, Enseignant-Chercheur ouChercheur(MCouPR,CRouDR).Lerapportdestagedonnelieuàunesoutenanceoraledevantun juryquidoitêtrecomposé,enplusdu (de la)directeur(trice),d’aumoinsunautremembreextérieurstatutaire(MCouPR,CRouDR).LePVdesoutenanceoùfigurelanoteattribuéeparlejury,doitêtresignéparlesmembresdujuryetremisau(àla)responsabledel’UEStageouau(àla)responsabledelaspécialitédemaster.Ladésignationdujuryrelèvedesprérogativesdu(dela)directeur(trice)dustage.


---------Année2018-2019--------------

p. 7

• Le stage de M2 donne lieu à une soutenance orale devant un jury composé du tuteur de

l’institution,duréférentuniversitaireetd’unautreE-Cstatutaire.LePVdesoutenancedoitêtresignéparlesmembresdujuryetremisàl’étudiant;unecopieestremiseau(àla)responsabledel’UEstageouau(àla)responsabledelaspécialité.Ladésignationdujuryrelèvedesprérogativesdu(dela)référent(e)universitaire.

• Letuteurinstitutionneld’unstage(deM1commedeM2)fournituneévaluationécrite(rédactionlibreougrilleàcompléter)dustagiaire.

• LesrapportsdestagedeM1commedeM2,ainsiquelesrapportsderecherchedoiventinclurelachartedenon–plagiat(voirp.8),signéeparl’étudiant.

Attention: pour que la date limite de remise du rapport soit respectée, il est indispensable que lesdocuments(mémoirederechercheetrapportdestage)soientrendusaudirecteurdelarechercheetauresponsabledestage,aumoinsunesemaineavant.


---------Année2018-2019--------------

p. 8

10.CHARTERELATIVEALALUTTECONTRELEPLAGIATDEL'UNIVERSITED'AIX-MARSEILLE

Préambule

Afindegarantirlaqualitédesdiplômesdélivrésàsesusagers,l'originalitédespublicationspédagogiquesetscientifiquesdesespersonnelsenseignantset/ouchercheurs,etfairerespecterlesdroitsdepropriétéintellectuelledesauteurs,l'Universitéd'Aix-Marseilleestengagéedanslaluttecontreleplagiat.

Lestravauxréalisésparlesusagersetparlespersonnelsdel'Universitédoiventrépondreàl'ambitiondeproduireunsavoirinéditetd’offrirunelecturenouvelleetpersonnelled’unsujet.

Les travaux concernés par cette obligation sont notamment : les thèses, lesmémoires, les articles, lessupportsdecours,sansquecettelistesoitexhaustive.

Article1

Leplagiatconsisteàreproduireuntexte,unepartied’untexte,touteproductionlittéraireougraphique,ou les idées originales d’un auteur, sans lui en reconnaître la paternité. Tout plagiat, quel qu’en soit lesupport,constitueunefaute.

Leplagiatconstitueàlafoislaviolationlaplusgravedel'éthiqueuniversitaireetunactedecontrefaçon.C’estdélitausensdel’articleL335-2ducodedelapropriétéintellectuelle.Enoutre,lefaitdecommettreunplagiatdansundocumentdestinéàêtrepubliéconstitueunecirconstanceaggravante.

Article2

Les étudiants et les personnels de l'Université s'engagent à ne pas commettre de plagiat dans leurstravaux.

Article3

Lesreproductionsdecourtsextraitsdetravauxpréexistantsenvued'illustrationouàdesfinsdidactiquessontadmisessansnécessitédedemanderleconsentementdel'auteur,uniquementdanslestrictrespectdel'exceptiondecourtecitation.

Danscecadre, lesusagerset lespersonnelsde l'Universités'engagent, lorsqu'ilsreproduisentdecourtsextraitsdetelstravaux,àidentifierclairementqu'ils'agitd'unemprunt,enapposantdesguillemets,etenindiquantlenomdel'auteuretlasourcedel'extrait.

Article4

L'Universitéd'Aix-Marseilleestattachéeaurespectdesdroitsdepropriétéintellectuelleetseréservelapossibilitéderechercherlestentativesdeplagiat,notammentparl'utilisationd'unlogicieladapté.

Acettefin,lesusagersetlespersonnelss'engagentàcommuniquer,sursimpledemandedel'Université,uneversionnumériquedeleurstravaux.

Article5

Les cas présumés de plagiat feront l'objet de poursuites engagées par l'Université devant les instancescompétentes,etleursauteursserontpassiblesdesanctionsdisciplinaires.

Ces violations des droits de propriété intellectuelle pourront également donner lieu à des poursuitesjudiciaires.


---------Année2018-2019--------------

p. 9

STRUCTUREDESPARCOURS

LANGAGE,COMMUNICATIONETCERVEAU

Semestre7(M1)• IntroductionauxSciencesCognitives 3ECTS HCOAU1• LangageetCognition 6ECTS HCOAU2• IntroductionàlaNeurobiologie 3ECTS HCOAU3• MéthodesAlgébriques 3ECTS HCOAU4• ProbabilitésetStatistiques 3ECTS HCOAU5

12ECTSàchoisirparmi:

• Psychologiedelamémoire 3ECTS HPSAU15• Psychologiecognitive2 6ECTS HPSAU15

o CognitionetLectureo Modélisationetformalisationdesconnaissances

• Génielogiciel 6ECTS SINAU02J• Complexité 6ECTS SINAU03J• Statistique 8ECTS SMSAU02C• Représentationsetapproximationde 4ECTS SMSAU04C

donnéesstructurées• Corpus 6ECTS HSLAU06• PhonétiqueetPhonologie 3ECTS HSLAU08• Sémantique 3ECTS HSLAU09

Semestre8(M1)

• Méthodeexpérimentale 3ECTS HCOBU01• Langage,CommunicationetCerveau1 6ECTS HCOBU02• Donnéesensciencescognitives 3ECTS HCOBU03• Programmation 3ECTS HCOBU04• Apprentissageautomatique 3ECTS HCOBU05• Stagesderecherche 6ECTS HCOBU06


• Prosodie 3ECTS HSLBU09• Pragmatique:Structuredel’information 3ECTS HSLBU10

etdialogue• Introductionàl’apprentissageartificiel 3ECTS SINBU26L• Introductionautraitementautomatique 3ECTS SINBU02L

deslangues• Modélisationetrésolutionpourlaprise 3ECTS SINBU27L

dedécision• Optimisationdefonctiondifférentiables 3ECTS SMSBU24C• Statistiquedécisionnelle 3ECTS SMSBU21C• Contrôlecognitif 6ECTS SNEBU13C

o Contrôlecognitifdel’actiono Attentionetpréparation

• Émotions,motivations,etleursdysfonctionnements6ECTS SNEBU10C• Apprentissageetmémoire 3ECTS SNEBU11C


---------Année2018-2019--------------

p. 10

Semestre9(M2)• ScientificWorkshop 3ECTS HCOCU01 • Systèmededialoguesetdynamique 6ECTS HCOCU02

desconversations • LangageCommunicationetCerveau2 6ECTS HCOCU03 • Utilisationdeplateformes 3ECTS HCOCU04


• FonctionnementsetDysfonctionnements 12ECTS HPSCU19o Fonctionnementetdysfonctionnement:psychologiqueo Fonctionnementetdysfonctionnement:neuropsychologique

• DéveloppementetPlasticitéduSN 6ECTS SNEAU10C• Traitementdulangagenatureletlinguistique 3ECTS SINCU83J• Apprentissageparrenforcement 3ECTS SINCU84J• Signal,ApprentissageetMultimédia 3ECTS SINCU85J• PrédictionspourleTAL 3ECTS SINCU86J• DeepLearning 3ECTS SINC82BJ• Spark/Hadoopetcalculparallèle 3ECTS SMSCU05C• Théoriedel'apprentissageetstatistique 3ECTS SMSCU06C

nonparamétrique • Traitementdusignaletdel'image 3ECTS SMSCU07C• Séparationdesources 3ECTS SMSCU08C• Datascience 6ECTS SMSCU03C

o Bigdatao Représentationsparcimonieusesdesignauxetimages

• Statistiqueappliquée 3ECTS SMSCU11C• Modèlesàvariableslatentes 3ECTS SMSCU12C• Algorithmesstochastiques 3ECTS SMSCU13C• Signaletbigdata,compressedsensing 3ECTS SMSCU14C• Visualisationdynamiquededonnéesetdatamining 3ECTS SMSCU15C• Phonologiedelaboratoire 3ECTS HSLCU10• Interactions 3ECTS HSLCU11• Syntaxedufrançaisparlé 3ECTS HSLCU14

Semestre10(M2)

• Ingénieriecognitive 6ECTS HCODU01• Stagedeterrain 24ECTS HCODU02


---------Année2018-2019--------------

p. 11

FONCTIONSCOGNITIVES:ASPECTNORMALETPATHOLOGIQUE

Semestre7(M1)

• IntroductionauxSciencesCognitives 3ECTS HCOAU1• LangageetCognition 6ECTS HCOAU2• IntroductionàlaNeurobiologie 3ECTS HCOAU3• MéthodesAlgébriques 3ECTS HCOAU4• ProbabilitésetStatistiques 3ECTS HCOAU5• Psychologiedelamémoire 3ECTS HPSAU15• Psychologiedeladécision 3ECTS HPSA20A• Psychologiecognitive2 6ECTS HPSAU16

o CognitionetLectureo Modélisationetformalisationdesconnaissances

Semestre8(M1)

• Méthodeexpérimentale 3ECTS HCOBU01• Donnéesensciencescognitives 3ECTS HCOBU03• Programmation 3ECTS HCOBU04• Apprentissageautomatique 3ECTS HCOBU05• Stagesderecherche 6ECTS HCOBU06• Contrôlecognitif 6ECTS SNEBU13C

o Contrôlecognitifdel’actiono Attentionetpréparation

• Émotions,motivations,etleursdysfonctionnements6ECTS SNEBU10CSemestre9(M2)

• ScientificWorkshop 3ECTS HCOCU01 • Utilisationdeplateformes 3ECTS HCOCU04• FonctionnementsetDysfonctionnements 12ECTS HPSCU19

Fonctionnementetdysfonctionnement:psychologique HPSC19A

Fonctionnementetdysfonctionnement:neuropsychologique HPSC19B

• DéveloppementetPlasticitéduSN 6ECTS SNEAU10C• Outilsdediagnosticetderemédiation 6ECTS HPSCU22

Semestre10(M2)

• Ingénieriecognitive 6ECTS HCODU01• Stagedeterrain 24ECTS HCODU02


---------Année2018-2019--------------

p. 12

DESCRIPTIFDESENSEIGNEMENTS


Semestre7(M1)Introductionauxsciencescognitives HCOAU1

3ECTS 15hCM,15hTDResponsable:PascaleColé Origine:SciencesCognitivesContenu L’objectifprincipaldel’UEestdefournirauxétudiantsuneconnaissanceapprofondiedel’histoiredecette discipline scientifique récente dénommé “Sciences cognitives”, de son objet d’étude (lacognitionhumaine),del’évolutiondeshypothèsessurlanature/architecturecognitivesous-tendantl’esprithumain (cybernétique,cognitiviste-symbolique,connexionniste-sub-symbolique, incarnée,ancrée)ainsiquedesgrandesquestionsdébattuesaucoursdecetteévolution(parexemple,l’esprithumainutilise-t-ildes symboles? des représentations?). Pour faciliter la compréhension de questions scientifiquesquelquefoisardues,desexemplesconcrets issusd’étudessur le langageet lavisionserontétudiés,deuxdomainespharesdansl’évolutionducadrethéoriquedessciencescognitives. Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticleen lienavecune thématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresde l’UE,unenseignementthéoriqueseradispensé, l’autremoitié seradédiéeaux travauxpersonnels. Lesdiapositivesdes cours serontdonnéesenlangueanglaise,lestravauxàrendrepourrontindifféremmentutiliserlalangueanglaiseoufrançaise. Compétencesàacquérir Lescompétencesàacquérirsontlessuivantes: 1) Acquérir une expertise sur les principales hypothèses relatives à la structure de la cognitionhumaineutiliséesdanslesrecherches actuellesensciencescognitives, 2)Maitriserlalectured’articlesscientifiques,etleurprésentation oraleetécrite.

LangageetCognition HCOAU2

6ECTS 20hCM,30hTD,10hTPResponsable: XavierAlario Origine:SciencesCognitivesContenu Le langage permet d’évoquer des personnes, objets, évènements, etc. qui ne sont pas présents.Cette capacité de re-présentation est décrite, dans les sciences cognitives, à l’aide du concept dereprésentationmentale: la trace enmémoire d’une connaissance donnée. La représentation quenousavonsdelalettre«A»,parexemple,concernesesformesvisuelles(majusculeouminuscule),sesformesmotrices(telmouvementpour l’écrire),saprononciation,éventuellementsonsens(A=bonnenote),entreautresaspects.L’objectifdecetteUEestd’amenerlesétudiant(e)sàs’approprierleconceptdereprésentationmentale,telqu’ilestutilisédanslarechercheenpsycho-linguistique.Le«Langage» sera décrit selon les différents types de connaissances (orthographe, phonologie,


---------Année2018-2019--------------

p. 13

sémantique, syntaxe, etc.) qui sont distinguées dans les théories linguistiques. La «Cognition»fournira le cadre pour décrire comment ces différentes connaissances sont manipuléesmentalement,pardesprocessuspropresaulangageoubienplusgénéraux. Modalitépédagogique L’enseignements’appuierasurdes réflexions théoriquesetdesexercicespratiques,portantsur lesversantsperceptif (audition, lecture) etproductif (parole, écriture)du langage. Les compétencesàacquérirsont1)unecompréhensiondelanotiondeniveauxdedescriptiondesystèmescognitifs,etdes niveaux d’abstraction des représentations mentales; 2) une connaissance des modèlesthéoriquesetdesdémarchesexpérimentalesde lapsycholinguistique;et3)unsavoir-fairedans laconceptionde recherchesexpérimentalesetdans l’interprétationde leurs compte rendus (articlesscientifiques). Compétences Le contenu de l’enseignement sera réparti sur douze semaines, comprenant chacune un coursmagistral (1h30)etuntravaildirigé(2h30),plusuneséancede3hderévisionsenfindesemestre.Les langues d’enseignement seront le français et l’anglais. L’évaluation comprendra un contrôlecontinu(travailenTD)etuncontrôlefinal.

Introductionàlaneurobiologie HCOAU3

3ECTS 18hCM,3hTD,9hTPResponsable:LaurenceCasini Origine:SciencesCognitivesContenu Cecoursaurapourbutdedonnerdesbasesdeneurobiologieetneurophysiologie. Ilaborderanotamment: -L’organisationgénéraledusystèmenerveux -Lessignauxélectriquesdescellulesnerveuses -Latransmissionsynaptiqueetlesneurotransmetteurs -Lesbasesdessystèmessensorielsetmoteurs Modalitépédagogique L'UE sera organisée autour de coursmagistraux, travaux dirigés et travaux pratiques. Les notionsthéoriques fondamentales seront présentées lors des CM et ensuite développées et mises enpratiquesaucoursdesTDetTP.LesséancesdeTDserontorganiséessurlemodèled'un«JournalClub» et se dérouleront en anglais. Les étudiants présenteront des articles scientifiques (tirés deJournauxinternationaux)quiservirontdesupportàdesdiscussions.LesséancesdeTPpermettrontauxétudiantsdesefamiliariseraveccertainestechniquesexpérimentalesdebase(recueild'activitésélectriques,utilisationd'atlasneuroanatomiques,utilisationdedroguespharmacologiques,mesurespsychophysiques...) Compétences En termesdecompétences, lesétudiants1/aurontacquis lesconnaissances théoriquesminimalessur le fonctionnement physiologique cérébral, 2/ connaîtront les principes de base permettant derecueillir un signal électrophysiologique, réaliser des mesures psychophysiques et visualiser uncerveau en trois dimensions 3/ sauront présenter un article scientifique en anglais de manièresynthétique, 4/ seront capables de critiquer et discuter les résultats présentés dans un articlescientifique,5/aurontaméliorerleurmaîtrisedel'anglaisluetparlé.


---------Année2018-2019--------------

p. 14

Méthodesalgébriques HCOAU4

3ECTS 9hCM,12hTD,9hTPResponsable: BrunoTorresani Origine:SciencesCognitives Contenu L’objectifdecetteUEestderevisiteretapprofondirdesélémentsd’algèbreslinéairesdéjàabordéspar les étudiants dans leur cursus antérieur, et les mettre en situation dans un contexte demodélisation et analyse de tableaux dedonnées. Il s’agit notamment de donner aux étudiants lesbasesnécessairespourcomprendreetutiliserdesméthodessimplesd’analysemultivariée. Lesprincipauxsujetstraitésserontlessuivants: -Élémentsdebase:espacesvectoriels,normeproduitscalaire,orthogonalité.Dimensionetbases. -Matrices,produitsmatriciels,représentationmatricielledesopérationsdebase -Projectionorthogonale -Diagonalisation;SVD;applicationàl'ACP -Modèlesdedonnéesstructurées(signaux,graphes,...) Modalitépédagogique L’UEcomprendradescoursmagistraux,destravauxdirigésportantsurdesexercicesd’applicationducours, et séances de TP sous le logiciel R, au cours desquels les notions théoriques développéesserontmisesenapplicationsurdesdonnéesréellesetsimulées. L’évaluationcomprendraunepartdecontrôlecontinu(travailenTPetcompterendudeTP)etunepartd’examenfinal. CompétencesLescompétencesprincipalesàacquérirsont 1) La modélisation algébrique de tableaux de données, et les manipulations classiques (deschangementsdebaseàlaréductiondedimension) 2) Lamise enœuvre de cesmanipulations avec le logiciel R, et l’application à des études de cassimples. ProbabilitésetStatistiques HCOAU5

3ECTS 9hCM,12hTD,9hTPResponsable: BrunoTorresani Origine:SciencesCognitivesContenu L’objectifdecetteUEestdepermettreauxétudiantsderevoiretapprofondirlesnotionsdebaseenprobabilitéetstatistique,etd’exploitercesnotionssurdesétudesdecassimples.Toutcommedansl’UEMéthodesalgébriques,lesacquisducoursserontillustréspardesexemples,avecuneinitiationàR. Lesprincipauxélémentsabordéslorsdececoursserontlessuivants: - Rappels de probabilités: événements, axiomes de Kolmogorov, loi des probabilités totales,probabilitésconditionnelles. - Variables aléatoires discrètes: lois classiques (binomiale, Poisson); espérance, variance; vecteursaléatoires,covariance. - Variables aléatoires continues: densité de probabilités; lois classiques (gaussienne, student,exponentielle);espérance,variance. - Statistique descriptive: histogramme,moyenne et variance empiriques; intervalles de confiance;matricedecovarianceempirique -Inférencestatistique:estimation,tests(comparaisondesmoyennes) -Analysemultivariée,ACP


---------Année2018-2019--------------

p. 15

Modalitéspédagogiques L’UEcomprendradescoursmagistraux,destravauxdirigésportantsurdesexercicesd’applicationducours, et séances de TP sous le logiciel R, au cours desquels les notions théoriques développéesserontmisesenapplicationsurdesdonnéesréellesetsimulées. L’évaluationcomprendraunepartdecontrôlecontinu(travailenTPetcompterendudeTP)etunepartd’examenfinal. Compétences Lesprincipalescompétencesàacquérirsont 1)Savoireffectuerdescalculsélémentairesdeprobabilités 2)MaîtriseretutiliserlesoutilsstandarddestatistiquedescriptiveetinférentiellesousR 3)Exploiterlesoutilssimplesd’analysemultivariéesousR Psychologiedelamémoire HPSAU15

3ECTS 10hCM,15hTDResponsable: FabriceGuillaume Origine:PNPCContenu L’objectifdecetteunitéd’enseignementestdeparcourir l’ensembledesconnaissancesactualiséessur le fonctionnement de notre mémoire et les mécanismes d’intégration des connaissances. Cecours abordera conjointement lesmodèles psychologiques et neuroscientifiques de lamémoire àtravers les approches multi-système, système unique, connexionnistes et néo-connexionnistes dufonctionnement. Ces différentsmodèles seront argumentés et critiqués à travers les observationsissuesdelapsychologieexpérimentaleetdelaneuropsychologie. Modalitépédagogique LastructurepédagogiquedecetteUEs’appuieàlafoissurdescoursmagistrauxoùsontprésentésles modèles théoriques et sur des travaux dirigés pendant lesquels les étudiants mettront enpratique les contenus: psychophysique, démarche expérimentale, discussion autour d’un articlescientifique. Contrôleterminalsurtable Compétences Alasuitedecetteformation,lesétudiantsdevrontêtreenmesure(1)deposséderunétatdel’artactualisé dans le domaine des modèles de fonctionnement de la mémoire; (2) de posséder unebonnemaîtrisedelaméthodeexpérimentaleetd’utiliserlesoutilsdelamodélisation;(3)d’élaboreruneproblématique(hypothèsesetopérationnalisation)danscedomaine;(4)deposséderunregardcritique et des arguments concernant les théories et les modèles de la mémoire; (5) de lier cesconnaissances sur le fonctionnement mnésique à l’ensemble des problématiques de la cognition(notiondereprésentation,desémantique,d’intelligenceartificielle,decognitionincarnéeousituéeparexemple). Cognitionetlecture[ECdePsychologieCognitive2] HPSAU15

3ECTS 10hCM,15hTDResponsable: PascaleColé Origine:PNPCContenu Apartird’une synthèsedes travaux conduitsenpsychologie cognitive,neuropsychologie, imagerie


---------Année2018-2019--------------

p. 16

cérébrale et neurosciences, l’objectif principal de l’UE est fournir aux étudiants une connaissanceapprofondiedesmécanismescognitifs impliquésdansla lecture(vision,mémoire,contrôlecognitif,langage)etdelanaturedesreprésentationsmentalessurlesquelsilsopèrent. Lesaspectspathologiquesde la lecture seront traitésàpartird’unesynthèsedes travauxconduitschez l’adulte dyslexique qui permettra également d’identifier les caractéristiques et la dynamiqued’unsystèmecompensatoiredelecture.Unepartiedel’UEseraconsacréeauxoutilsnumériquesdediagnosticetderemédiationdelalectureetauxproblèmesergonomiquesqu’ilssoulèvent. Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticleen lienavecune thématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresde l’UE,unenseignementthéoriqueseradispensé, l’autremoitié seradédiéeaux travauxpersonnels. Lesdiapositivesdes cours serontdonnéesenlangueanglaise,lestravauxàrendrepourrontindifféremmentutiliserlalangueanglaiseoufrançaise. Évaluation:1contrôlecontinu,1contrôleterminal Compétences Lescompétencesàacquérirsontlessuivantes: 1) Acquérir une expertise des données etmodèles du fonctionnement de la lecture chez l’adultenormo-lecteuretdyslexique 2)Maîtriserlesoutilsdestinésàévalueretrééduquerlalecturechezl’adulte 3)Maîtriserlesquestionsergonomiquesposésparlesoutilsnumériquesactuels 4)Maitriserlalectured’articlesscientifiques,etleurprésentationoraleetécrite. Modélisationetformalisationdesconnaissances[ECdePsy.Cog.2]HPSAU15

3ECTS 10hCM,15hTDResponsable: BriceIsableuetIsabelleRegner Origine:PNPCContenu L’objectifdel’UEestdefournirauxétudiantsuneconnaissanceapprofondiedemodèlesthéoriquesactuels décrivant l’organisation des connaissances en mémoire et permettant de modéliser lefonctionnementperceptif,cognitif,etsensorimoteur.Deuxgrandesapprochesseronttraitées. Lapremièrereposesurlesmodèlesd’optimalitécomputationnelle(p.ex.,probabilistebayésiens)etnon computationnels (écologique et dynamique non linéaire) qui tentent de rendre compte dufonctionnementperceptivo-cognitif,et sensorimoteur. Il s’agirad’apprécier laportéedespostulats(certains irréconciliables) avancés par chaque approche théorique (p. ex., perception indirecteàmodèlescomputo-symboliquesdutraitementdesstimuliparenrichissementvsperceptiondirecte–>affordances)etdediscuterlaparcimoniedesprincipesévoquésparchaquemodèle.Cesdifférentsmodèles seront argumentés et critiqués à partir des observations issues de la psychologieexpérimentale,delaneuropsychologie,etdel’ergonomie. La seconde approche est celle de la cognition sociale, où il s’agira de comprendre les effets ducontexte et de l’environnement social sur la structuration des connaissances et demodéliser ceseffetssur lesperformancescognitivesetmotrices.Lephénomèneditde«menacedustéréotype»servirad’illustrationetseraexaminésousl’angledel’activationautomatiquedesstéréotypesetdeleurseffets interférents.Lesmécanismessous-jacents impliquant lestress, lavigilance, lamémoiredetravail,etl'autorégulationserontmobiliséspourmodéliserlafaçondontlesstéréotypesnégatifsaltèrentlesperformancessurlestâchescognitivesquinécessitentuntraitementcontrôlé.


---------Année2018-2019--------------

p. 17

Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticle scientifiqueen lienavecunethématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresdel’UE,unenseignementthéorique sera dispensé, l’autre moitié sera dédiée aux travaux personnels. Les diapositives descours seront données en langue anglaise, les travaux à rendre pourront indifféremment utiliser lalangueanglaiseoufrançaise. Modalitésdecontrôle:1contrôlecontinu+uncontrôleterminal Compétences Lescompétencesàacquérirsontlessuivantes: - Acquérir une expertise des modèles d’optimalité computationnelle (p. ex., bayésiens) et noncomputationnels(écologiqueetdynamiquenonlinéaire), -Acquériruneexpertisesurlacognitionsocialementréguléeàtraverslesrecherchesactuellesdansledomaine, -Maîtriserlalectured’articlesscientifiques,etleurprésentationoraleetécrite.

Génielogiciel SINAU02J 6ECTS 18hTDResponsable:PabloArrighi Origine:IAAA1)VersioningGit:Branches,DépôtsLointains,DépôtsLointainsmultiplesavecbranches,Workflows.2) Building Gradle: Automatisation de compilation, de tests, de dépendances, langage de tâchesinterdépendantes.3) Méthodes Les acteurs du logiciel. Cycles en V. Motivation et détail de chacune des phases. Forces etFaiblesses. Méthodes agiles. Motivations. Notamment XP et Scrum. Détail de chacune des réunions etinstruments.ForcesetFaiblesses.GLLibre:thecathedralandthebazaar4)DocumentationDuGL:Cahierdescharges,Spécifications,Conception,...Ducode:Javadoc,Commentaires,Wikis,Issuestrackers5) UML Motivations. Tous les principaux diagrammes (classe, object, séquence, com, package, états-transitions,...).2TD6)TestsTypesdeTest (Blanche/Noire, Intégration (continue),Correction/Validation,...),Couverture (Exossurles différents critères), Quand les faire (TDD...) Découverte du debugger eclipse Concepts d'invariants,d'assertions,d'analysestatique7)EstimationRapportsPrixDevvsTempsDevvsLignesCode%observésdefailedprojects,causesobservées%observésdebugs8)Veilletechnologiquesurl'actualitéduGL Complexité SINAU03J

6ECTS 20hCM,20hTD,14hTPResponsable: Origine:IAAARappelssurlesnotionsd'analysedelacomplexitédesalgorithmesetdesproblèmes.Notiondeproblèmes(décision,recherche,dénombrement,énumération,optimisation).Bornesinférieuresdecomplexité.ClassesPetNP.ProblèmesNP-complets.MéthodesderésolutiondesproblèmesNP-Complets.


---------Année2018-2019--------------

p. 18

Statistiques SMSAU02C

8ECTS 32hCM,32hTD,16hTPResponsable: PierrePudlo Origine:DSL’objectif de ce cours est de conforter les étudiants sur le calcul des probabilités, et d’assurer lesbasesdelastatistiqueinférentielle,essentiellementparamétrique:-Variablesetvecteursaléatoires(Lois,loisconditionnelles,indépendance);-Espéranceetmatricedecovariance;-Convergencedevariablesaléatoires(loidesgrandsnombresetthéorèmecentrallimite);-Introductionàl'inférencestatistique;-Vraisemblance.

Représentationetapproximationdedonnéesstructurées SMSAU04C

4ECTS 15hCM,18hTD,6hTPResponsable: KaiSchneider Origine:DSConnaîtrelareprésentationetl'approximationdedonnéesstructuréesensciencededonnées.Aprèsune classification de données cette UE présente les concepts fondamentaux, tels que lareprésentationtemporelleetfréquentielle,lesoutilsd'analyse(Fourier,ondelettes,multirésolution,SVD,matchingpursuit,...) etensuite la compressionet ledebruitagededonnées.Desnombreusesapplications (signaux, images et champs vectoriels) donnent une illustration de la puissance dedifférentsoutils.- Eléments d’algèbre linéaire et analyse Hilbertienne en dimension finie : rappels sur les notionsstandard, applications linéaires (notamment Fourier en dimension finie), calcul matriciel,diagonalisationetSVD.Quelquesidéessurlepassageendimensioninfinie(basehilbertienne);-Approximation,projection,décomposition:projectionorthogonaleetnonorthogonale.ApplicationdelaSVDàl’approximationparréductiondedimension;- Bases et approximations par projection sur un sous-espace engendré par une sous-famille d’unebase.ExempledelaDCT.Exemple:basedeHaar,basesd’ondelettesdiscrètes.Exemple:matchingpursuitetmatchingpursuitorthogonal- Aspects calculatoires (problèmes de complexité et conditionnement sur des exemples vusprécédemment)Corpus HSLAU06

6ECTS 24hCM,24hTDResponsable: NuriaGala Origine:SciencesduLangageApproche de la linguistique de corpus. Aspects techniques (recueil de données, méthodesd'acquisition de données, enregistrement). Aspects légaux et éthiques (protection des donnéespersonnelles, anonymisation, archivage). Outils automatiques pour la constitution de corpus.Annotation et évaluation (guides et schémas d'annotation, réplicabilité etmesures d'accord inter-annotateur).Compétencesàacquérir:Recueillirdesdonnéesetlesannoterdanslebutd’uneétudelinguistiqueciblée;connaîtredesoutils


---------Année2018-2019--------------

p. 19

d’aide à lamanipulation et l’annotation de données à différents niveaux linguistiques; Évaluer laqualitéd’uncorpusetlaqualitéetlapertinencedesesannotations.Phonétiqueetphonologie HSLAU08

3ECTS 12hCM,12hTDResponsable: NoelNguyen Origine:SciencesduLangageLe cours sera centré sur l’interfaceentrephonétiqueetphonologie.Aprèsune introductiongénéraleetdesrappels sur l’anatomie, la physiologie et l’acoustique de la parole, cinq grandes thématiques serontsuccessivement abordées: la quête des invariants, les représentations mentales associées aux sons de laparole, l’émergence et les transformations présentées par les systèmes phonétiques et phonologiques àl’échelle de la vie humaine et au niveau phylogénétique, la dimension temporelle dans la production et laperception de la parole, la parole en situation d’interaction conversationnelle. Des ouvertures serontprésentées sur les recherches menées au LPL et au LPP. Les enseignements seront donnés dans la salleinformatiqueduLPL,danslebutdepermettreauxétudiantsd’accomplirdenombreuxexercices. Sémantique HSLAU09

3ECTS 12hCM,12hTDResponsable: JamesGerman Origine:SciencesduLangageIntroduction d’évolutions majeures en sémantique permettant d'ancrer l'étude du sens linguistique dansl'usage du langage: le tournant dynamique et le tournant expressif. Le cours introduira les approchesdynamiques du sens en contexte et la théorie des jeux pour modéliser la construction interactive du senslinguistique.Compétences:Compréhensionde l’approchedynamiquedu sensencontexte; Théoriedes Jeux;Méthodesempiriquesensémantique.


---------Année2018-2019--------------

p. 20


Semestre8(M1)Méthodeexpérimentale HCOBU013ECTS 10hCM,20hTDResponsable: SophieDufour Origine:SciencesCognitivesContenuL’objectifdecetUEestde familiariser lesétudiantsà ladémarcheexpérimentaledans ledomainedessciencescognitives.Lesétudiantsserontinitiésauxdifférentsprotocolesetplansexpérimentauxen lien avec des méthodes de mesure issue de la psychologie cognitive ou des neurosciencescognitives.ModalitéspédagogiquesAuniveaude lastructurepédagogique, lesenseignementsse ferontsur labasedeTDetallierontainsiconceptsetexercicespratiquesamenant lesétudiantsàmaîtriser lesdifférentesétapesde ladémarche expérimentale: construction d’une problématique, élaboration d’hypothèses,manipulationdefacteurs,contrôledefacteurs,élaborationdumatérielnécessaireàlaconstructiond’uneexpérience,programmationetrecueildesdonnées,descriptionetinterprétationdesrésultats(effetssimples,effetsd’interaction).Modalitédecontrôle:examensurtablede2hCompétencesAlafindececours,lesétudiantsserontcapablesdeconstruireuneexpérience,etaurontunaperçugénéral des paradigmes expérimentaux permettant de conduire des études en lien avec laperceptionetlaproductiondulangage,quesesoitdanssonversantoralouécrit.

Langage,Communication,Cerveau1 HCOBU02

6ECTS 30hCM,30hTDResponsables:Kristof Strijkers, MariekeLongcamp

Origine:SciencesCognitives

Contenu L’objectif de cette UE est que les étudiants acquièrent une connaissance experte des principalesmodélisationsdurapportentrelangageetcerveau,ainsiqueleursmisesàl’épreuveempiriques.Lesétudiantsbénéficierontd’uneformationthéoriqueavancée,quiseconcentreraplusparticulièrementsurdeuxdomaines:laproductiondelaparoleetdelalangue(écriteetparlée)etlacompréhensiondelaparoleetdelalangue(écriteetparlée) Modalitépédagogique: Lastructurepédagogiquedel’UEreposesurunecombinaisondecoursthéoriquesoùlesmodèlesetlesobservationsempiriquesserontdiscutésdemanièreapprofondie,suivisde«journalclubs»,danslesquels les étudiants présenteront et discuteront des articles récents en liens avec les domainestraités, publiés dans des revues internationales à comité de lecture. Les cours magistraux seconcentrerontsurlaneuro-anatomieetlesdynamiquesneurales,etcommentellessontassociéesàdes fonction psycholinguistiques. On discutera également les cadres théoriques, les observationsempiriqueset lesméthodesutiliséespour lesévaluer,ainsiquedescontroversesactuelles.Dansle«journal club», les étudiants feront des présentations orales d’articles scientifiques d’actualité,publiédansdesrevuesinternationalesàcomitédelecture,surdesthématiquesenlienavecleCM(chaque étudiant présentera un article), puis débattront de ces articles, de façon critique etconstructive. Les cours et les débats se dérouleront en anglais et seront modérés par les


---------Année2018-2019--------------

p. 21

responsablesdel’enseignement. Compétence: En termesdecompétences, lesétudiants (a)aurontuneconnaissanceexpertede l’étatde l’artenneuro-cognition du langage, (b) acquerront une maitrise dans la lecture, la présentation et ladiscussiondetravauxempiriquessurlerapportentrelangageetcerveau,(c)apprendrontàévalueretàformulerdeshypothèsessurlerapportentrelangageetcerveau,(d)serontcapablesd’organiseretdemodérerundébatdanslequeldifférentspointsdevuesontprésentés,et(e)améliorerontleurniveau d’anglais (parlé). Toutes ces compétences seront immédiatement mobilisables par lesétudiants dans le cadre de leur stage scientifique ou professionnel, mais également à plus longterme,aucoursdeleurfuturecarrièredanslarecherchescientifique.

Donnéesensciencescognitives HCOBU03

3ECTS 15hCM,3hTD,12hTPResponsable: MariekeLongcamp Origine:SciencesCognitivesContenu Encoreplusdansl’étudedelacognitionquedanstoutautrechamp,lesentitésquinousintéressentne sont pas directement observables. Toute donnée, considérée comme le corrélat d’opérationsmentales, va être l’objet d’un certain nombre de choix qui s’opèrent entre le moment où cettedonnéeestacquiseetlemomentoùelleestmiseenformepourêtreanalyséestatistiquement.Ceschoixpeuventavoirdesconséquencesimportantessurlesinterprétationsfinales.L’objectifdecetteUEseradetravaillerautourdelanotiondedonnéesdansl’ensembledessciencescognitives.Nouschercheronsenparticulieràcomprendrepourquoietcommentlesdonnéessont«manipulées»,etreprésentées,avantleuranalysestatistique. Après une présentation des grands types de données utilisées en sciences cognitives, troisproblématiques générales seront analysées en détails: «Approximations» dans l’acquisition desdonnées. Priseencomptede lavariabilité intra-individuelle (prétraitements, rejetdesartéfactsetdes valeurs extrêmes) et inter-individuelle (taille des échantillons, outliers). Description etreprésentationdesdonnées(représentationdedistributions,interpolation,filtrage,échelles…). Modalitéspédagogiques Lestroisproblématiquesseronttraitéessousformedecoursmagistraux,et illustréesparquelquesexemplesconcretsprovenantdedifférentesméthodesdessciencescognitives.Lestravauxpratiquessedérouleront sous formed’ateliers encadréspardes ingénieurs spécialistesde cesméthodes. Letravailseferaparbinômed’étudiantsd’originesdisciplinairesdifférentes.Plusieursjeuxdedonnéesserontproposésaveclesprocéduresstandards.Aprèsavoirchoisil’undesjeux,chaquegroupedevrad’abordreproduirecesprocédurespuisproposer,avecuneargumentationprécise,unchangementdansl’unedesétapes.Ildevraensuitemettreenplaceuneévaluationrigoureusedesconséquencesdecechangement.Lesrésultatsdecetteévaluationserontfinalementprésentésetdiscutésaveclesautresétudiantsetlesenseignants.Modalitéd’évaluation:contrôleterminaloral. Compétencesvisées: Identifierquels sont lesprincipaux typesdedonnéesen sciences cognitives.Planifieretmettreenœuvreune analyse, de lamesure à lamise en formedesdonnées.Utiliser des logiciels adaptés àchaquetypededonnée. Identifier lesétapesquidemandentdeschoix.Motiverseschoixavecdesarguments théoriques.Mettreenplacedesprocédures rigoureusespourévaluer lesconséquencesde ses choix, en respectant des règles de déontologie. Rendre compte de son cheminement demanière précise et structurée. Collaborer dans le cadre d’un dialogue interdisciplinaire (entre


---------Année2018-2019--------------

p. 22

étudiants,etaveclesprofesseurschercheursetingénieurs).Etresensibiliséauproblèmedelafraudescientifique.

Programmation HCOBU04

3ECTS 10hCM,10hTD,10hTPResponsable: AlexisNasr Origine:SciencesCognitivesContenu CetteUEestuneinitiationàlaprogrammationaveclelangagePython.Sonobjectifestdepermettreaux étudiants de maîtriser les concepts généraux de la programmation (constantes, variables,expressions, test et boucles) dans le cadre du langage de programmation Python. Ce sera aussil’occasion de programmer quelques algorithmes simples utiles pour le traitement de fichiers dedonnées. Lesprincipalesnotionsabordéessontlessuivantes: -Expressions:Constantesnumériques,Variables,Chaînesdecaractères,Opérateurs -Structuresdecontrôle:Instructionconditionnelle,boucletantque,bouclepour,breaketelsedanslesboucle -Structuresdedonnées:Tuples,Listes,Ensembles,Dictionnaires,Tableaux -FonctionsNotionsetsyntaxedebase,Variableslocalesetglobales,paramètresformels,Fonctionsrécursives,Formelambda -Entrées-sorties:Acquisitiondedonnéesauclavier,Affichagededonnéesmisesenforme,Fonctionspourlesfichiers,Exemplesdetraitementdefichiers Modalitéspédagogiques L’UEsecomposedecours,detravauxdirigésetdetravauxpratiques.Cesderniersviserontàréalisersur machine des programmes illustrant les concepts vus en cours. Durant les travaux dirigés, lesétudiants verront quelques algorithmes simples pour le traitement des données. Le travauxpratiquessedéroulerontsurordinateursetpermettrontd’implémenterlesalgorithmesvusencoursetenTDsous la formedeprogrammesenPythonquiserontexécutéssurdes fichiersdedonnéesréalistes. Compétences Al’issuedececours,lesétudiantsmaîtriserontlesconceptsdebasedelaprogrammation,ilsaurontréaliserdesprogrammesnontriviauxenPython,consistantenparticulieràchargerdes fichiersdedonnéesetd’effectuerdestraitementssurcesderniers.

ApprentissageAutomatique

3ECTS 10hCM,10hTD,10hTPResponsable: AlexisNasr Origine:SciencesCognitivesContenu Cette UE est une initiation à l'apprentissage automatique et samise en oeuvre dans le cadre dulangage Python. Son objectif principal est de présenter quelques modèles fondamentaux del'apprentissage automatique, et de l’expérimentation dans le cadre du langage Python (librairieSciKitLearn). Danscecadre,l’UEincluralesélémentssuivants: -Introduction aux concepts de bases, formalisme statistique pour l'apprentissage supervisé(classification


---------Année2018-2019--------------

p. 23

etrégression),l'apprentissagenonsuperviséetl'estimationde densité -Arbresdedécisionetsélectiondemodèlesparvalidationcroisée. -Régressionlinéaire(unevariable), méthodedesmoindrescarrés,sélectiondevariables.Pointeursvers lesmodèleslinéairesgénéralisésetlaparsimonie. - Algorithme du perceptron, perceptron à noyau. Pointeurs vers les réseaux de neurones et lesséparateursàvastemarge(SVM). -Réseauxdeneurones.Introductionàl’apprentissagedereprésentation(deeplearning). Modalitéspédagogiques Lecourssecomposed’uncoursmagistral,detravauxdirigésetdetravauxpratiques.Encoursetentravauxdirigésserontprésentésquelquesmodèlesd’apprentissage,quiserontensuitemisenœuvresurordinateursdurantlesséancesdetravauxpratiques. Compétences Al’issuedececours,lesétudiantssaurontréaliserunprogrammed’apprentissageautomatiquequiseraapprisetévaluésurdesdonnéesfourniesparlesenseignants.

Stagederecherche HCOBU066ECTS 120hResponsable: AlexisNasr

Prosodie HSLBU09

3ECTS 12hCM,12hTDResponsable: PaulineWelby Origine:SciencesduLangageIntroduction et concepts de base de la phonologie intonative dans le cadre de la théorie Autosegmentale-Métrique.Transcriptionetannotationprosodiquemultilingues.Littératureexpérimentalesurlaproductionetlaperceptiondelastructureprosodiqueetintonative.CompétencesAnalysephonologiquedel’intonation;Transcriptionprosodiquedelanguesdifférentes;Regardcritiquesurlalittératureenphonologieintonativeetprosodique

Pragmatique:Structuredel’informationetdialogue HSLBU10

3ECTS 12hCM,12hTDResponsable: CristelPortes Origine:SciencesduLangageCecoursapourobjectifdeprésenterlanotiondestructureinformationnellecommeélémentcentralde l’ajustement du savoir partagé entre les interlocuteurs au travers des travaux de Krika, Rooth,Schwarzschild,BüringetFéry,notamment.Nousétudieronségalementlavariationdesonexpressionlinguistiqueselonleslangues.CompétencesSituer lanotionde structure informationnelledans le champde lapragmatiqueetdéfinir son rôlespécifique dans l’ajustement du savoir partagé entre les interlocuteurs (dialogue); Connaître etexpliquerlesnotionsthéoriquesdefocus/background,given/new,topique,topiccontrastif,non-at-


---------Année2018-2019--------------

p. 24

issue content; Décrire et analyser les marques linguistiques (prosodiques et syntaxiquesessentiellement) de la structure informationnelle dans différentes langues et dans divers types dediscours;Liredesarticlesspécialiséssurlastructureinformationnelleetenexposerpubliquementlecontenu.

Introductionàl’apprentissageartificiel SINBU26L

3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAAL’apprentissage automatique et ses approches linéaires: techniques et limites. Autour de l’étude enprofondeur de deux algorithme de séparation linéaire (le perceptron et SVM): implémentation complète,preuvesdeconvergence,propriétés,étudedesperformancessurdesjeuxdedonnées,approfondissementdesnotionsdegénéralisation, introductionRademacheretKolmogorov.Tout le longdel’UE,uncasd’étudeseramené, sur labased’imagesoudevideos. Laproblématiquede l’acquisitiondedonnéesprivéessera traitée,avecunemiseenperspectivesociétale(éthique,PI,rôleducitoyen,rôledel’ingénieur).Miseenperspectivedesmodèlesnon-linéaires.

Introductionautraitementautomatiquedeslangues SINBU02L 3ECTS 10hCM,7hTD,10hTPResponsable: Origine:IAAAL'objectif de ce cours est d'apporter aux étudiants des connaissances fondamentales en traitementautomatiquedes langues (TAL). LecoursaborderadesmodèlesdeTALstatistiquesclassiques.Aprèsunbrefrappeldenotionsdeprobabilitéappliquéesauxtextes,nousaborderonslareprésentationdedocuments,c.-à-d. l'encodagedetextes, latokenisationet lareprésentationdedocumentssous laformevectorielleavecdestechniquesfondéessur les«sacdemots».Nousétudieronségalementdesmodèlesdistributionnelspour lareprésentation de mots sous la forme de vecteurs, avec des applications en classification de textes et ensimilaritédemots.Lesmodèlesde langagefondéssur lesn-grammess'ensuivent,avecdesapplicationsà lagénérationdetextes.Lederniersujetabordécesontlesétiqueteursfondéssurdesmachinesàétat(telsquelesmodèlesdeMarkovcachés)etleursapplications,parexempleenétiquetagemorphosyntaxique.

Modélisationetrésolutionpourlaprisededécision SINBU27L

3ECTS 10hCM,10hTD,7hTPResponsable: Origine:IAAAIntroductionauxdifférentsaspectsdu raisonnementautomatique,dont l’objectifestdepermettred’obtenirdes solutions à tout type de problèmes uniquement à partir de leurs descriptions et grâce à des solveursgénérantunepreuvedu résultat inspirédu raisonnementhumain.CetteUEaborde les formalismes lesplussimples,lesproblèmesSATetCSPbinaires,quicorrespondentàdesproblèmesdedécision,etétudielafaçonde modéliser un problème dans ces formalismes, les méthodes de résolution arborescente (avec filtrages,heuristiquedechoixdevariable,devaleur),etdessolveursexistants(Minisat,Choco).

Optimisationdefonctiondifférentiables SMSBU24C

3ECTS 15hCM,15hTDResponsable: FrédéricRichard Origine:DSCecoursestdestinéàprésenterdifférentesméthodesd’optimisation touten les illustrant surdesproblèmesde traitementdu signal et statistique.Aprèsquelques rappelsde calcul différentiel, les


---------Année2018-2019--------------

p. 25

éléments principaux de l’optimisation de fonctions différentiables sont détaillés dans un contextesans contrainte et abordé avec contrainte. Des algorithmes classiques d’optimisation et derésolutionsdesystèmeslinéairessontintroduitsetmisenœuvre-Introductionàl’optimisation,exemplesentraitementdusignaletstatistique-Elémentsdecalculdifférentiel-Optimisationdefonctionsdifférentiablessanscontrainte-Initiationàl’optimisationsouscontrainte,approchelagrangienne- Résolution de systèmes linéaire, algorithmes de descentes (gradient, gradient projeté, Newton,quasi-Newton)

Statistiquedécisionnelle SMSBU21C

3ECTS 15hCM,15hTDResponsable: FrédéricRichard Origine:DSCecoursportesur lesmodèlesetméthodesstatistiquesquipermettentd’aiderà ladécision.Onydétaille la théorie des tests statistiques et leurs principales applications. On y apporte descomplémentssurl’inférencebayesienne.Onydonneauchoixdesapprofondissementsenstatistique(parexemple,enthéoriedeladécision,enrégressionlogistique,...)-Testsd’hypothèse-Inférencebayesienne-Décisionstatistique-Régressionlogistiquebinaire

Contrôlecognitifetprisededécision SNEBU13C [ECdeContrôlecognitif] 3ECTS 21hCM,9hTDResponsable: FranckVidal Origine:NICCL’objectifpédagogiquedecetteUEestdecaractériserlesprocessusdecontrôlecognitifetdeprisededécisionainsiquededécrire,cequel'onsaitdeleursbasesneurales.Pourcequiestducontrôlecognitif,lamanièredontilsemetenplace,depuisl'enfancejusqu'àl'âgeadulteseraaussiprésentée.Plusieursaspectsducontrôlecognitifserontprésentésenmettantenparticulierl'accentsurlarésolutiondesconflits(sensorimoteurs),leseffetsséquentiels(ausenslarge),lesprocessusd'inhibitionetenfinlecontrôleetlapréventiondel'erreur.Laprisededécisionseratraitéedansdessesaspectsrelativementélémentairesainsiquedansdesaspectspluscomplexes.Unepartsignificativeseraconsacréeàsamodélisation.Onmontreraaussicequel'étudedesbasesneuralesducontrôlecognitifetdelaprisededécisionpeutrévélersurlanaturedecesmécanismes.Coursmagistrauxettravauxdirigésorganisésenquatrechapitres.DesséancesdeTDsurcertainschapitresdecourspermettrontauxétudiantsderéinvestirdemanièreinteractivelesnotionsvuesencours,etdelesillustrersurdesexemplesprécis.

Attentionetpréparation SNEBU13C[ECdeContrôlecognitif]


---------Année2018-2019--------------

p. 26

3ECTS 21hCM,9hTDResponsable: LaurenceCasini-Chaillan Origine:NICC "L'attentionrenforce ladétection","l'attentionoptimise le tempsderéaction",cesdeuxexpressionssontaucoeur des processus traités dans cette UE qui seront organisés autour de deux questions: la préparation àl'action et les processus attentionnels, l'ensemble de ces processus visant à optimiser le déroulement desactivitéssensori-motrices.Chacunedecesquestionsseraabordéeàlafoisd'unpointdevuecomportementalmaiségalementneurobiologique.Lesnotionsthéoriquesserontprésentéesencoursmagistrauxorganisésen2parties.LesséancesdeTDaurontlieusousformedetravailàpartird'articlesscientifiquestiréesderevuesscientifiquesinternationales.Lesétudiantsserontamenésàprésentercesarticlessousformed'exposéoralouàlesdiscuterautourdetablesrondes.

Émotions,motivations,etleursdysfonctionnements SNEBU10C

6ECTS 40hCM,20hTDResponsable:SylvieThirionetChristineDeruel Origine:NICCL’enseignement abordera les points suivants : Les émotions : • Introduction à travers l’histoire des sciences, les aspects philosophiques, sociétaux et psychologiques ; définitions actuelles - bases cérébrales, cerveau social ; l’universalité, la reconnaissance des émotions • Les différentes composantes (physio/neuro et cognitive) et les théories psychophysiologiques des émotions • La neurochimie des émotions (du gène au réseau) • Les mécanismes d’empreintes anté et post natales • Le stress : dérégulation émotionnelle • Perception des émotions à travers la voix, le langage,le visage • Rôle des émotions dans les autres fonctions cognitives • Les troubles de la sphère émotionnelle (pathologies psychiatriques) • Le ressenti animal - Questions éthiques actuelles La motivation : • Définition et bases cérébrales • Stress et motivation • Les déficits de la motivation Les séances de TD porteront sur l’analyse bibliographique illustrant les différents aspects du cours. Un atelier sera organisé sur la conception, réalisation, traitement et analyse d’une expérience de neuropsychologie comportementale. Modalités de contrôle des connaissances : examen final sous la forme de devoir sur table une partie de la note finale (30%) résultera du travail effectué par petits groupes lors des séances de Travaux Dirigés.

Apprentissageetmémoire SNEBU11C

3ECTS 30hCM,10hTDResponsable:FranckChaillan Origine:NICCDescriptif:

Les processusmnésiques seront abordés chez l'Homme et l'animal. Chez l'homme, une approcheneuropsychologiquepermettradeprésenterlesdifférentssystèmesdemémoiresetleurévaluation.


---------Année2018-2019--------------

p. 27

Unfocusserafaitsurl'organisationanatomo-fonctionnelledelamémoiredéclarativeetll'étudededifférentscasdesymdromesamnésiques.

1. Connaissance des grands concepts neuropsychologiques relatifs aux processus mnésiques.Connaissance des différents systèmes mnésiques et leur évaluation. Compréhension del'organisationanatomo-fonctionnelledelamémoiredéclarative.

2.Connaissancedessystèmesmnésiqueschez l'animalparrapportà l'Humain.Compréhensiondesdispositifs expérimentaux permettant l'étude de ces processus mnésiques. Connaissance etcompréhensiondesphénomènesdeplasticitésynaptiqueslessous-tendant.

3. Connaissance des processus mnésiques et de la navigation spatiale. Connaissance etcompréhension des systèmes cellulaires (et de leurs fonctionnements) impliqués dans lamémoirespatiale.

Modalitésdecontrôledesconnaissances:examenfinalsouslaformededevoirsurtable


---------Année2018-2019--------------

p. 28


Semestre9(M2)ScientificWorkshop HCOCU01 3ECTS 30hTDResponsable:PascaleColé Origine:SciencesCognitivesContenu:L’objectif principal de l’UE est double: 1) approfondir les connaissances des étudiants dansdifférentes fonctions cognitives: langage, mémoire, contrôle cognitif, raisonnement etc…et 2)confronterconcrètementlesétudiantsauxpratiquesdelarechercheensciencescognitivesenleurfournissant les moyens d’interagir directement avec des chercheurs de disciplines différentes quiviendrontprésenterleurstravaux.Modalitéspédagogiques:LastructurepédagogiquedecetteUEreposesurdesateliersscientifiquesenlangueanglaisequisedéroulerontsur3jours.Al’issuedecestroisjours,lesétudiantsdevrontfournirunesynthèseécrite(enanglaisouenfrançais)desinterventionssurunthèmechoisi.Compétences:Lescompétencesàacquérirsontlessuivantes:-Acquériruneexpertisedesconnaissancesinterdisciplinairesdufonctionnementdel’esprithumain,-Acquériruneexpertisedanslaconfrontation/débatdecesapprochesinterdisciplinaires,-Pratiquerladémarchescientifiquedessciencescognitives,-Pratiquerlacommunicationenlangueanglaise.Danslecasd’unprojetprofessionnelvisantl’obtentiond’undoctorat,cetteUEparticiperafortementàl’élaborationduprojetprofessionneldesétudiants.

Systèmededialogueetdynamiquedesconversations HCOCU02 6ECTS 30hCM,30hTDResponsable:LaurentPrévot Origine:SciencesCognitivesContenu Dynamiques conversationnelles (feedback, turn-taking, alignement interactionel, dimensions socio-affectives,…)Fondements et incarnations d'un système de dialogue (reconnaissance, synthèse, moteur dedialogue).Outils automatiques pour l’analyse des conversations (extraction paramètres acoustiques, face-tracking,…) Compétences-Connaîtrelesphénomènescruciauxdudialogue-Comprendrelesspécificitésdulangagedansl’interactionetlesquestionsqu’ellesposentauxsciencescognitives-Savoirutiliserlesoutilsautomatiquesd’extractiondedonnéed’unfluxconversationnel-Connaîtrelesélémentsd’unsystèmededialoguehomme-machine


---------Année2018-2019--------------

p. 29

Langage,Communication,Cerveau2 HCOCU03

6ECTS 30hCM,30hTDResponsable: Kristof Strijkers, MariekeLongcamp

Origine:SciencesCognitives

Contenu Cette UE poursuit et développe les acquis de LCB1 avec l’objectif de développer l’expertise desétudiantssurdenouveauxdomainesdesrapportsentrelangageetcerveaux,ensebasantsuretenélargissant les connaissances théoriques acquises en LCB1. Ces nouvelles thématiquesincluentl’évolutiondulangage(recherchecomparative),lebietlemultilinguisme,l’intégrationdelaperception et de la production, les dynamiques cérébrales conversationnelles, ainsi que le codageneural(neurosémantique,neurosyntaxe,neuropragmatique). Modalitéspédagogiques Lastructurepédagogiquedel’UEreposesurunecombinaisondecoursthéoriquesoùlesmodèlesetlesobservationsempiriquesserontdiscutésdemanièreapprofondie,suivisde«journalclubs»,danslesquels les étudiants présenteront et discuteront des articles récents en liens avec les domainestraités, publiés dans des revues internationales à comité de lecture. Les cours magistraux seconcentrerontsurlaneuro-anatomieetlesdynamiquesneurales,etcommentellessontassociéesàdes fonction psycholinguistiques. On discutera également les cadres théoriques, les observationsempiriqueset lesméthodesutiliséespour lesévaluer,ainsiquedescontroversesactuelles.Dansle«journal club», les étudiants feront des présentations orales d’articles scientifiques d’actualité,publiédansdesrevuesinternationalesàcomitédelecture,surdesthématiquesenlienavecleCM(chaque étudiant présentera un article), puis débattront de ces articles, de façon critique etconstructive. Les cours et les débats se dérouleront en anglais et seront modérés par lesresponsablesdel’enseignement. Compétences En termesdecompétences, lesétudiants (a)aurontuneconnaissanceexpertede l’étatde l’artenneuro-cognition du langage, (b) acquerront une maitrise dans la lecture, la présentation et ladiscussiondetravauxempiriquessurlerapportentrelangageetcerveau,(c)apprendrontàévalueretàformulerdeshypothèsessurlerapportentrelangageetcerveau,(d)serontcapablesd’organiseretdemodérerundébatdanslequeldifférentspointsdevuesontprésentés,et(e)améliorerontleurniveau d’anglais (parlé). Toutes ces compétences seront immédiatement mobilisables par lesétudiants dans le cadre de leur stage scientifique ou professionnel, mais également à plus longterme,aucoursdeleurfuturecarrièredanslarecherchescientifique.

Utilisationdesplateformes HCOCU04

3ECTS 6hCM,12hTD,12hTPResponsable:Jean-MichelBadier Origine:SciencesCognitivesContenu CetteUEestune initiationà l’utilisationdesoutilsdemesureetd’explorationaccessiblesdans lesdifférentesplateformesattachéesàl’ILCB.Elleinclutuneprésentationdesdifférentesplateformesettechniques accessibles dans l’environnement ILCB, mais également une réflexion théorique surl’origineetl’acquisitiondesdonnéesmesurées.Ons’intéresseraauxchoixdesparamètresmesurés,etlesétudiantsserontinitiésauxoutilsdestimulation.Unemiseenœuvrepratiqueestprévuedansle cadre d’une séance d’enregistrement sur les différentes plateformes. On discutera enfin desavantages et limites des différentes techniques utilisées, ainsi que de l’intérêt et difficultés desmesuresmultimodalitaires.


---------Année2018-2019--------------

p. 30

Modalitéspédagogiques: Lesmodalitésexpérimentalesabordéessontlessuivantes: Imageriederésonnanceanatomiqueetfonctionnelle, ElectroEncéphaloGraphie, MagnétoEncéphaloGraphie. Compétences Lescompétencesausortirdel’UEpermettrontauxétudiantsde1/ savoirchoisirl’outild’explorationapproprié pour répondre à la question scientifique posée, 2/ connaitre les limites des différentsoutilsd’exploration,3/savoiroùchercherl’expertisedanslepérimètredel’ILCBetaudelà,etenfin4/êtrecritiqueàlalectured’uneétuderéaliséeaveclestechniquesétudiées.

FonctionnementsetDysfonctionnements: HPSCU19approchespsychologiquesetneuropsychologiques

12ECTS 16hCM,30hTDResponsable: Origine:PNPCContenu L’objectif de cette UE est de fournir aux étudiants une connaissance approfondie des méthodesthérapeutiques,delapriseenchargeetdestechniquesderemédiationetderéhabilitationauprèsde patients atteints de troubles cognitifs divers. Il s’agira, avec de nombreux intervenantsprofessionnels, de faire un état des lieux des prises en charge dans le domaine de laneuropsychologie et des troubles mentaux. Il s’agira également de proposer des pistes dedéveloppement dans le domaine de la remédiation cognitive. La prise en charge des troublesmentauxetdesdysfonctionnementscognitifsrequièrenteneffetlamiseàjourconstantedesoutilsderemédiationetderéhabilitationafindeprendreencomptelesavancéesdelarecherchedanscedomaine. Il sera demandé aux étudiants de développer leurs connaissances et d’appliquer leuringénieriedansledomainedusoin,delaremédiationetdelaréhabilitationdespatients. Modalitépédagogique LastructurepédagogiquedecetteUEreposeàlafoissurdesenseignementsthéoriquesconcernantlapsychophysiqueet lavalidationdesoutils thérapeutiquesmaisconcerneégalement larechercheet les développements possibles dans les différents domaines abordés. L’étudiant devra utiliseractivement les connaissances dispensées afin de développer un projet dans ce domaine sur lapathologiequil’intéresse. Compétences Lescompétencesàacquérirsontlessuivantes: - Acquérir une expertise sur les différentes techniques thérapeutiques, de remédiation et deréhabilitationexistantesdansledomainedestroublesneuropsychologiques; - Avoir une connaissance des pistes à explorer, des besoins et être en mesure de proposer undéveloppementdanscedomaine.

Développementetplasticitédusystèmenerveux SNEAU10C6ECTS 40hCM,20hTDResponsable:Yoh'iZennou-Azogui Origine:NICC


---------Année2018-2019--------------

p. 31

Planducours:DéveloppementdusystèmenerveuxMaturationdesréseauxneuronauxPlasticitéliéeauxapprentissagesetàl’interactionavecl’environnementPlasticité post-lésionnelle du système nerveux, mécanismes et corrélats fonctionnels –

RéhabilitationPlasticité mise en œuvre dans des conditions pathologiques (Parkinson, sclérose en plaque,

dépression,tumeur,…)Rôledel’inflammationetdescellulesmicroglialesdanslaplasticitédesréseauxneuronaux

Traitementdulangagenatureletlinguistique SINCU83J3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAALe traitement automatique du langage naturel est à la confluence de nombreuses disciplines, dont lalinguistique,l’apprentissageautomatique,l’intelligenceartificielle…L’objectifestdefaireuntourd'horizondesmodèles linguistiques,problématiquesd’annotationetd’évaluationsurcorpus, lesapprochesmodulaires, lesdifférentestâchesdereconnaissanceetsynthèsedu langage(niveauxsyntaxique,sémantique,discursif).Cesthématiquesserontdéveloppéesdansuncontextemultilingue,encouvrantlesproblématiquesdel’adaptationaudomaine.

Apprentissageparrenforcement SINCU84J3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAAL’apprentissageparrenforcementviseà l’acquisitionautomatiséedecompétencespour laprisededécisions(actions ou contrôle) en milieu complexe et incertain. Il s’agit d’apprendre par l'expérience une stratégiecomportementale (appelée politique) en fonction des échecs ou succès constatés. Ce paradigmed’apprentissageest trèsutilisé en robotiqueetpourdesproblématiques complexesd’intelligenceartificielle(Voir le logiciel AlphaGo). Certains principes généraux, comme le dilemme exploitation / exploration, sontintroduits par l’étude des bandits (les machines à sous) puis le cours aborde les notions de Processus deDécision Markoviens (MDP, POMDP), d’apprentissage de politique (policy iteration, value iteration, policygradient...),etdedeepreinforcementlearning.

Signal,ApprentissageetMultimédia SINCU85J3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAACetteUEaborderadesproblématiquesspécifiquesautraitementdedonnéesmultimédiaengénéral,desdonnées de type séquences ou signaux telles que l'audio, les images, les vidéos, et pour des tâches demodélisation,declassification,desegmentation,ouencored’inpainting.L’UEintroduiradesnotionstellesquelefiltrage, laconvolution, l’échantillonnage,maisaussidesaspectsperceptifsetdesproblématiquesdetraitementdedonnéesmultimodalesetcrossmodales.

Prédictionstructuréepourletraitementautomatiquedeslangues SINCU86J3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAA


---------Année2018-2019--------------

p. 32

CetteUEapourambitiondefaireuneexplorationenprofondeurdesmodèlesdeséquencepourletraitementautomatiquedu langage.Lesapplicationsenvisagéessont la traductionautomatique, lagénérationde texte,résuméautomatique, les agents conversationnels, la reconnaissancede la parole. Seront vues endétails lesreprésentations de mots (méthodes d’apprentissage des embeddings), les différentes architecturesrécurrentes, bidirectionnelles, multicouches, ainsi que les mécanismes d’attention (pointer networks,copynets),lesréseauxàmémoire,etc.

DeepLearning SINC82BJ3ECTS 9hCM,9hTD,9hTPResponsable: Origine:IAAALe deep learning a permis des avancées majeures pour des problèmes difficiles tels que des tâches deperception(vision,audition),detraitementdelalangue(traduction...).Cettetechnologieenvahitdenombreuxchampsapplicatifsestestintégréedansdessystèmesindustrielschezdemultiplesacteursycomprislesplusgrands(Google,Microsoft,Amazon,Facebook,etc).L’objectifducoursestdeformerlesétudiantsàl’utilisationde toolkits de deep learning et à la conception de systèmes basés sur des architectures classiques,autoencodeurs,réseauxconvolutionnels,réseauxrécurrents,etdesidéesrécentestellesquelesembeddings,l’adversariallearning,lesmécanismesd’attention…

Spark/Hadoopetcalculparallèle SMSCU05C3ECTS 12hCM,12hTDResponsable: François-Xavier Dupré; PierrePudlo

Origine:DS

Cecoursprésenteunétatdeslieuxdestechniquesetméthodesactuellespourfairedescalculssurdesgrandesmassesdedonnées.Deuxapprochesserontapprochées: lecalculdistribuéetlecalculparallèle. Pour l’approche distribuée, nous présenterons la plateforme Hadoop avec Spark quipropose un environnement complet pour la gestion et le calcul de grandesmasses de données àtravers des techniques de type Map-Reduce pour les calculs. Pour le calcul parallèle, nousprésenterons lesprincipeset lestechniquesdebasepourparalléliser lescalculs toutensoulignantlesdifficultésàéviter.Planducours:-IntroductionàlaplateformeHadoop/Spark-CalculdistribuéavecMap-Reduce-Basededonnéesdistribuées-Introductionaucalculparallèle-Calculparallèleetpartagedemémoire-Distributionducalculparallèle(GPUetautres)

Théoriedel’apprentissageetstatistiquenonparamétrique SMSCU06C3ECTS 12hCM,12hTDResponsable:HachemKadri Origine:DSCe cours présente les concepts fondamentaux de l’apprentissage automatique, y compris ladescription et l’analysedeplusieurs algorithmesmodernes, leur base théorique et l’illustrationdeleursapplications.Lecoursaborderalesnotionssuivantes:capacitédegénéralisation,complexitédeRademacher,stabilitéalgorithmique,SVM,méthodesànoyau,parcimonie,online-learning.


---------Année2018-2019--------------

p. 33

Objectifs:sefamiliariseravecledomainederecherche«Apprentissageautomatique»;assimilerlesnotionsfondamentalesdel’apprentissageautomatique;comprendredesconceptsclésdequelquesalgorithmesd’apprentissageconnus;mettreenpratiquelesnotionsvuesencoursavecl’outilscikit-learn,unmodulelibrePythondédiéeàl’apprentissageautomatique.Planducours:-Introductiongénérale–Conceptsetalgorithmes;Classificationbinaire-ComplexitédeRademacheretVC-dimension;Classificationmulti-class-SVMetméthodesànoyau;Régressionetparcimonie-Stabilité;Apprentissageenligne-Parcimonie-Apprentissageenligne

Problèmesinversesetoptimisationconvexe SMSCU07Cdutraitementdusignaletdel’image3ECTS 12hCM,12hTDResponsable: Caroline Chaux; SandrineAnthoine

Origine:DS

L’objectif de cette UE est de permettre aux étudiants d’appréhender la résolution de problèmesinversesentraitementdel’image.Ils’agitd’unepartdesavoiridentifierunproblèmeposécommeunproblèmeinverseetsavoirleformaliser,etd’autrepartdemaîtriserlesméthodesdebaseainsiquedesméthodesplusavancéespourlesrésoudre.Nousétudieronsdesmodélisationsstatistiquesoudéterministes,etaborderonsdesméthodesdiverses,parexemplebaséessurl’optimisationetlesoutilsdereprésentationdessignaux.

Séparationdessources SMSCU08C3ECTS 12hCM,12hTDResponsable:BrunoTorresani Origine:DSLaséparationaveugledesource(SAS)consisteàestimerunjeudeNsources(signauxouréalisationsd’unevariablealéatoire) inconnuesàpartird’un jeudeMobservations.Cesobservationssontdesmélanges (inconnus) des sources, dont on connaît uniquement la nature (linéaire ou non-linéaire,instantanéouconvolutif,…).Leproblèmeestd’identifierà la fois lessourceset lesparamètresdumélange,auxindéterminationsprès.L’objectif de cette UE est de décrire la problématique, les difficultés inhérentes, et d’étudier lesprincipales approches, dans le cas des mélanges linéaires instantanés. L’UE doit permettre auxétudiants-d’identifierlessituationsdanslesquellesuneapprochedeséparationdesourcesestpertinente,etlaquellepeutêtreprivilégiée-delamettreenœuvre(soitenrecourantàdesimplémentationsexistantes,soitendéveloppantunalgorithmeadapté),et-d’interpréterlesrésultatsobtenus.L’UEinclutdesdéveloppementsthéoriques,ainsiquedesTPsousunlogicielderéférence(R).Planducours:-Introductionàlaséparationdessources,différentesapproches,identifiablité-Factorisationsenmatricesnon-négatives(NMF);structuredesalgorithmesetquelquesexemples.Cechapitrefait l’objetd’unTP,aucoursduquelunalgorithmesimpleseraimplémentéettestésur


---------Année2018-2019--------------

p. 34

desdonnéessynthétiquesetréelles.- Identification au second ordre: algorithmes SOBI et AMUSE. Ce chapitre fait l’objet d’un TP,consacréàl’utilisationdepaquetslogicielsexistantsetlacomparaisondedifférentsalgorithmes.- Analyse en composantes indépendantes: éléments de théorie de l’information, moments etcumulants,algorithmesFOBI, JADE,FastICA.Cechapitre fait l’objetd’unTP,consacréà l’utilisationdepaquetslogicielsexistantsetlacomparaisondedifférentsalgorithmes.

BigData SMSCU03C[ECdeDataScience] 3ECTS 12hCM,12hTDResponsable:PierrePudlo Origine:DSL’objectifestdeprésenterquelquesalgorithmesfondamentauxdel’èredutraitementinformatiquedu«bigdata», par ré-échantillonnageoupermutations aléatoiresdesdonnées.À la findu cours,l’étudiantdoitavoircomprisetsavoirmettreenœuvre laprocéduredebootstrap,ycomprisdansdes situations compliquées: régression, analyse de survie, inférence post-sélection demodèles. Ilapprendraaussi àmettreenœuvreuneprocédurede testmultiple,etàutiliserdesméthodesdepermutationdanscecadre.Planducours:-Introduction:grandéchantillonvsgrandedimension;outild’inférenceàl’èredubigdata-Bootstrap:Bootstrapparamétirqueetnon-paramétrique;intervallesdeconfiancebootstrap-Sélectiondevariables/modèle:vialasélectiondeco-variablesdanslemodèlelinéairegénéralisé;objectifsdescritèresAICetBIC;modélisationsparse:LassoetElastic-Net-Analysedesurvie:censureàdroite,survie,risque;estimateurdeKaplan-Meier;testduLog-Rank;modèledeCox- Tests multiples: family-wise error rate vs. False discovery rate; procédures de Bonferroni etBenjamini-Hochberg;procédureparpermutations…

Représentationparcimonieusedessignauxetimages SMSCU03C[ECdeDataScience]3ECTS 12hCM,12hTDResponsable:ClothildeMelot Origine:DSOn dit qu’on a une représentation parcimonieuse d’un vecteur de données, s’il est possible detrouverunsystèmegénérateuroumêmeunebasedanslaquellelevecteurpeutêtredécritoubienapprochéparunecombinaisonlinéaired’unpetitnombredevecteursdusystème.Dans ce cours, on commencera par présenter les bases et transformées classiques dans lesquelscertainstypesdedonnéessontnaturellementparcimonieux.Onmontreradanslecasdeproblèmesclassiques en traitement du signal (débruitage, compression,…) l’intérêt d’utiliser de tellesdécompositions. On présentera enfin plusieurs algorithmes qui permettent de calculer de tellesdécompositions,etonétudieraleurspropriétésmathématiques.Planducours:-Basesetrepèresclassiquespourlareprésentationparcimonieusedessignaux-Applicationsàdesproblèmesconcrets:débruitage,compression,régressionparcimonieuse-Algorithmespourlareprésentationparcimonieusedessignaux.


---------Année2018-2019--------------

p. 35

Statistiquesappliquées SMSCU11C3ECTS 12hCM,12hTDResponsable:Jean-MarcFreyemuth Origine:DSCe cours n’est pas un cours deméthodologie, il est destiné à la pratique de la statistique. Il doitpermettre aux étudiants de développer une maturité dans l’analyse des données par la mise enapplication des compétencesméthodologiques et logicielles acquises lors de la formation dans lecadred’unprojetdeconsultanceenstatistiques.Nousdiscuteronségalement:-lesétapesd’uneinvestigationstatistique-quelques«principes»destatistiquesappliquée-lestechniquesdecommunication-lepré-traitementdesdonnéesmanquantes,outliers,…-certainsprincipesgénérauxdemodélisationstatistique-lesparadigmesfréquentisteserbayésien-quelquesparadoxes…

Modèlesàvariableslatentes SMSCU12C3ECTS 12hCM,12hTDResponsable:Jean-MarcFreyemuth Origine:DSDans ce cours, nous traiterons de quelques modèles à variables latentes avec une approchebayésienne.Nousdécrironstoutd’abord leparadigmeBayésienettraiteronsdequelquesmodèles«standards». Nous verront ensuite les modèles de mixtures avant d’approfondir les modèleshiérarchiques qui sont une belle illustration de la réussite des méthodes bayésienne enbiostatistique.Planducours:-AnalysestatistiqueBayésienne -modèlesstandards(processusdebernoulli,normal,gamma,derégressionnormale,…) -spécificationsobjectivesetsubjectivesd’unedistributionapriori -intervallesdecrédibilité,élémentsdethéoriedeladécision,sélectiondemodèles, -modèlesdemixtureetmodèleshiérarchiques-StatistiqueBayésiennenonparamétrique -lemodèlenonparamétriqueusuel -processusdedirichlet(représentation,mixturesetgénéralisations) - modélisation hiérarchique avancée (modélisation nonparamétrique des effets aléatoires,modèlesPK/PD)

Algorithmesstochastiques SMSCU13C3ECTS 12hCM,12hTDResponsable:ErwanHillion;ChristopheGomez Origine:DSÀ l’issue de ce cours, les étudiants sauront programmer certains algorithmes faisant intervenirl’aléatoire. Ilspourront identifier lessituationsdanslesquelleslesutiliser,ainsiqueleursavantagesetinconvénientsparrapportàdesméthodesdéterministes.


---------Année2018-2019--------------

p. 36

SignaletBigData,CompressedSensing SMSCU13C3ECTS 12hCM,12hTDResponsable:SébastienDarses Origine:DSL’objectifdecetteUEestd’introduireetexploiterlestechniquesderéductiondedimensionbaséessurdesprojectionsaléatoires,avecunfocussurdesapplicationsenacquisitiondesignaux(maispasseulement) de grande dimension. Après quelques rappels / compléments sur les problèmes etcontraintes introduits par des données de grande dimension, et les approches classiques deréductiondedimension,lecourssefocaliserasurlestechniquesdeprojectionsaléatoires.À l’issuedecetteUE, l’étudiantdoitmaîtriser lesnotionsd’échantillonnage(régulierclassique)dessignaux, des méthodes d’identification de représentation parcimonieuse à partir de projectionsaléatoires et les garanties théoriques correspondantes (propriéténull space, propriété d’isométrierestreinte).Ildevraégalementsavoirappliquercesnotionsdansd’autrescontextes,parexempleleclustering.Planducours:- Le fléau de la dimension, méthodes classiques de réduction de dimension (ACP, ACI, NMF,regressionpursuit,…)-Réductiondedimensionparprojectionsaléatoires,lelemmedeJohnson-Lindenstrauss- Acquisition de signaux: du théorème d’échantillonnage au compressed sensing, algorithmes derégressionparcimonieuse(LASSOetautres).Cechapitrefaitl’objetdeTPsurmachine.- Application des projections aléatoires à d’autres contextes (décomposition CUR, régression,algorithmesdeplusprochesvoisins,…)

Visualisationdynamiquedesdonnéesetdatamining SMSCU15C

3ECTS 12hCM,12hTDResponsable:BadihGhattas Origine:DSÀ l’issuedececours, l’étudiantdoit savoirproposerunereprésentationgraphiquededonnéesquimetenavant l’informationqu’il contient. Ildoitégalementêtrecapabledeproposeretmettreenœuvre quelques techniques de data mining qui aide à révéler l’information contenue dans lesdonnées.

Phonologiedelaboratoire HSLCU103ECTS 12hCM,12hTDResponsable:JamesGerman Origine:Sciencesdulangage(Lex)Laphonologiedelaboratoiretraitedesaspectscognitifsdelastructurephonologique,etparlebiaisde l’expérimentation elle explore l’interaction entre le plan phonétique et les représentationsmentales. La finalité de ce cours est de présenter aux masters des travaux concernant plusieursapproches théoriquesde la structure linguistiquedansdes languesdifférentes.Nous traiteronsenparticulier des points suivants: 1. Variation phonétique et rôle des facteurs sociaux de variation(sociophonétique); 2. Convergence phonétique et perméabilité des représentations; 3.Soubassements cérébraux des représentations sonores; 4. Organisation des représentationsarticulatoires; 5. Phonologie probabiliste et phonologie basée sur l’usage; 6. Organisation deséléments phonologiques et implémentation temporelle de la structure prosodique. Le courscomporte des TD en laboratoire. Les exercices en laboratoire et la connaissance des paradigmesexpérimentauxserontdesoutilsessentielspourévaluer laréalitéet laproductivitépsychologiquesdes patrons phonologiques observés. Le cours prévoit la lecture d’articles scientifiques et la


---------Année2018-2019--------------

p. 37

connaissancedecertainesressourcesdulaboratoirequisontnécessairespour l’expérimentationetlamodélisationdelastructuresonoredulangage.

Interactions HSLCU113ECTS 12hCM,12hTDResponsable:BéatricePriego-Valverde Origine:Sciencesdulangage(Lex)Cecoursportesur l’analysedesconversationsetsedécoupeen2parties inter-reliées:1)Apportsméthodologiquesetthéoriquesdel’AnalyseConversationnelleetdelaLinguistiqueInteractionnelle(Méthodologie:transcription,analyseséquentielle,etc.:Notions:toursdeparole,parieadjacente,préférence, etc.); 2) Pratique de l’analyse de corpus sur la base de transcriptions etd’enregistrements audio et vidéo. Trois autres notions (cadre participatif, common ground,convergence interactionnelle) seront étudiées à travers deux activités conversationnellesparticulières:lanarrationetl’humour.

Syntaxedufrançaisparlé HSLCU143ECTS 12hCM,12hTDResponsable:FrédéricSabio,SandrineCaddeo Origine:Sciencesdulangage(Lex)L’intérêtpourladescriptiondeslanguesparléesasuscitédepuisunequarantained’annéesdevastesentreprisesdeconstitutiondecorpusorauxquiontpermisdeporterunregardenpartierenouvelésurl’organisationgrammaticaledeslangues,etontamenéleslinguistesàdéfinirdenouveauxoutilsd’analyse.Cecoursaurapourthèmecentrallasyntaxeverbaledufrançaisparlé,etseraillustrépardesdonnéesoralesauthentiques.Après laprésentationdumodèlededescriptionsyntaxiquedanslequel nous nous inscrivons, nous développerons les points suivants: le repérage des grandsconstituantset les liensdedépendancesmicrosyntaxiques, lesmodesderéalisationsdesplacesdeconstruction, les phénomènes de rattachements macrosyntaxiques (dislocations, relations de«parataxe»,…).


---------Année2018-2019--------------

p. 38


Semestre10(M2)Ingénieriecognitive HCODU016ECTS 20hCM,40hTPResponsable:équipepédagogique Origine:SciencesCognitivesContenu L’objectifdecetteUEprofessionnelleesttriple:1)apprendreàélaborerunCVprofessionnel,2)sefamiliariser avec les principaux secteurs d’application des sciences cognitives et 3) élaborer unemaquetted’unproduitdansunsecteurd’application(secteurindustriel,académique,delasanté,del’éducationetc..)ou,danslecasd’unprojetdethèseécrireunprojetderecherche.

Modalitéspédagogiques: LastructurepédagogiquedecetteUEreposesuruneformationconcrèteàl’écrituredeCV,etsurunstagecourtd’unesemainesur le lieuprofessionnelchoisipar lesétudiants (entreprise, laboratoiredans le cas d’un doctorat etc…) OU sur l’intervention de professionnels dans trois secteursd’applicationdifférents.A l’issuedecetteUE, lesétudiantsdevront rendreunprojetprofessionnel(maquette,projetdethèse).

Compétences Lescompétencesàacquérirsontlessuivantes:

- Élaborer un projet personnel à partir des compétences acquises dans le domaine des sciencescognitivesvisantàfaciliterl’insertionprofessionnelle-Rédigerunprojetquisoitcompréhensibleparunpublicdenon-expert.Stagedeterrain HCODU0224ECTS 500hResponsable:encadrant


---------Année2018-2019--------------

p. 39


Semestre7(M1)

Introductionauxsciencescognitives HCOAU1

3ECTS 15hCM,15hTDResponsable:PascaleColé Origine:SciencesCognitivesContenu L’objectifprincipaldel’UEestdefournirauxétudiantsuneconnaissanceapprofondiedel’histoiredecette discipline scientifique récente dénommé “Sciences cognitives”, de son objet d’étude (lacognitionhumaine),del’évolutiondeshypothèsessurlanature/architecturecognitivesous-tendantl’esprithumain (cybernétique,cognitiviste-symbolique,connexionniste-sub-symbolique, incarnée,ancrée)ainsiquedesgrandesquestionsdébattuesaucoursdecetteévolution(parexemple,l’esprithumainutilise-t-ildes symboles? des représentations?). Pour faciliter la compréhension de questions scientifiquesquelquefoisardues,desexemplesconcrets issusd’étudessur le langageet lavisionserontétudiés,deuxdomainespharesdansl’évolutionducadrethéoriquedessciencescognitives. Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticleen lienavecune thématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresde l’UE,unenseignementthéoriqueseradispensé, l’autremoitié seradédiéeaux travauxpersonnels. Lesdiapositivesdes cours serontdonnéesenlangueanglaise,lestravauxàrendrepourrontindifféremmentutiliserlalangueanglaiseoufrançaise. Compétencesàacquérir Lescompétencesàacquérirsontlessuivantes: 1) Acquérir une expertise sur les principales hypothèses relatives à la structure de la cognitionhumaineutiliséesdanslesrecherches actuellesensciencescognitives, 2)Maitriserlalectured’articlesscientifiques,etleurprésentation oraleetécrite.

LangageetCognition HCOAU2

6ECTS 20hCM,30hTD,10hTPResponsable: XavierAlario Origine:SciencesCognitivesContenu Le langage permet d’évoquer des personnes, objets, évènements, etc. qui ne sont pas présents.Cette capacité de re-présentation est décrite, dans les sciences cognitives, à l’aide du concept dereprésentationmentale: la trace enmémoire d’une connaissance donnée. La représentation quenousavonsdelalettre«A»,parexemple,concernesesformesvisuelles(majusculeouminuscule),sesformesmotrices(telmouvementpour l’écrire),saprononciation,éventuellementsonsens(A=bonnenote),entreautresaspects.L’objectifdecetteUEestd’amenerlesétudiant(e)sàs’approprierleconceptdereprésentationmentale,telqu’ilestutilisédanslarechercheenpsycho-linguistique.Le«Langage» sera décrit selon les différents types de connaissances (orthographe, phonologie,sémantique, syntaxe, etc.) qui sont distinguées dans les théories linguistiques. La «Cognition»fournira le cadre pour décrire comment ces différentes connaissances sont manipuléesmentalement,pardesprocessuspropresaulangageoubienplusgénéraux.


---------Année2018-2019--------------

p. 40

Modalitépédagogique L’enseignements’appuierasurdes réflexions théoriquesetdesexercicespratiques,portantsur lesversantsperceptif (audition, lecture) etproductif (parole, écriture)du langage. Les compétencesàacquérirsont1)unecompréhensiondelanotiondeniveauxdedescriptiondesystèmescognitifs,etdes niveaux d’abstraction des représentations mentales; 2) une connaissance des modèlesthéoriquesetdesdémarchesexpérimentalesde lapsycholinguistique;et3)unsavoir-fairedans laconceptionde recherchesexpérimentalesetdans l’interprétationde leurs compte rendus (articlesscientifiques). Compétences Le contenu de l’enseignement sera réparti sur douze semaines, comprenant chacune un coursmagistral (1h30)etuntravaildirigé(2h30),plusuneséancede3hderévisionsenfindesemestre.Les langues d’enseignement seront le français et l’anglais. L’évaluation comprendra un contrôlecontinu(travailenTD)etuncontrôlefinal.

Introductionàlaneurobiologie HCOAU3

3ECTS 18hCM,3hTD,9hTPResponsable:LaurenceCasini Origine:SciencesCognitivesContenu Cecoursaurapourbutdedonnerdesbasesdeneurobiologieetneurophysiologie. Ilaborderanotamment: -L’organisationgénéraledusystèmenerveux -Lessignauxélectriquesdescellulesnerveuses -Latransmissionsynaptiqueetlesneurotransmetteurs -Lesbasesdessystèmessensorielsetmoteurs Modalitépédagogique L'UE sera organisée autour de coursmagistraux, travaux dirigés et travaux pratiques. Les notionsthéoriques fondamentales seront présentées lors des CM et ensuite développées et mises enpratiquesaucoursdesTDetTP.LesséancesdeTDserontorganiséessurlemodèled'un«JournalClub» et se dérouleront en anglais. Les étudiants présenteront des articles scientifiques (tirés deJournauxinternationaux)quiservirontdesupportàdesdiscussions.LesséancesdeTPpermettrontauxétudiantsdesefamiliariseraveccertainestechniquesexpérimentalesdebase(recueild'activitésélectriques,utilisationd'atlasneuroanatomiques,utilisationdedroguespharmacologiques,mesurespsychophysiques...) Compétences En termesdecompétences, lesétudiants1/aurontacquis lesconnaissances théoriquesminimalessur le fonctionnement physiologique cérébral, 2/ connaîtront les principes de base permettant derecueillir un signal électrophysiologique, réaliser des mesures psychophysiques et visualiser uncerveau en trois dimensions 3/ sauront présenter un article scientifique en anglais de manièresynthétique, 4/ seront capables de critiquer et discuter les résultats présentés dans un articlescientifique,5/aurontaméliorerleurmaîtrisedel'anglaisluetparlé.

Méthodesalgébriques HCOAU4

3ECTS 9hCM,12hTD,9hTPResponsable: BrunoTorresani Origine:SciencesCognitives


---------Année2018-2019--------------

p. 41

Contenu L’objectifdecetteUEestderevisiteretapprofondirdesélémentsd’algèbreslinéairesdéjàabordéspar les étudiants dans leur cursus antérieur, et les mettre en situation dans un contexte demodélisation et analyse de tableaux dedonnées. Il s’agit notamment de donner aux étudiants lesbasesnécessairespourcomprendreetutiliserdesméthodessimplesd’analysemultivariée. Lesprincipauxsujetstraitésserontlessuivants: -Élémentsdebase:espacesvectoriels,normeproduitscalaire,orthogonalité.Dimensionetbases. -Matrices,produitsmatriciels,représentationmatricielledesopérationsdebase -Projectionorthogonale -Diagonalisation;SVD;applicationàl'ACP -Modèlesdedonnéesstructurées(signaux,graphes,...) Modalitépédagogique L’UEcomprendradescoursmagistraux,destravauxdirigésportantsurdesexercicesd’applicationducours, et séances de TP sous le logiciel R, au cours desquels les notions théoriques développéesserontmisesenapplicationsurdesdonnéesréellesetsimulées. L’évaluationcomprendraunepartdecontrôlecontinu(travailenTPetcompterendudeTP)etunepartd’examenfinal. CompétencesLescompétencesprincipalesàacquérirsont 1) La modélisation algébrique de tableaux de données, et les manipulations classiques (deschangementsdebaseàlaréductiondedimension) 2) Lamise enœuvre de cesmanipulations avec le logiciel R, et l’application à des études de cassimples. ProbabilitésetStatistiques HCOAU5

3ECTS 9hCM,12hTD,9hTPResponsable: BrunoTorresani Origine:SciencesCognitivesContenu L’objectifdecetteUEestdepermettreauxétudiantsderevoiretapprofondirlesnotionsdebaseenprobabilitéetstatistique,etd’exploitercesnotionssurdesétudesdecassimples.Toutcommedansl’UEMéthodesalgébriques,lesacquisducoursserontillustréspardesexemples,avecuneinitiationàR. Lesprincipauxélémentsabordéslorsdececoursserontlessuivants: - Rappels de probabilités: événements, axiomes de Kolmogorov, loi des probabilités totales,probabilitésconditionnelles. - Variables aléatoires discrètes: lois classiques (binomiale, Poisson); espérance, variance; vecteursaléatoires,covariance. - Variables aléatoires continues: densité de probabilités; lois classiques (gaussienne, student,exponentielle);espérance,variance. - Statistique descriptive: histogramme,moyenne et variance empiriques; intervalles de confiance;matricedecovarianceempirique -Inférencestatistique:estimation,tests(comparaisondesmoyennes) -Analysemultivariée,ACP Modalitéspédagogiques L’UEcomprendradescoursmagistraux,destravauxdirigésportantsurdesexercicesd’applicationducours, et séances de TP sous le logiciel R, au cours desquels les notions théoriques développées


---------Année2018-2019--------------

p. 42

serontmisesenapplicationsurdesdonnéesréellesetsimulées. L’évaluationcomprendraunepartdecontrôlecontinu(travailenTPetcompterendudeTP)etunepartd’examenfinal. Compétences Lesprincipalescompétencesàacquérirsont 1)Savoireffectuerdescalculsélémentairesdeprobabilités 2)MaîtriseretutiliserlesoutilsstandarddestatistiquedescriptiveetinférentiellesousR 3)Exploiterlesoutilssimplesd’analysemultivariéesousR Psychologiedelamémoire HPSAU15

3ECTS 10hCM,15hTDResponsable: FabriceGuillaume Origine:PNPCContenu L’objectifdecetteunitéd’enseignementestdeparcourir l’ensembledesconnaissancesactualiséessur le fonctionnement de notre mémoire et les mécanismes d’intégration des connaissances. Cecours abordera conjointement lesmodèles psychologiques et neuroscientifiques de lamémoire àtravers les approches multi-système, système unique, connexionnistes et néo-connexionnistes dufonctionnement. Ces différentsmodèles seront argumentés et critiqués à travers les observationsissuesdelapsychologieexpérimentaleetdelaneuropsychologie. Modalitépédagogique LastructurepédagogiquedecetteUEs’appuieàlafoissurdescoursmagistrauxoùsontprésentésles modèles théoriques et sur des travaux dirigés pendant lesquels les étudiants mettront enpratique les contenus: psychophysique, démarche expérimentale, discussion autour d’un articlescientifique. Contrôleterminalsurtable Compétences Alasuitedecetteformation,lesétudiantsdevrontêtreenmesure(1)deposséderunétatdel’artactualisé dans le domaine des modèles de fonctionnement de la mémoire; (2) de posséder unebonnemaîtrisedelaméthodeexpérimentaleetd’utiliserlesoutilsdelamodélisation;(3)d’élaboreruneproblématique(hypothèsesetopérationnalisation)danscedomaine;(4)deposséderunregardcritique et des arguments concernant les théories et les modèles de la mémoire; (5) de lier cesconnaissances sur le fonctionnement mnésique à l’ensemble des problématiques de la cognition(notiondereprésentation,desémantique,d’intelligenceartificielle,decognitionincarnéeousituéeparexemple). Psychologiedeladécision HPSA20A

3ECTS 10hCM,15hTDResponsable: Nathalie Bonnardel; BriceIsableu

Origine:PNPC

Contenu L’objectifdecetteunitéd’enseignementestdeparcourirlesconnaissancessurlefonctionnementcognitifdanslessituationsdeprisesdedécision.Cecoursaborderaconjointementlesmodèlespsychologiques,neuroscientifiquesetergonomiquesdelaprisededécisionsurlabasedetravauxréalisésenlaboratoireetsurleterrain.Desapprochesclassiquesportantsurladécisionetlesbiais


---------Année2018-2019--------------

p. 43

(travauxdeD.Khaneman&A.Tversky)serontainsicomplétéesparlaprésentationdetravauxrécentsrelevantducourantde«NaturalisticDecisionMaking»(travauxdeG.Klein),desmodèlesprobabilistesbayésiensouencoreducourantdelacognitionincarnée.Cesdifférentsmodèlesserontargumentésetcritiquésàtraversdesobservationsissuesdelapsychologieexpérimentale,delaneuropsychologieetdel’ergonomiecognitive. Modalitépédagogique LastructurepédagogiquedecetteUEs’appuieàlafoissurdescoursmagistrauxoùsontprésentéslesmodèlesthéoriquesetsurdestravauxdirigéspendantlesquelslesétudiantsmettrontenpratiquecertainscontenusprésentéspendantlescours.Contrôleterminalsurtable Compétences Alasuitedecetteformation,lesétudiantsdevrontêtreenmesure(1)dedisposerd’unétatdel’artactualisédansledomainedesmodèlesdelaprisededécision;(2)d’élaboreruneproblématique(hypothèsesetopérationnalisation)danscedomaine;(3)dedévelopperunregardcritiqueetdesargumentsconcernantlesthéoriesetlesmodèlesdelaprisededécision;(5)demettreenrelationlesconnaissancessurlefonctionnementcognitiflorsdesituationsdeprisededécisionavecd’autresproblématiquesrelevantdelacognition(parexemple,enlienaveclesnotionsdereprésentationmentaleetdecognitionsituée). Cognitionetlecture[ECdePsychologieCognitive2] HPSAU15

3ECTS 10hCM,15hTDResponsable: PascaleColé Origine:PNPCContenu Apartird’une synthèsedes travaux conduitsenpsychologie cognitive,neuropsychologie, imageriecérébrale et neurosciences, l’objectif principal de l’UE est fournir aux étudiants une connaissanceapprofondiedesmécanismescognitifs impliquésdansla lecture(vision,mémoire,contrôlecognitif,langage)etdelanaturedesreprésentationsmentalessurlesquelsilsopèrent. Lesaspectspathologiquesde la lecture seront traitésàpartird’unesynthèsedes travauxconduitschez l’adulte dyslexique qui permettra également d’identifier les caractéristiques et la dynamiqued’unsystèmecompensatoiredelecture.Unepartiedel’UEseraconsacréeauxoutilsnumériquesdediagnosticetderemédiationdelalectureetauxproblèmesergonomiquesqu’ilssoulèvent. Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticleen lienavecune thématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresde l’UE,unenseignementthéoriqueseradispensé, l’autremoitié seradédiéeaux travauxpersonnels. Lesdiapositivesdes cours serontdonnéesenlangueanglaise,lestravauxàrendrepourrontindifféremmentutiliserlalangueanglaiseoufrançaise. Évaluation:1contrôlecontinu,1contrôleterminal Compétences Lescompétencesàacquérirsontlessuivantes: 1) Acquérir une expertise des données etmodèles du fonctionnement de la lecture chez l’adultenormo-lecteuretdyslexique 2)Maîtriserlesoutilsdestinésàévalueretrééduquerlalecturechezl’adulte 3)Maîtriserlesquestionsergonomiquesposésparlesoutilsnumériquesactuels


---------Année2018-2019--------------

p. 44

4)Maitriserlalectured’articlesscientifiques,etleurprésentationoraleetécrite. Formalisationdesconnaissancesetmodélisation[ECdePsy.Cog.2]HPSAU15 3ECTS 10hCM,15hTDResponsable: BriceIsableuetIsabelleRegner Origine:PNPCContenu L’objectifdel’UEestdefournirauxétudiantsuneconnaissanceapprofondiedemodèlesthéoriquesactuels décrivant l’organisation des connaissances en mémoire et permettant de modéliser lefonctionnementperceptif,cognitif,etsensorimoteur.Deuxgrandesapprochesseronttraitées. Lapremièrereposesurlesmodèlesd’optimalitécomputationnelle(p.ex.,probabilistebayésiens)etnon computationnels (écologique et dynamique non linéaire) qui tentent de rendre compte dufonctionnementperceptivo-cognitif,et sensorimoteur. Il s’agirad’apprécier laportéedespostulats(certains irréconciliables) avancés par chaque approche théorique (p. ex., perception indirecteàmodèlescomputo-symboliquesdutraitementdesstimuliparenrichissementvsperceptiondirecte–>affordances)etdediscuterlaparcimoniedesprincipesévoquésparchaquemodèle.Cesdifférentsmodèles seront argumentés et critiqués à partir des observations issues de la psychologieexpérimentale,delaneuropsychologie,etdel’ergonomie. La seconde approche est celle de la cognition sociale, où il s’agira de comprendre les effets ducontexte et de l’environnement social sur la structuration des connaissances et demodéliser ceseffetssur lesperformancescognitivesetmotrices.Lephénomèneditde«menacedustéréotype»servirad’illustrationetseraexaminésousl’angledel’activationautomatiquedesstéréotypesetdeleurseffets interférents.Lesmécanismessous-jacents impliquant lestress, lavigilance, lamémoiredetravail,etl'autorégulationserontmobiliséspourmodéliserlafaçondontlesstéréotypesnégatifsaltèrentlesperformancessurlestâchescognitivesquinécessitentuntraitementcontrôlé. Modalitépédagogique La structure pédagogique de cetteUE repose à la fois sur des enseignements théoriques associéssystématiquement à un travail personnel de l’étudiant qui devra utiliser activement lesconnaissancesdispenséesavecunexerciceoraletécrit surunarticle scientifiqueen lienavecunethématiqueabordéedanschacundescours.Ainsi,pourmoitiédesheuresdel’UE,unenseignementthéorique sera dispensé, l’autre moitié sera dédiée aux travaux personnels. Les diapositives descours seront données en langue anglaise, les travaux à rendre pourront indifféremment utiliser lalangueanglaiseoufrançaise. Modalitésdecontrôle:1contrôlecontinu+uncontrôleterminal Compétences Lescompétencesàacquérirsontlessuivantes: - Acquérir une expertise des modèles d’optimalité computationnelle (p. ex., bayésiens) et noncomputationnels(écologiqueetdynamiquenonlinéaire), -Acquériruneexpertisesurlacognitionsocialementréguléeàtraverslesrecherchesactuellesdansledomaine, -Maîtriserlalectured’articlesscientifiques,etleurprésentationoraleetécrite.


---------Année2018-2019--------------

p. 45


Semestre8(M1)

Méthodeexpérimentale HCOBU013ECTS 10hCM,20hTDResponsable: SophieDufour Origine:SciencesCognitivesContenuL’objectifdecetUEestde familiariser lesétudiantsà ladémarcheexpérimentaledans ledomainedessciencescognitives.Lesétudiantsserontinitiésauxdifférentsprotocolesetplansexpérimentauxen lien avec des méthodes de mesure issue de la psychologie cognitive ou des neurosciencescognitives.ModalitéspédagogiquesAuniveaude lastructurepédagogique, lesenseignementsse ferontsur labasedeTDetallierontainsiconceptsetexercicespratiquesamenant lesétudiantsàmaîtriser lesdifférentesétapesde ladémarche expérimentale: construction d’une problématique, élaboration d’hypothèses,manipulationdefacteurs,contrôledefacteurs,élaborationdumatérielnécessaireàlaconstructiond’uneexpérience,programmationetrecueildesdonnées,descriptionetinterprétationdesrésultats(effetssimples,effetsd’interaction).Modalitédecontrôle:examensurtablede2hCompétencesAlafindececours,lesétudiantsserontcapablesdeconstruireuneexpérience,etaurontunaperçugénéral des paradigmes expérimentaux permettant de conduire des études en lien avec laperceptionetlaproductiondulangage,quesesoitdanssonversantoralouécrit.

Donnéesensciencescognitives HCOBU03

3ECTS 15hCM,3hTD,12hTPResponsable: MariekeLongcamp Origine:SciencesCognitivesContenu Encoreplusdansl’étudedelacognitionquedanstoutautrechamp,lesentitésquinousintéressentne sont pas directement observables. Toute donnée, considérée comme le corrélat d’opérationsmentales, va être l’objet d’un certain nombre de choix qui s’opèrent entre le moment où cettedonnéeestacquiseetlemomentoùelleestmiseenformepourêtreanalyséestatistiquement.Ceschoixpeuventavoirdesconséquencesimportantessurlesinterprétationsfinales.L’objectifdecetteUEseradetravaillerautourdelanotiondedonnéesdansl’ensembledessciencescognitives.Nouschercheronsenparticulieràcomprendrepourquoietcommentlesdonnéessont«manipulées»,etreprésentées,avantleuranalysestatistique. Après une présentation des grands types de données utilisées en sciences cognitives, troisproblématiques générales seront analysées en détails: «Approximations» dans l’acquisition desdonnées. Priseencomptede lavariabilité intra-individuelle (prétraitements, rejetdesartéfactsetdes valeurs extrêmes) et inter-individuelle (taille des échantillons, outliers). Description etreprésentationdesdonnées(représentationdedistributions,interpolation,filtrage,échelles…). Modalitéspédagogiques Lestroisproblématiquesseronttraitéessousformedecoursmagistraux,et illustréesparquelquesexemplesconcretsprovenantdedifférentesméthodesdessciencescognitives.Lestravauxpratiques


---------Année2018-2019--------------

p. 46

sedérouleront sous formed’ateliers encadréspardes ingénieurs spécialistesde cesméthodes. Letravailseferaparbinômed’étudiantsd’originesdisciplinairesdifférentes.Plusieursjeuxdedonnéesserontproposésaveclesprocéduresstandards.Aprèsavoirchoisil’undesjeux,chaquegroupedevrad’abordreproduirecesprocédurespuisproposer,avecuneargumentationprécise,unchangementdansl’unedesétapes.Ildevraensuitemettreenplaceuneévaluationrigoureusedesconséquencesdecechangement.Lesrésultatsdecetteévaluationserontfinalementprésentésetdiscutésaveclesautresétudiantsetlesenseignants.Modalitéd’évaluation:contrôleterminaloral. Compétencesvisées: Identifierquels sont lesprincipaux typesdedonnéesen sciences cognitives.Planifieretmettreenœuvreune analyse, de lamesure à lamise en formedesdonnées.Utiliser des logiciels adaptés àchaquetypededonnée. Identifier lesétapesquidemandentdeschoix.Motiverseschoixavecdesarguments théoriques.Mettreenplacedesprocédures rigoureusespourévaluer lesconséquencesde ses choix, en respectant des règles de déontologie. Rendre compte de son cheminement demanière précise et structurée. Collaborer dans le cadre d’un dialogue interdisciplinaire (entreétudiants,etaveclesprofesseurschercheursetingénieurs).Etresensibiliséauproblèmedelafraudescientifique.

Programmation HCOBU04

3ECTS 10hCM,10hTD,10hTPResponsable: AlexisNasr Origine:SciencesCognitivesContenu CetteUEestuneinitiationàlaprogrammationaveclelangagePython.Sonobjectifestdepermettreaux étudiants de maîtriser les concepts généraux de la programmation (constantes, variables,expressions, test et boucles) dans le cadre du langage de programmation Python. Ce sera aussil’occasion de programmer quelques algorithmes simples utiles pour le traitement de fichiers dedonnées. Lesprincipalesnotionsabordéessontlessuivantes: -Expressions:Constantesnumériques,Variables,Chaînesdecaractères,Opérateurs -Structuresdecontrôle:Instructionconditionnelle,boucletantque,bouclepour,breaketelsedanslesboucle -Structuresdedonnées:Tuples,Listes,Ensembles,Dictionnaires,Tableaux -FonctionsNotionsetsyntaxedebase,Variableslocalesetglobales,paramètresformels,Fonctionsrécursives,Formelambda -Entrées-sorties:Acquisitiondedonnéesauclavier,Affichagededonnéesmisesenforme,Fonctionspourlesfichiers,Exemplesdetraitementdefichiers Modalitéspédagogiques L’UEsecomposedecours,detravauxdirigésetdetravauxpratiques.Cesderniersviserontàréalisersur machine des programmes illustrant les concepts vus en cours. Durant les travaux dirigés, lesétudiants verront quelques algorithmes simples pour le traitement des données. Le travauxpratiquessedéroulerontsurordinateursetpermettrontd’implémenterlesalgorithmesvusencoursetenTDsous la formedeprogrammesenPythonquiserontexécutéssurdes fichiersdedonnéesréalistes. Compétences Al’issuedececours,lesétudiantsmaîtriserontlesconceptsdebasedelaprogrammation,ilsaurontréaliserdesprogrammesnontriviauxenPython,consistantenparticulieràchargerdes fichiersde


---------Année2018-2019--------------

p. 47

donnéesetd’effectuerdestraitementssurcesderniers.

ApprentissageAutomatique

3ECTS 10hCM,10hTD,10hTPResponsable: AlexisNasr Origine:SciencesCognitivesContenu Cette UE est une initiation à l'apprentissage automatique et samise en oeuvre dans le cadre dulangage Python. Son objectif principal est de présenter quelques modèles fondamentaux del'apprentissage automatique, et de l’expérimentation dans le cadre du langage Python (librairieSciKitLearn). Danscecadre,l’UEincluralesélémentssuivants: -Introduction aux concepts de bases, formalisme statistique pour l'apprentissage supervisé(classification etrégression),l'apprentissagenonsuperviséetl'estimationde densité -Arbresdedécisionetsélectiondemodèlesparvalidationcroisée. -Régressionlinéaire(unevariable), méthodedesmoindrescarrés,sélectiondevariables.Pointeursvers lesmodèleslinéairesgénéralisésetlaparsimonie. - Algorithme du perceptron, perceptron à noyau. Pointeurs vers les réseaux de neurones et lesséparateursàvastemarge(SVM). -Réseauxdeneurones.Introductionàl’apprentissagedereprésentation(deeplearning). Modalitéspédagogiques Lecourssecomposed’uncoursmagistral,detravauxdirigésetdetravauxpratiques.Encoursetentravauxdirigésserontprésentésquelquesmodèlesd’apprentissage,quiserontensuitemisenœuvresurordinateursdurantlesséancesdetravauxpratiques. Compétences Al’issuedececours,lesétudiantssaurontréaliserunprogrammed’apprentissageautomatiquequiseraapprisetévaluésurdesdonnéesfourniesparlesenseignants.

Stagederecherche HCOBU066ECTS 120hResponsable: AlexisNasr

Contrôlecognitifetprisededécision SNEBU13C [ECdeContrôlecognitif] 3ECTS 21hCM,9hTDResponsable: FranckVidal Origine:NICCL’objectifpédagogiquedecetteUEestdecaractériserlesprocessusdecontrôlecognitifetdeprisededécisionainsiquededécrire,cequel'onsaitdeleursbasesneurales.Pourcequiestducontrôlecognitif,lamanièredontilsemetenplace,depuisl'enfancejusqu'àl'âgeadulteseraaussiprésentée.Plusieursaspectsducontrôlecognitifserontprésentésenmettantenparticulierl'accentsurlarésolutiondesconflits(sensorimoteurs),leseffetsséquentiels(ausenslarge),lesprocessusd'inhibitionetenfinlecontrôleetlapréventiondel'erreur.Laprisededécisionseratraitéedansdes


---------Année2018-2019--------------

p. 48

sesaspectsrelativementélémentairesainsiquedansdesaspectspluscomplexes.Unepartsignificativeseraconsacréeàsamodélisation.Onmontreraaussicequel'étudedesbasesneuralesducontrôlecognitifetdelaprisededécisionpeutrévélersurlanaturedecesmécanismes.Coursmagistrauxettravauxdirigésorganisésenquatrechapitres.DesséancesdeTDsurcertainschapitresdecourspermettrontauxétudiantsderéinvestirdemanièreinteractivelesnotionsvuesencours,etdelesillustrersurdesexemplesprécis.

Attentionetpréparation SNEBU13C[ECdeContrôlecognitif] 3ECTS 21hCM,9hTDResponsable: LaurenceCasini-Chaillan Origine:NICC "L'attentionrenforce ladétection","l'attentionoptimise le tempsderéaction",cesdeuxexpressionssontaucoeur des processus traités dans cette UE qui seront organisés autour de deux questions: la préparation àl'action et les processus attentionnels, l'ensemble de ces processus visant à optimiser le déroulement desactivitéssensori-motrices.Chacunedecesquestionsseraabordéeàlafoisd'unpointdevuecomportementalmaiségalementneurobiologique.Lesnotionsthéoriquesserontprésentéesencoursmagistrauxorganisésen2parties.LesséancesdeTDaurontlieusousformedetravailàpartird'articlesscientifiquestiréesderevuesscientifiquesinternationales.Lesétudiantsserontamenésàprésentercesarticlessousformed'exposéoralouàlesdiscuterautourdetablesrondes.

Émotions,motivations,etleursdysfonctionnements SNEBU10C

6ECTS 40hCM,20hTDResponsable:SylvieThirionetChristineDeruel Origine:NICCL’enseignement abordera les points suivants : Les émotions : • Introduction à travers l’histoire des sciences, les aspects philosophiques, sociétaux et psychologiques ; définitions actuelles - bases cérébrales, cerveau social ; l’universalité, la reconnaissance des émotions • Les différentes composantes (physio/neuro et cognitive) et les théories psychophysiologiques des émotions • La neurochimie des émotions (du gène au réseau) • Les mécanismes d’empreintes anté et post natales • Le stress : dérégulation émotionnelle • Perception des émotions à travers la voix, le langage,le visage • Rôle des émotions dans les autres fonctions cognitives • Les troubles de la sphère émotionnelle (pathologies psychiatriques) • Le ressenti animal - Questions éthiques actuelles La motivation : • Définition et bases cérébrales • Stress et motivation • Les déficits de la motivation Les séances de TD porteront sur l’analyse bibliographique illustrant les différents aspects du cours. Un atelier sera organisé sur la conception, réalisation, traitement et analyse d’une expérience de neuropsychologie comportementale.


---------Année2018-2019--------------

p. 49

Modalités de contrôle des connaissances : examen final sous la forme de devoir sur table une partie de la note finale (30%) résultera du travail effectué par petits groupes lors des séances de Travaux Dirigés.


---------Année2018-2019--------------

p. 50


Semestre9(M2)

ScientificWorkshop HCOCU01

3ECTS 30hTDResponsable:PascaleColé Origine:SciencesCognitivesContenu:L’objectif principal de l’UE est double: 1) approfondir les connaissances des étudiants dansdifférentes fonctions cognitives: langage, mémoire, contrôle cognitif, raisonnement etc…et 2)confronterconcrètementlesétudiantsauxpratiquesdelarechercheensciencescognitivesenleurfournissant les moyens d’interagir directement avec des chercheurs de disciplines différentes quiviendrontprésenterleurstravaux.Modalitéspédagogiques:LastructurepédagogiquedecetteUEreposesurdesateliersscientifiquesenlangueanglaisequisedéroulerontsur3jours.Al’issuedecestroisjours,lesétudiantsdevrontfournirunesynthèseécrite(enanglaisouenfrançais)desinterventionssurunthèmechoisi.Compétences:Lescompétencesàacquérirsontlessuivantes:-Acquériruneexpertisedesconnaissancesinterdisciplinairesdufonctionnementdel’esprithumain,-Acquériruneexpertisedanslaconfrontation/débatdecesapprochesinterdisciplinaires,-Pratiquerladémarchescientifiquedessciencescognitives,-Pratiquerlacommunicationenlangueanglaise.Danslecasd’unprojetprofessionnelvisantl’obtentiond’undoctorat,cetteUEparticiperafortementàl’élaborationduprojetprofessionneldesétudiants.

Utilisationdesplateformes HCOCU04

3ECTS 6hCM,12hTD,12hTPResponsable:Jean-MichelBadier Origine:SciencesCognitivesContenu CetteUEestune initiationà l’utilisationdesoutilsdemesureetd’explorationaccessiblesdans lesdifférentesplateformesattachéesàl’ILCB.Elleinclutuneprésentationdesdifférentesplateformesettechniques accessibles dans l’environnement ILCB, mais également une réflexion théorique surl’origineetl’acquisitiondesdonnéesmesurées.Ons’intéresseraauxchoixdesparamètresmesurés,etlesétudiantsserontinitiésauxoutilsdestimulation.Unemiseenœuvrepratiqueestprévuedansle cadre d’une séance d’enregistrement sur les différentes plateformes. On discutera enfin desavantages et limites des différentes techniques utilisées, ainsi que de l’intérêt et difficultés desmesuresmultimodalitaires. Modalitéspédagogiques: Lesmodalitésexpérimentalesabordéessontlessuivantes: Imageriederésonnanceanatomiqueetfonctionnelle, ElectroEncéphaloGraphie, MagnétoEncéphaloGraphie.


---------Année2018-2019--------------

p. 51

Compétences Lescompétencesausortirdel’UEpermettrontauxétudiantsde1/ savoirchoisirl’outild’explorationapproprié pour répondre à la question scientifique posée, 2/ connaitre les limites des différentsoutilsd’exploration,3/savoiroùchercherl’expertisedanslepérimètredel’ILCBetaudelà,etenfin4/êtrecritiqueàlalectured’uneétuderéaliséeaveclestechniquesétudiées.

FonctionnementsetDysfonctionnements: HPSCU19approchespsychologiquesetneuropsychologiques 12ECTS 16hCM,30hTDResponsable: Origine:PNPCContenu L’objectifdecetteUEestdefournirauxétudiantsuneconnaissanceapprofondiedufonctionnementnormal et pathologique auprès de patients atteints de troubles cognitifs divers. Il s’agira, avec denombreuxintervenantsprofessionnels,defaireunétatdeslieuxdesconnaissancesactuellesdansledomainedelapsychologieetdelaneuropsychologieenlienavecdestroublesdiversdel’attention,de la perception, du langage, de lamémoire, etc. Laprise en chargedes troublesmentauxet desdysfonctionnements cognitifs requière en effet lamise à jour constante des connaissances et unepriseencomptedesavancéesdelarecherchedanscedomaine.L’objectifdecetUEestégalementdemettreenparallèle ledéveloppementdesmodèlesdefonctionnementet lapratiquedeterraindupsychologue. Il serademandéauxétudiantsdedévelopper leursconnaissancesetd’adopterunregard critique leur permettant de comprendre les enjeux du domaine et les grandes questionsd’achoppementdesmodèlesenprésence. Modalitépédagogique LastructurepédagogiquedecetteUEreposeàlafoissurdesenseignementsthéoriquesconcernantla psychophysique, les modèles psychologiques et neuropsychologiques actuels. Il concerneégalement la recherche et les développements possibles dans les différents domaines abordés.L’étudiant devra utiliser activement les connaissances dispensées afin de développer sa pratiquefuturedansledomaineoulapathologiequil’intéresse. Compétences Lescompétencesàacquérirsontlessuivantes: -Acquériruneexpertisesurlesdifférentsmodèlesdefonctionnementpsychologique;- Acquérir une expertise sur les différents modèles neuropsychologique de compréhension despathologies; -Avoiruneconnaissancedespistesàexplorer,desenjeuxthéoriquesetpratiquesetêtreenmesuredeproposerundéveloppementdanscedomaine.

Développementetplasticitédusystèmenerveux SNEAU10C6ECTS 40hCM,20hTDResponsable:Yoh'iZennou-Azogui Origine:NICCPlanducours:

DéveloppementdusystèmenerveuxMaturationdesréseauxneuronauxPlasticitéliéeauxapprentissagesetàl’interactionavecl’environnementPlasticité post-lésionnelle du système nerveux, mécanismes et corrélats fonctionnels –


---------Année2018-2019--------------

p. 52

RéhabilitationPlasticité mise en œuvre dans des conditions pathologiques (Parkinson, sclérose en plaque,

dépression,tumeur,…)Rôledel’inflammationetdescellulesmicroglialesdanslaplasticitédesréseauxneuronaux

Outilsdediagnostic,PriseenchargeetRemédiation HPSCU22 6ECTS 16hCM,30hTDResponsable: Origine:PNPCContenu L’objectif de cette UE est de fournir aux étudiants une connaissance approfondie des méthodesthérapeutiquesdepriseenchargeetdestechniquesderemédiationetderéhabilitationauprèsdepatients atteints de troubles cognitifs divers. Il s’agira, avec de nombreux intervenantsprofessionnels, de faire un état des lieux des prises en charge dans le domaine de laneuropsychologie et des troubles mentaux. Il s’agira également de proposer des pistes dedéveloppement dans le domaine de la remédiation cognitive. La prise en charge des troublesmentauxetdesdysfonctionnementscognitifsrequièrenteneffetlamiseàjourconstantedesoutilsderemédiationetderéhabilitationafindeprendreencomptelesavancéesdelarecherchedanscedomaine. Il sera demandé aux étudiants de développer leurs connaissances et d’appliquer leuringénieriedansledomainedusoin,delaremédiationetdelaréhabilitationdespatients. Modalitépédagogique LastructurepédagogiquedecetteUEreposeàlafoissurlavalidationdesoutilsthérapeutiquesmaisconcerne également la recherche et les développements possibles dans les différents domainesabordés. L’étudiant devra utiliser activement les connaissances dispensées afin de développer unprojetdanscedomainesurlapathologiequil’intéresse. Compétences Lescompétencesàacquérirsontlessuivantes: - Acquérir une expertise sur les différentes techniques thérapeutiques, de remédiation et deréhabilitationexistantesdansledomainedestroublesneuropsychologiques; - Avoir une connaissance des pistes à explorer, des besoins et être en mesure de proposer undéveloppementdanscedomaine.


---------Année2018-2019--------------

p. 53


Semestre10(M2)

Ingénieriecognitive HCODU016ECTS 20hCM,40hTPResponsable:équipepédagogique Origine:SciencesCognitivesContenu L’objectifdecetteUEprofessionnelleesttriple:1)apprendreàélaborerunCVprofessionnel,2)sefamiliariser avec les principaux secteurs d’application des sciences cognitives et 3) élaborer unemaquetted’unproduitdansunsecteurd’application(secteurindustriel,académique,delasanté,del’éducationetc..)ou,danslecasd’unprojetdethèseécrireunprojetderecherche.

Modalitéspédagogiques: LastructurepédagogiquedecetteUEreposesuruneformationconcrèteàl’écrituredeCV,etsurunstagecourtd’unesemainesur le lieuprofessionnelchoisipar lesétudiants (entreprise, laboratoiredans le cas d’un doctorat etc…) OU sur l’intervention de professionnels dans trois secteursd’applicationdifférents.A l’issuedecetteUE, lesétudiantsdevront rendreunprojetprofessionnel(maquette,projetdethèse).

Compétences Lescompétencesàacquérirsontlessuivantes:

- Élaborer un projet personnel à partir des compétences acquises dans le domaine des sciencescognitivesvisantàfaciliterl’insertionprofessionnelle-Rédigerunprojetquisoitcompréhensibleparunpublicdenon-expert.Stagedeterrain HCODU0224ECTS 500hResponsable:encadrant

plaquette Master Sciences Co OK - univ-amu.fr

Documents

Transcript of plaquette Master Sciences Co OK - univ-amu.fr