Campus Numérique UABT

Mobile apps become increasingly important in the today’s world. It consists of a software application designed specifically to run on a mobile device such as, smartphone, smartwatches, tablets, smart TV, etc., rather than on desktops or laptops.

Mobile app development is the process of creating software for mobile devices. However, some frameworks like Flutter have been proposed to also develop desktop and web applications along with mobile apps. Flutter allows you to build applications for mobile (android & iOS), desktop (Linux, MacOs, Windows), Web and embedded devices, all from a single codebase. 

 Therefore, many motivations can lead people to study and learn mobile apps development approaches in a general way, and Flutter framework in a more specific way. These latter include:

• Growing Market Demand: the increasing popularity of smartphones, tablets and mobile devices in general.
•  Career opportunities: many companies are looking for developers to create and maintain their mobile apps.
•  Innovation: involves participating in innovative projects (graduation project).
•  Creativity: designing attractive user interfaces and engaging user experiences.
• Entrepreneurship: the way to create and market your own product.
• Cross-Platform development: Flutter allows you to reduce development time and costs by running the same app code on different platforms.

L'apprentissage artificiel est une branche de l'intelligence artificielle qui permet aux ordinateurs d'apprendre à partir des données et de faire des prédictions sans programmation explicite pour chaque tâche. Ce cours, destiné aux étudiants de troisième année en licence Génie Biomédical, spécialité « Informatique Biomédicale et Hospitalière », vise à fournir une compréhension approfondie des divers modes d'apprentissage et des techniques pour les améliorer.

Le cours couvrira les origines et l'évolution de l'apprentissage automatique, les concepts et principes fondamentaux, les types de données utilisées et les principales applications. Il abordera différents modes d'apprentissage, notamment supervisé, non supervisé, semi-supervisé, par renforcement et par transfert. Les méthodes évolutionnistes, telles que les algorithmes génétiques et l'optimisation par essaims particulaires, seront également explorées pour optimiser les algorithmes.

L'objectif est de fournir les compétences nécessaires pour appliquer ces techniques dans divers contextes et contribuer à l'avancement de l'apprentissage artificiel.