Cette unité d’enseignement n’est pas accessible aux étudiants d’échange !
Langue
d'enseignement
d'enseignement
Contenu
Le TFE peut être focalisé sur des aspects soit théoriques, soit expérimentaux, soit de simulation, soit de développement, ou sur une combinaison de ces composantes. Enfin, le TFE peut être l’occasion d’une confrontation forte avec le monde industriel. Le TFE peut être focalisé sur des aspects soit théoriques, soit expérimentaux, soit de simulation, soit de développement, ou sur une combinaison de ces composantes. Enfin, le TFE peut être l’occasion d’une confrontation forte avec le monde industriel.
Méthodes d'enseignement
Les étudiants sont responsables de planifier et préparer les rencontres avec le promoteur (AA).
L’étudiant rédige un plan (« roadmap ») du TFE rendu au(x) promoteur(s) 1 à 2 mois après le début du TFE, avec copie aux responsables de programme pour les commissions qui le souhaitent. Une version revue de ce document peut être demandée à mi-parcours (si pertinent). Ce plan contiendra les éléments suivants (si pertinents) :
-une énonciation claire de l’objectif du TFE ;
-la déclinaison des AA visés (idéalement aussi les AA spécifiques) ;
-le positionnement contextuel (type de domaine d’application, impact sociétal, …) ;
-les méthodes envisagées (théorie, outils expérimentaux, développement, simulation numérique) ;
-la liste des ressources disponibles techniques (équipements, codes, etc) qu’humaines (encadrant et personnes de référence pour aspects techniques) ;
- un premier travail bibliographique bref, ce compris des notices techniques ;
- un premier planning du travail avec des délivrables.
L’étudiant veille à organiser une ultime rencontre avec son promoteur dans le mois qui précède la remise du travail afin de s’assurer que le travail produit répond aux attentes et objectifs établis en début de TFE.
L’étudiant rédige un plan (« roadmap ») du TFE rendu au(x) promoteur(s) 1 à 2 mois après le début du TFE, avec copie aux responsables de programme pour les commissions qui le souhaitent. Une version revue de ce document peut être demandée à mi-parcours (si pertinent). Ce plan contiendra les éléments suivants (si pertinents) :
-une énonciation claire de l’objectif du TFE ;
-la déclinaison des AA visés (idéalement aussi les AA spécifiques) ;
-le positionnement contextuel (type de domaine d’application, impact sociétal, …) ;
-les méthodes envisagées (théorie, outils expérimentaux, développement, simulation numérique) ;
-la liste des ressources disponibles techniques (équipements, codes, etc) qu’humaines (encadrant et personnes de référence pour aspects techniques) ;
- un premier travail bibliographique bref, ce compris des notices techniques ;
- un premier planning du travail avec des délivrables.
L’étudiant veille à organiser une ultime rencontre avec son promoteur dans le mois qui précède la remise du travail afin de s’assurer que le travail produit répond aux attentes et objectifs établis en début de TFE.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L’évaluation porte sur quatre volets complémentaires : le travail réalisé durant l’année (40%), le manuscrit (30%), la présentation finale (10%) et les réponses aux questions posées à l’issue de la présentation (20%). Les critères spécifiques évalués dans chaque volet sont décrits dans les lignes directrices disponibles sur le Moodle « EPL2990 ».
En l’absence de consignes spécifiques données par le promoteur ou la promotrice du travail de fin d’études en ce qui concerne l’usage des intelligences artificielles génératives, les consignes générales de l’UCLouvain sont d’application. Dans le cas où des consignes spécifiques complémentaires sont d’application, celles-ci doivent être reprises dans un document écrit signé par l’étudiant·e et l’enseignant·e.
De manière générale,, le recours à des intelligences artificielles génératives pour l'aide à la rédaction du mémoire ou de certaines de ses parties, ou pour la production de parties de codes, n’est pas interdit, pour autant que l’étudiant·e indique explicitement l’usage qui a été fait de ces outils, dans la partie décrivant la méthodologie utilisée pour le travail. En outre, lorsqu’une partie du texte est recopiée d’une proposition issue d’une IA générative, il convient de référencer cette IA générative comme source du texte, tout comme on le ferait pour n’importe quelle citation extraite d’un document.
En l’absence de consignes spécifiques données par le promoteur ou la promotrice du travail de fin d’études en ce qui concerne l’usage des intelligences artificielles génératives, les consignes générales de l’UCLouvain sont d’application. Dans le cas où des consignes spécifiques complémentaires sont d’application, celles-ci doivent être reprises dans un document écrit signé par l’étudiant·e et l’enseignant·e.
De manière générale,, le recours à des intelligences artificielles génératives pour l'aide à la rédaction du mémoire ou de certaines de ses parties, ou pour la production de parties de codes, n’est pas interdit, pour autant que l’étudiant·e indique explicitement l’usage qui a été fait de ces outils, dans la partie décrivant la méthodologie utilisée pour le travail. En outre, lorsqu’une partie du texte est recopiée d’une proposition issue d’une IA générative, il convient de référencer cette IA générative comme source du texte, tout comme on le ferait pour n’importe quelle citation extraite d’un document.
Ressources
en ligne
en ligne
Le règlement et les consignes, les dates importantes, les modèles et d'autres informations sur les travaux de fin d'études sont disponibles sur le site Moodle dédié https://moodleucl.uclouvain.be/course/view.php?id=11582
Faculté ou entité
en charge
en charge
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en science des données, orientation technologies de l'information
