Master mention sciences cognitives parcours neurosciences computationnelles et Intelligence Artificielle / Computational neuroscience and artificial Intelligence - 2ème année
Date de mise à jour :
Identifiant Offre Info : 14_AF_0000239714
Organisme responsable :
Université Paris Cité
(ouvre dans un nouvel onglet)
Référentiels
Code Rome
- H1206 Management et ingénierie études, recherche et développement industriel
- K2401 Recherche en sciences de l'homme et de la société
Formacode
- 14278 : Sciences cognitives
- 31028 : Intelligence artificielle
- 32062 : Recherche développement
Présentation de la formation
Objectifs
Compétences spécifiques de la mention Mobiliser les concepts spécifiques aux sciences cognitives en prenant en compte les contraintes physiques, physiologiques et psychologiques des humains Développer, tester et évaluer une application ou une modélisation en prenant en compte les mécanismes cognitifs humains Modéliser un phénomène cognitif ou un problème notamment avec des outils informatiques associés aux outils mathématiques ou des sciences cognitives Mettre en synergie des…
- Mobiliser les concepts spécifiques aux sciences cognitives en prenant en compte les contraintes physiques, physiologiques et psychologiques des humains
- Développer, tester et évaluer une application ou une modélisation en prenant en compte les mécanismes cognitifs humains
- Modéliser un phénomène cognitif ou un problème notamment avec des outils informatiques associés aux outils mathématiques ou des sciences cognitives
- Mettre en synergie des connaissances pluridisciplinaires pour proposer des solutions innovantes, en combinant informatique, psychologie, biologie et technologies cognitives.
- Assurer une veille scientifique et technologique de haut niveau dans le champ des sciences cognitives
- Mettre en œuvre une démarche expérimentale propre aux sciences cognitives en intégrant des approches et savoir-faire techniques pluridisciplinaires
- Identifier et quantifier une réponse comportementale et cognitive chez l'homme en identifiant et en appliquant les techniques pertinentes
- Trier et synthétiser des données expérimentales en mettant en œuvre les bonnes pratiques de laboratoire et les principes de déontologie et d'intégrité scientifique en respectant les principes éthiques dans la manipulation des données applicables aux personnes
- Interpréter les données recueillies en les confrontant aux données préexistantes ou issues de la littérature scientifique et/ou technique
- Exploiter les résultats obtenus en dialoguant avec tous les acteurs des projets pluridisciplinaires à hautes composantes technologiques
- Réaliser des illustrations représentatives des phénomènes observés en utilisant les outils numériques dédiés
- Diffuser la synthèse, les conclusions, les enjeux et les perspectives
Programme de la formation
M2 – Semester 3 Master core curriculum Internship preparation (1 day/week) (6 ECTS) Options : 18 ECTS among these options Computational psychiatry (6 ECTS) 7Advanced bayesian modeling and model comparison (3 ECTS) Integrative modeling of living organisms (3 ECTS) Advanced Reinforcement learning applied to Cognitive Science (3 ECTS) Human-AI Interactions (6 ECTS)(Will open in 2026) Advanced Computational Neuroscience (3 ECTS) Ethics in Cognitive Sciences (only for direct entrance to…
Master core curriculum
Internship preparation (1 day/week) (6 ECTS)
Options : 18 ECTS among these options
Computational psychiatry (6 ECTS)
7Advanced bayesian modeling and model comparison (3 ECTS)
Integrative modeling of living organisms (3 ECTS)
Advanced Reinforcement learning applied to Cognitive Science (3 ECTS)
Human-AI Interactions (6 ECTS)(Will open in 2026)
Advanced Computational Neuroscience (3 ECTS)
Ethics in Cognitive Sciences (only for direct entrance to M2) (3 ECTS)
Human experimentation and statistics (only for direct entrance to M2) (3 ECTS)
Options : 6 ECTS among these options
Attention (6 ECTS)
Decision (6 ECTS)
Cognitive neuroscience of consciousness (6 ECTS)
Computational language modeling and cognition (6 ECTS)
Generative modeling of images (6 ECTS), (6 weeks (5h per week) from January to March)
Advanced MAchine Learning & Deep Learning (6 ECTS)
Reinforcement learning (RL) (6 ECTS)
Reconnaissance des formes et IA (in French) (6 ECTS)
Explainable AI (6 ECTS)
IA pour la robotique et les sciences cognitives (lectures in French, slides in English) (6 ECTS)
Modèles probabilistes en neurosciences (in French) (6 ECTS)
Fonctionnement des réseaux de neurones : analyse mathématique (in French) (6 ECTS)
Vision from retina to primary visual cortex (6 ECTS)
Physiology of perception (6 ECTS)
(open in 2026) Motor control (3 ECTS)
Social robotics (6 ECTS)
Introduction à l'apprentissage automatique (in French) (3 ECTS)
Méthodes du premier ordre pour l'optimisation non convexe et non lisse (in French) (3 ECTS)
Optimisation stochastique & généralisation pour le ML (in French) (3 ECTS)
Algorithms for speech and natural language processing (6 ECTS)
Closed-loop neuroscience (3 ECTS)
Dynamical system and computational neuroscience (3 ECTS)
M2 – Semester 4
Master core curriculum
INT-401Internship (full time) (30 ECTS)
Validation et sanction
Type de formation
Certifiante
Niveau de sortie
Bac + 5 et plus
Durée, rythme, financement
Durée
En centre
225 h
Financement
- Conventionnement
- Non
Conditions d'accès
Public visé
- Tout public
Niveau d'entrée
Sans niveau spécifique
Conditions spécifiques et prérequis
-
Lieu de réalisation de l'action
Modalités d'enseignement
Formation entièrement en présentielle
Adresse
45 Rue des Saints-pères75006 Paris 6e
Responsable : Université Paris Cité
Périodes prévisibles de déroulement des sessions
Début
Fin
- Adresse d'inscription
-
Université Paris Cité
75006 Paris 6e - État du recrutement
- Ouvert
- Modalités
- Entrées / Sorties à dates fixes