Showing posts with label Tipe. Show all posts
Showing posts with label Tipe. Show all posts

TIPE 2017

Le Conseil Supérieur de l’Éducation (CSE) du 10 décembre 2015 a validé le thème des TIPE pour l’année scolaire 2016-2017. Le thème s’intitule :




      Il s’applique dans les classes préparatoires de seconde année, affectées ou non d’une étoile, des voies mathématique et physique (MP), physique et chimie (PC), physique et sciences de l’ingénieur (PSI), physique et technologie (PT), technologie et sciences industrielles (TSI), technologie, physique et chimie (TPC) et biologie, chimie, physique et sciences de la Terre (BCPST), technologie-biologie (TB) pour l’année scolaire 2016-2017.
L’adéquation du sujet choisi par l’étudiant au thème de l’année s’opérera par l’une ou plusieurs des trois entrées proposées : choix, contraintes, hasard.
Le Doyen de l’Inspection générale de physique-chimie a affirmé que les changements dans le format de l’épreuve de TIPE pour les Concours Centrale-Supélec, les Concours Communs Polytechniques, le Concours Commun Mines-Ponts et la Banque filière PT (Physique Technologie) allaient avoir des conséquences pédagogiques dans la préparation aux concours.

Évolution TIPE session 2017
Cadre général de l’épreuve
À partir de la session 2017, l’épreuve commune de TIPE se positionnera uniquement sur la présentation du travail de l’année, c’est-à-dire qu’elle ne comportera plus d’analyse de document scientifique. L’interrogation durera 30 minutes effectives décomposées en 15 minutes de présentation de son travail par le candidat et 15 minutes d’échange avec un binôme d’examinateurs.
        L’activité de l’année s’effectuera dans le cadre du thème annuel. Elle ne peut se résumer à un travail académique (démontrer un théorème, étudier une théorie, etc.) : elle doit obligatoirement s’inscrire dans un contexte plus large et témoigner d’une véritable initiative du candidat.
             Si le travail effectué comporte une partie expérimentale, celle-ci doit être clairement en rapport avec l’objectif poursuivi. Les manipulations « presse-bouton », sans valeur ajoutée, sont à proscrire : par le passé certains candidats ont présenté une manipulation de laboratoire à laquelle ils n’avaient participé qu’en observateurs ou se sont révélés incapables d’expliquer l’apport d’une expérience dans leur travail.
             La présentation du travail doit être destinée à un public scientifique mais non spécialiste du domaine étudié. Elle doit clairement mettre en évidence la démarche utilisée, sans masquer les éventuels échecs ou hésitations. La manière de prendre en compte un échec ou de réaliser un choix (qui pourra se révéler non optimal) est tout aussi valorisable que l’obtention d’un résultat. La critique des résultats obtenus est également un passage obligé.
Le candidat devra rédiger un état de l’art du domaine sur lequel portera son étude permettant de préciser la problématique envisagée. Celui-ci se présentera sous la forme d’un texte d’au maximum 800 mots, accompagné de 5 mots-clefs en français, 5 mots-clefs en anglais et 5 à 10 références bibliographiques principales. Ce document devra être déposé sous format numérique sur le serveur de l’épreuve de TIPE au plus tard vers la mi-mars (la date précise sera fiée annuellement).
             En cas de travail en équipe, chaque candidat doit avoir une vision d’ensemble du projet et de ses objectifs et être capable d’expliquer clairement sa contribution. Il est attendu que chaque candidat se place dans une démarche de projet et que la collaboration ne se résume pas à réaliser à plusieurs le travail d’une personne. En particulier la répartition des tâches doit permettre à chacun de dérouler une démarche complète, les examinateurs ne peuvent accepter un partage des tâches qui se résume à « j’ai rédigé le texte, mon binôme a tracé les courbes ». Il est attendu un état de l’art commun pour le groupe qui permette, dans le cadre d’une problématique globale, de dégager un axe d’étude propre à chaque candidat.
          Au plus tard une semaine avant le début de la session d’oral, chaque candidat devra déposer sous format numérique sur le serveur de l’épreuve de TIPE, sa présentation et un rapport de 1000 mots au maximum accompagné d’un résumé en anglais (100 mots environ). Le jour de l’épreuve, le candidat trouvera dans la salle d’interrogation un ordinateur ou une tablette contenant cette présentation ainsi qu’un système de projection (écran ou vidéoprojecteur) lui permettant de l’exposer aux examinateurs.
           Afin de détecter d’éventuels plagiats, des comparaisons seront effectuées entre les documents remis (y compris ceux des années précédentes) et avec diverses autres sources (en particulier en provenance d’internet).
L’évaluation de la prestation du candidat sera fondée sur la mise en œuvre d’une démarche scientifique et les capacités démontrées dans cette démarche : rigueur, doute, adaptabilité, prise de décision, organisation, recul, etc. L’apprentissage de connaissances disciplinaires ne fait pas partie du champ d’évaluation de l’épreuve. Cependant, la détection de lacunes disciplinaires empêchant le bon déroulement du travail sera sanctionnée. La démarche du candidat doit naturellement le conduire à mettre en œuvre des connaissances issues de plusieurs disciplines enseignées en CPGE.

Source:AL9AHIRA

TIPE 2016

L’intitulé du thème de Travaux d’Inititative Personnelle Encadrés (TIPE) commun aux filières MP, PC, PSI, TSI, BCPST, PT, TB et TPC pour l’année universitaire 2015-2016 est :





Débroussaillons le sujet :

Ces quatre mots-clés forment donc le thème des travaux d’initiative personnelle encadrés (TIPE 2015-2016) que les futurs ingénieur-e-s vont réaliser cette année 2015-2016 en classes préparatoires aux grandes écoles.

Au niveau des sciences informatiques et mathématiques, ces sciences qui ont fait le numérique, ces mots ont des sens précis, et peut-être inattendus.

    Complexité: Ainsi si le terme de complexité a un sens très précisément défini. En science informatique, il y a :
  • une théorie de la complexité qui étudie la quantité de ressources (en temps et en espace) nécessaire pour la résolution de problèmes au moyen de l’exécution d’un algorithme ; Ainsi, on dira d’un algorithme qu’il a une “complexité élevée” non pas parce qu’il est compliqué à comprendre, mais parce qu’il demande un grand nombre d’opérations quand il s’exécute sur une machine pour une instance du problème.
  • une mesure de complexité d’un message ou d’une information qui est complètement formalisée.
    C’est la forme “algorithmique”, de cette mesure de l’information, dite de Kolmogorov, plus liées aux sciences informatiques.
    Il y aussi une forme “probabiliste”, de Shannon, qui fonde une théorie de l’information plus mathématique.



On voit donc que la notion de complexité s’applique à la fois aux données et aux traitements sur ces données. Beaucoup d’idées de sujets peuvent être liées à ce volet du thème, considérer un problème, proposer un algorithme et regarder comment étudier sa complexité. Ou encore trouver ou étudier des applications, elles sont nombreuses à la mesure de complexité algorithmique ou probabiliste.


    Dynamique: De même, le terme de dynamique a certes des sens multiples, mais il se rapporte aussi à des notions pointues et passionnantes.
  • Celle de système dynamique, où des systèmes complètement différents (biologiques, mécaniques, sociaux, …) vont être étudiés du point de vue de leur évolution pour révéler leur comportement général (stable, cyclique, chaotique, …), y compris pour étudier le cerveau.
    Notons que l’expression « dynamique des systèmes » n’a pas le même sens pour un automaticien que cette notion de « théorie des systèmes dynamiques », issue de la physique : en automatique, on parle bien de « théorie des systèmes », ce qui désigne effectivement autre chose.
  • Celle de la programmation dynamique, qui est une des méthodes les plus fructueuses pour résoudre des problèmes d’optimisation, dès que le problème est composé de plusieurs sous-problèmes de même nature qui se cumulent. Elle s’utilise aussi au niveau des jeux dynamiques(à la croisée de la théorie des jeux et de la recherche opérationnelle). Ce sont des expressions assez bien circonscrites.
  • Il y a aussi, dans un domaine complètement différent, les langages de programmation dynamique, qui vont au cours de leur propre exécution permettre d’analyse le code informatique en train de s’exécuter : étendre le code initial, modifier le type des données, bref faire l’introspection du programme lui-même. C’est essentiel : ce qui fait la puissance des ordinateurs et qui en fait des calculateurs universels est justement cette capacité à faire évoluer son propre programme. Donc : attention à ne pas confondre tous ces termes, si proches !

Ce volet du sujet permet d’aborder la modélisation, l’étude et la simulation de toute sorte de systèmes, dynamiques justement, que ce soit au cœurdes humains, ou avec des bactéries, les interactions proies/prédateurs des populations animales, ou la modélisation des procédés biologiques dedépollution. On pourra y utiliser des équations différentielles, et plusieurs autres points du programme.

Organisation: L‘organisation est aussi une notion très naturellement liée aux sciences du numérique, sans être un terme technique fixé. Cette omniprésence de la notion d’organisation s’explique par un besoin de structuration pour créer des machines, des systèmes et des logiciels.
Mettre en place un réseau de communication, par exemple, fait appel à la théorie des graphes pour optimiser les connexions ou pour éviter qu’une panne sur une partie du réseau ne le mette en danger dans sa globalité.

De même au niveau des machines, leur architecture et l’organisation du système d’exploitation sont de grands exemples d’organisation permettant de contrôler la complexité du système à faire fonctionner.

À un autre niveau, les langages de programmation orientés objets sont des paradigmes qui permettent de proposer une organisation du code informatique particulièrement performante pour développer de manière stable et robuste de grands logiciels.

De la dynamique à l’organisation : on peut évoquer les automates cellulaires. Ce sont à la fois des modèles de systèmes dynamiques discrets et un modèle de calcul complètement distribué, à partir duquel des comportements macroscopiques émergent de l’interaction à une bien plus petite échelle d’un grand nombre de cellules de calcul élémentaire. L’intelligence de notre cerveau est en soi un phénomène d’émergence issu de l’interaction entre nos neurones.

Au niveau informatique, l’organisation d’un ensemble de données permet d’accéder rapidement avec des langages de requêtes structurés (SQL =Structured Query Language), ce qui offre aux bases de données la capacité de représenter une partie du monde de manière cohérente. Ce sont les ontologies informatiques à la base du Web sémantique les constructions les plus abouties sur ce volet.

Cette volonté d’organisation a-priori ne se retrouve évidemment pas partout. Par exemple, sur les réseaux sociaux, les ressources se multiplient et les groupes (comme les groupes d’amis) se constituent sans être planifiés. Mais cela n’empêche pas de traiter cette masse d’information et l’algorithme edge-rank permet à facebook d’organiser automatiquement ce qui nous est présenté. Au-delà, les sciences du numériques se mettent alors à considérer ce conglomérat de donnés comme un sujet d’étude. Et à observer l’auto-organisation de ces systèmes distribués. Ce sont des recherches pluridisciplinaires, qui permettent par exemple d’étudier les bassins culturels géographiques ou sociaux. Dans l’exemple en lien, le gangnam-style ou le harlem-shake deviennent, oui, des sujets de modélisation tout à fait sérieux.

Vient alors le mouvement récent des Big Data, ce déluge de données bien défini et expliqué dans le document en lien. Ce sont des données aux sources variées et non structurées (par exemple, le « quantified self » concerne les données produites par tout le monde avec des objets communicants, les réseaux sociaux créent des données réparties sur les réseaux et dans différents environnements, l’open-data permet d’accéder aux données publiques sans qu’elles soient structurées de manière particulière).

Avec des méthodes d’analyse de données (ou fouille de données) on peut trouver des groupes non explicites sur un réseau social (par exemple des utilisateurs qui partagent des messages et des contacts sans le savoir) ou bien trouver une organisation dans les Big Data (par exemple en montrant qu’un ensemble de pages sur le Web suivent la même structure, le même « plan »).

    Structures a également plusieurs sens en informatique:
  • Pour les bio-informaticiens, un modèle géométrique et un affichage des molécules biologiques permettent d’en déterminer la structure et donc quelle est leur fonction biologique.
  • Pour tous, les structures de données sont nécessaires pour représenter de façon judicieuse des données. Ainsi, certains algorithmes seront plus ou moins adaptés selon la façon dont on représente (ou structure) les même données.Ces choix de structures font partie de la pensée informatique car ce sont des ingrédients importants des algorithmes.

  • On peut donc se plaindre que le sujet est très vague, mais il recèle beaucoup de niches scientifiques passionnantes à étudier très précisément.

    Source : AL9AHIRA

La clé de la réussite que la plupart ignore.

Science Idustrielle

Made with by Double-B

© Double-B , Inc. All rights reserved.