MSE Master of Science in Engineering

The Swiss engineering master's degree

Chaque module vaut 3 ECTS. Vous sélectionnez 10 modules/30 ECTS parmi les catégories suivantes:

  • 12-15 crédits ECTS en Modules technico-scientifiques (TSM)
    Les modules TSM vous transmettent une compétence technique spécifique à votre orientation et complètent les modules de spécialisation décentralisés.
  • 9-12 crédits ECTS en Bases théoriques élargies (FTP)
    Les modules FTP traitent de bases théoriques telles que les mathématiques élevées, la physique, la théorie de l’information, la chimie, etc., vous permettant d’étendre votre profondeur scientifique abstraite et de contribuer à créer le lien important entre l’abstraction et l’application dans le domaine de l’innovation.
  • 6-9 crédits ECTS en Modules contextuels (CM)
    Les modules CM vous transmettent des compétences supplémentaires dans des domaines tels que la gestion des technologies, la gestion d’entreprise, la communication, la gestion de projets, le droit des brevets et des contrats, etc.

Le descriptif de module (download pdf) contient le détail des langues pour chaque module selon les catégories suivantes:

  • leçons
  • documentation
  • examen 

Réinitialiser le filtre

Modules: 4

Le calcul formel et numérique en ingénierie (FTP_CompAlg, 2021-2022)

Les étudiants sont en mesure, après réussite de ce module, de résoudre des problèmes mathématiques sélectionnés dans la pratique via une combinaison de logiciels de calcul formel, à l’aide de méthodes sélectionnées dans le calcul numérique, ainsi que d’en interpréter les résultats et de les présenter grâce à la visualisation.

Télécharger le descriptif complet

Voir plus
Traitement numérique d’image (FTP_DigImPro, 2021-2022)

Le but de ce module est de décrire avec une  assise mathématique et algorithmique, les bases du traitement de l’image. Certaines applications 2D et 3D, industrielles et biomédicales seront décrites.

Télécharger le descriptif complet

Voir plus
Machine Learning (FTP_MachLe, 2021-2022)

L’apprentissage automatique ou Machine Learning (ML) est le fruit de l’intelligence artificielle et de la science informatique, et se définit comme une discipline universitaire visant à « donner aux ordinateurs la faculté d’apprendre sans avoir été explicitement programmés pour le faire ». (A. Samuel, 1959). A l’heure actuelle, l'apprentissage automatique est le moteur méthodologique des grandes tendances de fond de…

Télécharger le descriptif complet

Voir plus
Physics on micro and nano scale (FTP_PhyMNS, 2021-2022)

The module “Physics on micro and nano scale” focuses on physical effects and their applications in photonics, electrical engineering, medical engineering and mechanical engineering which become relevant, when technical systems get miniaturized. In the first step of miniaturization - from macro to micro – the principal physics remains unchanged, but the dominant physical effects change due to a changed surface to…

Télécharger le descriptif complet

Voir plus