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 

Modules: 21

Advanced Project Management (CM_AdvProjMgmt)

The goals of an organization can be efficiently pursued only through proper project management, as a mean able to consistently tackle their needs. Thus the role of the Project Manager become essential, as responsible to achieve the objectives, respecting the constraints determined by the project context. Modern Project Managers must have in-depth technical and management knowledge.
The course provides the students…

Télécharger le descriptif complet

Ethique et responsabilité de l'entreprise (CM_Ethics)

Dans un environnement au changement de plus en plus rapidement, les étudiant(e)s sont habilités, tant en tant qu'ingénieur(e)s que dans des fonctions de cadres de l'entreprise, - assumer une responsabilité sociale. Ils sont pour cela sensibilités de manière approfondie avec des aspects moraux et éthiques de leur action ainsi que pour les répercussions écologiques et sociales d'entreprises. Dans la vie…

Télécharger le descriptif complet

Integrated Sustainable Management of Production Systems (CM_IntSust)

Companies are increasingly interested in conducting their activities so that a long-term future is assured for its business, society and environment. The purpose of this class is to deal with the well-recognized but sometimes vague concept of sustainability from an engineering perspective. The module is meant to introduce students to the implementation of sustainable management in industries and provide them with…

Télécharger le descriptif complet

La sphère privée et le droit (CM_PrivLaw)

Le module «Privacy and Law» sensibilise les étudiants aux menaces pesant sur la vie privée dans la société postmoderne et incite à la réflexion sur des valeurs dans les contextes interculturel et historique.
Les étudiants reçoivent une vue d’ensemble (connaissance de système et d’orientation) concernant les aspects juridiques, qui n’ont été spécialement thématisés ni dans le cadre de la maturité professionnelle ni…

Télécharger le descriptif complet

Qualité et gestion de risque (CM_QRM)

Le module a pour objectif de transmettre les bases fondamentales de la gestion du risque et de la qualité, en concrétisant la théorie par des exemples tirés de la pratique. Outre qu’il s’oriente sur les normes actuelles et les bonnes pratiques en vigueur dans le domaine de la gestion du risque et de la qualité, ce module introduit aux méthodes éprouvées.

Télécharger le descriptif complet

Smart services (CM_SmartSer)

 

Smart Service Design and Engineering - Value Creation:

  • Basics of Smart Service Design (Customer insight, customer journey, value proposition design, use of data insights)
  • Selected topics of Service Science and Service Dominant Logic
  • Service blueprinting as a relevant step in the service engineering process
  • Characteristics of Data Services and Data Products
  • Use of data in the smart service design process and in…

Télécharger le descriptif complet

Advanced Algorithms and Data Structures (FTP_AdvAlgDS)

Algorithms are at the heart of every computer program. Informally, an algorithm is a procedure to solve a (computational) problem within a finite number of elementary steps. The same problem can be addressed with different algorithms, hence it is important to compare the different options in order to choose the best one. Experimental analysis is one way to perform such comparison, but it has several limits. The main…

Télécharger le descriptif complet

Statistiques appliquées et analyse de données (FTP_AppStat)

Le module présentera aux étudiants les outils statistiques utilisés dans le secteur industriel, en particulier dans la maîtrise statistique des procédés et le contrôle de qualité. Le module apprendra aux étudiants à planifier les expériences et à interpréter avec assurance les résultats obtenus à l’aide de méthodes statistiques.

Télécharger le descriptif complet

Approximation algorithms (FTP_ApprAlg)

An algorithm is typically called efficient if its worst-case running time is polynomial in the size of the input. This course will focus on a huge and practically relevant family of problems, namely NP-hard ones, for which (most likely) no efficient algorithm exists. This family includes fundamental problems in computational biology, network design, systems, computer vision, data mining, online markets, etc.

The…

Télécharger le descriptif complet

Machine Learning (FTP_MachLe)

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

Modelling Simulation and Optimisation (FTP_ModSim)

Modelling, simulation and optimization are fundamental to solving problems in a number of fields of science, technology and life. Students will learn to design, implement, simulate, and optimize a model of dynamic system. Simulation, the exploration of the dynamic behavior of the model in time and space, is discussed for both continuous and discrete-event systems. Simulating a model allows the evaluation of…

Télécharger le descriptif complet

Optimisation (FTP_Optimiz)

Ce cours offre une introduction à l’optimisation, en mettant l’accent sur les méthodologies de base et les structures mathématiques sous-jacentes. L’optimisation fait référence à l’application de techniques et de méthodes mathématiques aux problèmes de prise de décision. Un grand nombre de problèmes quantitatifs réels peuvent être modélisés et résolus dans cette structure générale. Planification de production, supply…

Télécharger le descriptif complet

Predictive Modelling (FTP_PredMod)

This course will provide an introductory review of the basic concepts of probability and statistics to understand probability distributions and to produce rigorous statistical analysis including estimation, hypothesis testing, and confidence intervals. Students will be introduced to the basic concepts of predictive modelling which by definition is the analysis of current and historical facts to make predictions about…

Télécharger le descriptif complet

Stochastic Modelling (FTP_StochMod)

The ubiquitous presence of uncertainty and noise in the engineering sciences makes it mandatory to understand and quantify random phenomena. To achieve this goal the course will provide a solid introduction to the theory of stochastic processes. Special attention is given to applications. The applications include examples from various fields such as communications and vision, signal processing and control, production…

Télécharger le descriptif complet

Advanced Statistical Data Analysis (TSM_AdvStDaAn)

One of the most used (statistical) models for inferential data analysis is the linear regression model. But it is restricted to a Gaussian distributed response and a linear function for linking the linear combination of predictors with the expected response. Generalized Linear and Additive Models (GLM, GAM) allow us to relax some of these restrictions by specifying a more general set of response distributions and…

Télécharger le descriptif complet

Analysis of Sequential Data (TSM_AnSeqDa)

Many data sets are temporal by nature.  The course shows how to analyze time series of different domains and how to develop statistical models based on the data, in order to forecast future values or classify the time series into predefined categories. A probabilistic approach is emphasized, i.e. it is also discussed how to compute the uncertainty of the forecast which has been made.

 

The course adopts a practical…

Télécharger le descriptif complet

Analyse des Données Textuelles (TSM_AnTeDe)

Ce module présente les principales méthodes d’analyse des données textuelles, utilisant le traitement automatique des langues (TAL), dans la perspective de la science des données (data science). Les méthodes sont présentées en relation à des applications concrètes, pour extraire des connaissances sur plusieurs plans, à partir de grandes quantités de textes non-structurés. Ces connaissances et applications sont…

Télécharger le descriptif complet

Machine Learning in Computer Vision (TSM_CompVis)

Analyzing images is a very complex task that has many important real-world applications.  This module presents powerful techniques to extract information from images and 3D data, based on machine learning and deep learning methods.  These methods are mostly used as “black boxes” and their inner workings are not discussed in much detail. The module provides an overview of many image analysis applications such as…

Télécharger le descriptif complet

Data Analysis and Classification (TSM_DataAnaCla)

The module is organised around 4 core subject areas:

  • Data Preprocessing
  • Data Classification
  • Clustering
  • Complex Networks

Télécharger le descriptif complet

Deep Learning (TSM_DeLearn)

Deep Learning is one of the most active subareas of Machine Learning and Artificial Intelligence at the moment. Gartner has placed it at the peak in its 2017 Hype Cycle and the trend is going on. Deep Learning techniques are based on neural networks. They are at the core of a vast range of impressive applications, ranging from image classification, automated image captioning, language translation such as Google…

Télécharger le descriptif complet