L3 Informatique
Information
Fees and scholarships
The amounts may vary depending on the programme and your personal circumstances.
Capacity
Available Places
Application Period(s)
From 01/05/2026 to 07/07/2026
| Subjects | ECTS | Semestre | Lecture | directed study | practical class | Lecture/directed study | Lecture/practical class | directed study/practical class | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Algorithmique 3 | Semestre 1 | 18 | 24 | ||||||||
Algorithmique 3Semester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Premières expériences en algorithmique, programmation et complexité (en L1 et L2). Programme / plan / contenus
Ce cours présente la notion de graphe et son utilisation pour la modélisation de problèmes, ainsi qu’une sélection d’algorithmes pouvant servir de base à leur résolution. On y aborde également des techniques algorithmiques générales, toujours avec le souci d’analyser leur validité et leurs propriétés de complexité. Contenu :
Objectifs d'apprentissage
Connaissance des techniques algorithmiques classiques et de la structure de graphe. Savoir modéliser un problème en se basant sur des structures connues, puis proposer un algorithme de résolution et évaluer ses performances et son adéquation au problème posé. Notion de classe de complexité et connaissance de problèmes difficiles de référence. Organisation générale et modalités pédagogiques
Cours accompagnés de TD et de TP. Évaluation par épreuves écrites. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Logique pour l'Informatique | Semestre 1 | 18 | 24 | ||||||||
Logique pour l'InformatiqueSemester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Les bases du calcul propositionnel (tables de vérité des connecteurs logiques). Programme / plan / contenus
Le programme du cours est le suivant :
Objectifs d'apprentissage
L’objectif du cours est de se familiariser avec le formalisme de la logique du premier ordre. La logique est utilisée pour modéliser des problèmes informatiques et comme outil de spécification de contraintes sur des objets informatiques comme des bases de données ou des programmes. Ce cours aborde les notions de démonstration, de validité, le lien entre les objets physiques (syntaxe) et le sens qu'on leur donne (sémantique). Il présente plusieurs techniques de démonstration automatique comme le calcul des séquents et la résolution. Il met en pratique un certain nombre d’outils mathématiques utilisés en informatique, comme les définitions récursives de fonctions, les preuves par récurrence structurelle ou les définitions par règle d'inférence. Organisation générale et modalités pédagogiques
UE est organisée de manière classique avec des séances de cours et exercices en classe entière suivies de séance de TD. Quelques activités d'apprentissage autonome en ligne sont proposées. L'évaluation repose sur un partiel et un examen final. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Fondements de l'Apprentissage Statistique | Semestre 1 | 18 | 24 | ||||||||
Fondements de l'Apprentissage StatistiqueSemester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Introduction à l'Informatique et Python, Introduction à la programmation impérative, Calculus 1-2, Algèbre linéaire 1-2, Combi Proba Programme / plan / contenus
Ce cours a pour but d'introduire les concepts fondamentaux de l'apprentissage statistique, avec une attention particulière portée sur les réseaux de neurones (simples). Ici on cherche à comprendre à fond quelques modèles simples, mais qui sont les briques de base des modèles modernes plus complexes. En d'autres termes, on ouvre ce qui est parfois perçu comme une boîte noire dans des cours d'Apprentissage Statistique plus appliqués. Ici il y a des applications (nuages de points, données tabulaires, images type MNIST, textes courts), mais qui sont plutôt des illustrations pour se forger l'intuition sur des cas concrets que des objectifs en soi. Ces illustrations permettent aussi d'alterner entre théorie et mise en pratique, pour rendre les notions vues en cours plus intuitives. Le cours se abordera les points suivants:
Objectifs d'apprentissage
Concepts fondamentaux de l'apprentissage statistique et application à des exemples simples. Organisation générale et modalités pédagogiques
L'UE s'organise en cours accompagnés de séances de (quelques) TD et de (nombreux) TP. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Subjects | ECTS | Semestre | Lecture | directed study | practical class | Lecture/directed study | Lecture/practical class | directed study/practical class | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Langages de programmation et compilation | Semestre 2 | 18 | 14 | 10 | |||||||
Langages de programmation et compilationSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Practical study :
10
Directed study :
14
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Notions de base en algorithmique, programmation en OCaml. Programme / plan / contenus
Ce cours aborde les outils conceptuels permettant de définir un langage de programmation, les outils algorithmiques permettant d’interpréter un programme fourni sous la forme d’un texte brut, et la transformation d’un programme de haut niveau en code bas niveau de type assembleur. Thèmes :
Le cours mêle raisonnement théorique et programmation. On utilisera le langage OCaml et les outils associés. Objectifs d'apprentissage
Savoir caractériser un langage de programmation par une syntaxe, une sémantique, et un modèle d’exécution. Connaître les techniques d’analyse syntaxique et savoir les mettre en œuvre manuellement ou à l’aide d’outils. Représenter un programme à l’aide d’une syntaxe abstraite et l’analyser, l’interpréter ou le traduire. Savoir décomposer des traits de programmation de haut niveau en opérations élémentaires sur une représentation machine. Organisation générale et modalités pédagogiques
Cours accompagnés de TD et TP. L’évaluation se fait par un projet et deux épreuves écrites (partiel, examen terminal). Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Programmation Fonctionnelle Avancée | Semestre 1 | 18 | 24 | ||||||||
Programmation Fonctionnelle AvancéeSemester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Objectifs d'apprentissage
Organisation générale et modalités pédagogiques
Cours et TP notés ou interros + un examen final. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Génie Logiciel Avancé | Semestre 1 | 18 | 24 | ||||||||
Génie Logiciel AvancéSemester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Programmation en Java, bases en modélisation UML, notions en logique (les pré-requis suivent le cours "Eléments de Logique" en parallèle). Programme / plan / contenus
L'enseignement portera sur les techniques suivantes:
Objectifs d'apprentissage
Dans le génie logiciel, on distingue plusieurs phases dans le processus de développement de logiciels : L'analyse, la conception, le codage, l'intégration, la validation et vérification des composants ou des systèmes entiers. Le cours se concentre sur les deux dernières phases dans du processus de développement, en traitant en profondeur l'aspect modélisation lors de l'analyse, sous l'aspect des méthodes automatisées et des outils. Afin de vérifier un systeme grâce à la génération de tests, par exemple, on a besoin de modèles suffisamment précis. Organisation générale et modalités pédagogiques
L'UE est organisée de manière classique avec des séances de cours et exercices en classe entière suivies de séance de TD ou TP. Quelques activités d'apprentissage autonome en ligne sont proposées. L'évaluation repose sur un partiel et un examen final. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Subjects | ECTS | Semestre | Lecture | directed study | practical class | Lecture/directed study | Lecture/practical class | directed study/practical class | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Systèmes d'Exploitation et Programmation Concurrente | Semestre 1 | 18 | 24 | ||||||||
Systèmes d'Exploitation et Programmation ConcurrenteSemester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Programme / plan / contenus
Ce cours présente les principaux aspects des systèmes d'exploitation :
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Bases de Données 2 | Semestre 2 | 18 | 24 | ||||||||
Bases de Données 2Semester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Conception d'un schéma relationnel, décompositions SPI, manipulations et interrogations de données en SQL. Programme / plan / contenus
Objectifs d'apprentissage
Etre capable de programmer, avec SQL, PL/pgSQL et un langage généraliste (Java, Python), une application de base de données relationnelle complète au-dessus d'un système de gestion de bases de données (SGBD), gérant en particulier les contraintes d'intégrité, la confidentialité et l'indépendance des niveaux. Comprendre les premiers concepts fondamentaux des bases NoSQL. Organisation générale et modalités pédagogiques
L'UE s'organise en cours accompagnés de séances de TD/TP. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Réseaux 2 | Semestre 1 | 18 | 24 | ||||||||
Réseaux 2Semester :
Semestre 1
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
UE Réseaux du L2 Informatique ou équivalent Programme / plan / contenus
Pour fonctionner correctement, les réseaux nécessitent un grand nombre d'équipements et de processus, rendant leur architecture souvent complexe. Pour réduire cette complexité, les différentes fonctions ont été décomposées en niveaux protocolaires. Après avoir posé les fondements des télécommunications et rappelé les bases de la transmission de l’information, cette unité d'enseignement détaille les deux premiers niveaux des réseaux, à savoir « physique » (bande passante, débit binaire, codage, …) et « liaison » (codes détecteurs, codes correcteurs, techniques d'accès, …). Les principaux protocoles correspondants sont également présentés. Une série de travaux dirigés et de travaux pratiques permet d’assimiler et d’appliquer les différents concepts étudiés. Objectifs d'apprentissage
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Subjects | ECTS | Semestre | Lecture | directed study | practical class | Lecture/directed study | Lecture/practical class | directed study/practical class | distance-learning course | Project | Supervised studies |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 2 UEs au choix S6 | |||||||||||
| Analyse Informatique de Données Biologiques | Semestre 2 | 14 | 28 | ||||||||
Analyse Informatique de Données BiologiquesSemester :
Semestre 2
Détail du volume horaire :
Lecture :
14
Practical study :
28
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Programme / plan / contenus
Objectifs d'apprentissage
Cette unité d’enseignement introduit les principaux enjeux de la bioinformatique en lien avec l’intelligence artificielle et les sciences des données. Les étudiants mobiliseront leurs compétences en statistiques, programmation et, le cas échéant, en bases de données, à travers des projets concrets basés sur des données massives et hétérogènes issues de la biologie moléculaire. Organisation générale et modalités pédagogiques
L’enseignement combine :
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| IA Symbolique | Semestre 2 | 17 | 12 | 13 | |||||||
IA SymboliqueSemester :
Semestre 2
Détail du volume horaire :
Lecture :
17
Practical study :
13
Directed study :
12
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Concept de base en langage Java (Classes, Héritage, Interfaces), Programme / plan / contenus
Le cours explore les fondements et les cadres majeurs de l’IA symbolique, en complément des approches numériques issues de l’IA connexionniste. Il débute par une introduction aux principes et à l’architecture du raisonnement explicite (représentation, raisonnement, explicabilité), avant d’aborder les algorithmes de recherche appliqués aux jeux à deux joueurs, tels que Minimax et Alpha-Beta. Le cours se poursuit avec l’apprentissage symbolique à travers le Version Space Learning, qui illustre la formation et la mise à jour d’hypothèses de manière explicite et interprétable. Une partie importante est consacrée à la résolution de problèmes par contraintes (CSP/SAT), en introduisant les principales techniques de modélisation, de propagation et de recherche heuristique. Le module traite ensuite des approches explicatives, notamment avec QuickXplain, pour la détection et l’analyse des conflits. Enfin, il s’ouvre sur la fouille de motifs symboliques, reliant ainsi la représentation logique et la découverte de connaissances structurées à partir des données. Objectifs d'apprentissage
Cette UE vise à compléter la vision contemporaine de l’IA, souvent centrée sur l’apprentissage numérique (approches connexionnistes), en introduisant les fondements et les pratiques de l’IA symbolique. Elle propose une approche complémentaire où la connaissance est représentée, structurée et exploitée de manière explicite, permettant de raisonner, d’expliquer et de justifier les décisions d’un système intelligent. À l’issue du cours, les étudiants seront capables de :
Organisation générale et modalités pédagogiques
L’UE combine théorie et pratique autour d’un fil conducteur : la conception d’un agent intelligent. Dès le début du semestre, les étudiants, organisés en équipes, travaillent sur un projet continu dont l’objectif est de développer un agent capable de raisonner et d’apprendre selon les principes de l’IA symbolique. Au fil du cours, ils implémentent et testent différentes méthodes vues en classe — recherche arborescente, apprentissage symbolique, résolution de contraintes, ou encore raisonnement explicatif — afin d’améliorer les performances et les capacités de décision de leur agent. Le semestre se clôture par un tournoi où les agents conçus par les étudiants s’affrontent dans un cadre compétitif, permettant d’évaluer de manière concrète la qualité des stratégies mises en oeuvre. Cette approche favorise à la fois la compréhension conceptuelle, le travail collaboratif et la mise en pratique directe des techniques enseignées. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Fairness en IA | Semestre 2 | 14 | 28 | ||||||||
Fairness en IASemester :
Semestre 2
Détail du volume horaire :
Lecture :
14
Practical study :
28
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Avoir déjà utilisé Python (si possible la librairie pandas) Programme / plan / contenus
— Séance 1 : Introduction à la fairness, présentation de quelques éléments légaux, sensibilisation avec des exemples tels que les travaux de l’équipe FairSpeech de Stanford (https://fairspeech.stanford.edu) et enfin définition des principales métriques. TD : calculer et manipuler ces métriques sur un cas jouet. — Séance 2 : Etude des données, lecture et prise en main d’un ’vrai’ jeu de données qui servira d’exemple tout le long du cours (https://meps.ahrq.gov/mepsweb/). Nous verrons comment trouver des corrélations entre les attributs des instances et étudierons la recherche de biais par rapport aux attributs sensibles choisis (le genre ou l’origine). La partie pratique consistera à s’approprier les outils et refaire la recherche de biais avec un autre attribut que celui vu dans la partie ’cours’. Il en sera de même pour les séances suivantes. — Séance 3 : Audit de modèle, comment examiner un modèle, comprendre ces prédictions, l’interpréter. — Séance 4 : Nous verrons les méthodes de pre-processing qui permettent de réduire les biais observés tel que le reweighing, ainsi que les méthodes de post-processing. Les avantages et inconvénients seront discutés. — Séance 5 : Nous verrons les méthodes in-processing. La partie pratique consistera à implémenter une méthode in-processing. — Séance 6 : Introduction à la notion de privacy, et d’exposition de la donnée par les modèles appris dessus. — Séance 7 : Perspectives et ouverture avec le désapprentissage et les recherches en cours sur la possibilité de retirer l’influence d’une donnée sur le modèle appris. Le projet sera divisé en deux parties. Sur la 1ère partie les étudiants devront de façon individuelle analyser un dataset et appliquer les méthode de pré-processing vues en cours. Sur la 2nde partie, les étudiants devront par binôme appliquer les méthodes vues en cours sur un cas d’usage concret (un modèle appris sur les données de la 1ère partie du projet). Objectifs d'apprentissage
La notion de fairness est intéressante et importante car elle permet de sensibiliser aux défauts et inconvénients de l’intelligence artificielle. Celle-ci a tendance à reproduire et amplifier les biais déjà présents dans les ensembles d’apprentissage. Cela est particulièrement vrai pour les données médicales où le biais de sélection des données est fort et l’impartialité indispensable. Organisation générale et modalités pédagogiques
Le module comporte 12 séances de 4h, 7 seront découpée en 2h de théorie et 2h de pratique, 4 autres étant principalement consacrées à l’encadrement de projet avec si besoin des rappels, précisions ou compléments théoriques, et la dernière séance sera consacrée aux soutenances finales. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Programmation Jeux Vidéos 3D | Semestre 2 | 18 | 24 | ||||||||
Programmation Jeux Vidéos 3DSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Programmation orientée objet. Des connaissances en programmation évènementielle sont un plus. Programme / plan / contenus
Les thématiques ci-dessous sont abordées :
Objectifs d'apprentissage
Organisation générale et modalités pédagogiques
L'UE s'organise en cours accompagnés de séances de TPs. Evaluation par un partiel et rendu de projet. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Informatique Théorique | Semestre 2 | 18 | 24 | ||||||||
Informatique ThéoriqueSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Avoir assez de notions d'algorithmique pour dire si un algo est polynomial ou exponentiel. Être à l'aise avec le raisonnement (preuves par l'absurde, preuves parfois abstraites) et avoir un certain sens combinatoire. Programme / plan / contenus
Introduction rapide aux automates. Objectifs d'apprentissage
Connaitre les limites théoriques de l'algorithmique et comprendre pourquoi et à quel point certains problèmes sont intrinsèquement difficiles. Organisation générale et modalités pédagogiques
Cours et TD. Évaluation par un partiel et un examen terminal écrit. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Introduction à l'Optimisation Combinatoire | Semestre 2 | 18 | 24 | ||||||||
Introduction à l'Optimisation CombinatoireSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Notions de base de l'algèbre linéaire, bases de la programmation Programme / plan / contenus
De nombreux problèmes réels sont intrinsèquement des problèmes d'optimisation combinatoire. L'idée de cette unité d'enseignement est d'aborder les problèmes classiques d'optimisation ainsi que ses techniques de résolution en partant d'applications que l'on retrouvent dans le monde réel (réseaux, Internet des Objets, traitement des données, gestion des stocks). Objectifs d'apprentissage
Partir de problèmes réels pour proposer des formulations mathématiques (modélisation sous forme de programmes mathématiques et graphes) traitées par des techniques d'optimisation combinatoire exactes et approchées.Une mise en œuvre informatique des méthodes sera réalisée. Organisation générale et modalités pédagogiques
Cours, TD, TP. Évaluation par controle continu (Partiel, interrogation, projets, …) et examen terminal écrit. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Interaction Centrée sur l’Humain | Semestre 2 | 18 | 24 | ||||||||
Interaction Centrée sur l’HumainSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Prérequis
Programmation orientée objet. Des connaissances en programmation évènementielle sont un plus. Programme / plan / contenus
Les thématiques ci-dessous sont abordées :
Objectifs d'apprentissage
Ce cours vise à enseigner les bases de conception, développement et évaluation en Interaction Humain-Machine (IHM). Les étudiants apprennent à concevoir des applications interactives adaptées à l’utilisateur humain en utilisant différents outils inspirés du design et des sciences cognitives. Ils sont amenés à programmer en langage orienté objet. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Introduction à la Sécurité Informatique | Semestre 2 | 18 | 24 | ||||||||
Introduction à la Sécurité InformatiqueSemester :
Semestre 2
Détail du volume horaire :
Lecture :
18
Directed study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Programme / plan / contenus
Ce cours se déroulera en quatre temps:
Objectifs d'apprentissage
Ce module vise à couvrir les bases de la sécurité informatique à travers cinq piliers: la cryptographie, les protocoles, les logiciels, le matériel et les utilisateurs. L'objectif principal est de mettre en lumière comment la sécurité d'un système informatique repose sur la sécurité de chacune des briques de ce système. A l'issue de ce cours, les élèves:
Organisation générale et modalités pédagogiques
Les cours sont accompagnés de TDs et TPs selon le sujet traité. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Projet | |||||||||||
| Projet | Semestre 2 | 24 | |||||||||
ProjetSemester :
Semestre 2
Détail du volume horaire :
Practical study :
24
Langue d'enseignement
Français
Enseignement à distance
non
Programme / plan / contenus
Projet de second semestre. Ce projet est usuellement réalisé en binôme. Plusieurs types de projets sont proposés, par exemple :
Objectifs d'apprentissage
Nature de l'évaluation
Evaluation Continue Intégrale
|
|||||||||||
| CP 1 UE libre | |||||||||||
| UE libre | Semestre 2 | 0 | 0 | 0 | |||||||
UE libreSemester :
Semestre 2
Détail du volume horaire :
Lecture :
0
Practical study :
0
Directed study :
0
Langue d'enseignement
Français
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue Intégrale
|
|||||||||||
| Anglais - FSO - L3 S6 - 2,5 ECTS - 1 UE parmi 6 | |||||||||||
| Anglais - FSO - L3 S6 - 2,5 ECTS | Semestre 2 | 24 | |||||||||
Anglais - FSO - L3 S6 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
24
Tutored project
0
Langue d'enseignement
Anglais
Enseignement à distance
non
Prérequis
Attendus de l'UE Langue-Anglais4 : Niveau B2+/C1 dans les 5 compétences linguistiques. Programme / plan / contenus
ANGLAIS DE SPÉCIALITÉ. Cette UE s'inscrit dans la continuité de l'UE Langue-Anglais3 et le travail sur la langue de spécialité (scientifique et/ou à visée professionnelle) : on prolongera l'approche actionnelle dans les 5 compétences et on s'attachera à la préparation de l'étudiant aux différentes tâches liées à son activité scientifique telles que la rédaction d'un compte rendu d'expérience, le commentaire d'un graphique, la desciption d'un processus mais aussi à son insertion dans le monde professionnel : rédaction d'un CV ou d'une lettre de motivation en vue d'un stage... On proposera une initiation au débat ainsi qu'un entraînement à la certification CLES 2. Organisation générale et modalités pédagogiques
Le travail se fera par groupes de niveau. Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Theater workshop - FSO - S2 - 2,5 ECTS | Semestre 2 | 24 | |||||||||
Theater workshop - FSO - S2 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
24
Langue d'enseignement
Anglais
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Reading and creative writing workshop - FSO - S2 - 2,5 ECTS | Semestre 2 | 24 | |||||||||
Reading and creative writing workshop - FSO - S2 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
24
Langue d'enseignement
Anglais
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Intercultural communication EUGLOH project - FSO - S2 - 2,5 ECTS | Semestre 2 | 24 | |||||||||
Intercultural communication EUGLOH project - FSO - S2 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
24
Langue d'enseignement
Anglais
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Writing workshop - FSO - S2 - 2,5 ECTS | Semestre 2 | 24 | |||||||||
Writing workshop - FSO - S2 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
24
Langue d'enseignement
Anglais
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
| Debate club - FSO - S2 - 2,5 ECTS | Semestre 2 | 30 | |||||||||
Debate club - FSO - S2 - 2,5 ECTSSemester :
Semestre 2
Détail du volume horaire :
Directed study :
30
Langue d'enseignement
Anglais
Enseignement à distance
non
Nature de l'évaluation
Evaluation Continue non Intégrale
|
|||||||||||
Campus
Contact
Programme Comparator
View and compare your programmes to identify the best options