Description

Ce cours vise à offrir une introduction panoramique du domaine de l'intelligence artificielle. Une grande partie du cours se concentre sur l'apprentissage automatique et couvre les bases des arbres de décision, des réseaux de neurones artificiels (apprentissage supervisé), et du clustering k-means (apprentissage non supervisé) ; cette partie couvre également l'évaluation des modèles et des données. Les chapitres suivants abordent d'autres facettes de l'intelligence artificielle, telles que les agents, les jeux et la résolution de problèmes.

Version en Anglais:

This course aims to offer a comprehensive introduction to the field of artificial intelligence. A large part of the course focuses on machine learning and covers the basics of decision trees, artificial neural networks (supervised learning), and k-means clustering (unsupervised learning); this part also covers model evaluation and data. The subsequent chapters address additional facets of artificial intelligence, such as agents, games, and problem solving. 

Compétences requises

• Algorithmique et programmation 1 & 2

• Structures de données et algorithmes 1 & 2

• Algèbre et analyse

• Probabilités et statistiques 1 & 2

Compétences visées

À l’issue de cet enseignement, les étudiants seront capables de :

• Expliquer les concepts fondamentaux de différents algorithmes d'apprentissage automatique

• Choisir, concevoir et mettre en œuvre des modèles classiques d'apprentissage automatique, tels que des arbres de décision ou des réseaux de neurones

• Analyser et expliquer les performances de modèles d'apprentissage automatique supervisés

• Choisir et concevoir des algorithmes globaux et locaux de résolution de problèmes

Modalités d'organisation et de suivi

Enseignement dispensé partiellement en anglais

Disciplines

• Informatique

Bibliographie

Stuart Russell and Peter Norvig (2020), Artificial Intelligence: A Modern Approach, 4th Global ed.

Contacts

Responsable(s) de l'enseignement

• Anne Jeannin-Girardon