En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées,
notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h + 30.0 h
Q2
Enseignants
Deville Yves;
Langue
d'enseignement
d'enseignement
Anglais
Thèmes abordés
- Résolution de problèmes par la recherche: formulation des problèmes, stratégies de recherche informées et non informées, recherche locale, évaluation du comportement et coût estimé, applications
- Satisfaction de contraintes: problèmes de formulation, traçage et propagation de contraintes, applications
- Jeux et recherche contradictoire : algorithme de minimax et élagage Alpha-Beta, applications
- Logique propositionnelle: représentation des connaissances, inférence et raisonnement, applications
- Logique du premier ordre: représentation des connaissances, inférence et raisonnement, chaînage avant et arrière, systèmes à base de règles, applications
- Planification: langages des problèmes de planification, méthodes de recherche, graphes de planification, planification hiérarchique, extensions, applications
-
AI, philosophie et éthique: "les machines savent-elles agir intelligemment ?", "les machines savent-elles vraiment penser ?", l'éthique et les risques de l'intelligence artificielle, l'avenir de l'intelligence artificielle
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
|
Contenu
-
Introduction
- Recherche
- Recherche informée
- Recherche locale
- Recherche avec adversaire
- Problème de satisfaction de contraintes
- Agent logique
- Logique de premier ordre et inférence
- Planification classique
- Planification dans le monde réel
- Apprendre à partir d'exemples
- Fondements philosophiques, le présent et l'avenir de l'AI
Méthodes d'enseignement
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
- apprentissage par problèmes
- Apprendre en faisant
- 5 missions (de deux semaines)
- équipes de deux étudiants
- Cours magistral (1 heure / semaine)
- Feed-back sur les missions clôturées (1 / 2 heure)
- Discussion de la mission en cours (1 / 2 heure)
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.
- Examen : 70%
- Missions: 30%.
Les travaux doivent être personnels (équipe de 2). Pas de collaboration entre les groupes. Aucune copie à partir d'Internet. Tricherie = 0 / 20 pour toutes les missions. En cas, d'échec des missions la pondération de cette partie sera plus importante. - Les travaux ne peuvent être réalisés que pendant le quadrimestre du cours. Il n'est pas possible de refaire les travaux durant un autre semestre ou pour la session de septembre.
- L'examen sera écrit, mais en cas de doute de l'enseignant sur la note à attribuer à un étudiant, celui-ci pourra être interrogé complémentairement en oral.
Ressources
en ligne
en ligne
Bibliographie
- Stuart Russell, Peter Norvig, Artificial Intelligence : a Modern Approach, 3nd Edition, 2010, 1132 pages, Prentice Hall
- transparents en ligne
Faculté ou entité
en charge
en charge
INFO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : ingénieur civil en informatique
Master [120] en sciences informatiques
Master [120] : ingénieur civil en science des données
Master [120] en science des données, orientation technologies de l'information
Master [120] : ingénieur civil biomédical
Master [60] en sciences informatiques