Artificial intelligence and machine learning seminar

linfo2369  2024-2025  Louvain-la-Neuve

Artificial intelligence and machine learning seminar
3.00 crédits
30.0 h
Q1
Thèmes abordés
Les thématiques abordées dans ce séminaire traiteront de l'intelligence artificielle et de l'apprentissage automatique. En particulier, les articles scientifiques utilisés seront sélectionnés dans ces domaines. 
D'une part, les étudiants sont confrontés à problématique d'une bibliographie scientifique de qualité. D'autre part, les étudiants doivent lire de la littérature scientifique (p.e des articles venant de revues internationales).
Acquis
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 :
  • INFO1.1-3
  • INFO3.1, INFO3.2
  • INFO5.3-4, INFO5.6
  • INFO6.1, 6.4
Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
  • SINF1.M4
  • SINF3.1, SINF3.2
  • SINF5.3-4, SINF5.6
  • SINF6.1, SINF6.3, SINF6.4
L'étudiant ayant suivi avec fruit ce cours sera capable de
  • établir l'état de l'art par soi-même lorsqu'il est confronté à une problématique de recherche dépassant ses connaissances actuelles en se basant sur la littérature scientifique,
  • rédiger un rapport complet reprenant une bibliographie scientifique et explicitant sa pertinence par rapport à une thématique,
  • synthétiser un article scientifique en explicitant le contexte, les enjeux, les résultats novateurs obtenus, les potentielles applications ainsi que pistes pour des travaux ultérieurs dans le domaine,
  • communiquer oralement, en utilisant des supports multimédia efficaces, les résultats d'une recherche à un public d'informaticiens universitaires non experts du domaine en se basant sur les travaux publiés dans une revue scientifique,
  • interagir avec une personne qui présente des résultats de recherche en faisant preuve d'un regard critique et constructif par rapport aux travaux présentés. 
 
Contenu
Ce séminaire s'intéresse à des avancées récentes en intelligence artificielle et apprentissage automatique.
Méthodes d'enseignement
Après une introduction générale par l'enseignant, le séminaire consiste principalement en des présentations effectuées par les étudiants. Ces présentations consisteront en des vidéos ; les autres étudiants sont censés regarder ces vidéos et poser des questions à leur sujet.
Des étapes intermédiaires sont prévues avant les présentations finales (par défaut, par groupes de plusieurs étudiants), qui incluent la soumission de rapport(s) intermédiaire(s) ainsi que la soumission préalable.
Un feedback par l'enseignant est prévu sur ces étapes intermédiaires, soit par un échange direct avec chaque groupe, soit via le site Moodle du cours.
Modes d'évaluation
des acquis des étudiants
L'évaluation porte sur la qualité des présentations faites par chaque étudiant et sur la participation active de chaque étudiant à l'ensemble des séminaires.
La note globale se compose de :
  • 80% sur la qualité de l'exposé (qualité pédagogique de l'exposé, exactitude du contenu scientifique, références...)
  • 20% sur l'activité de l'étudiant (questions posées, commentaires complémentaires...)
En seconde session, l'exposé oral est remplacé par un rapport écrit remis au professeur le premier jour de la session d'examen. Ce rapport compte pour 80 % de la note finale + 20 % de participation pendant l'année (fixée en première session).
Le non-respect des consignes méthodologiques communiquées par l'enseignant, notamment en matière d'utilisation de ressources en ligne ou de collaboration entre étudiant·es, entraînera une note globale de 0. En particulier, l'utilisation d'outils d'IA générative sans permission préalable est strictement interdite.
Autres infos
Ce séminaire a pour prérequis le cours LINFO2262 (Machine Learning: classification and evaluation) ou le cours LELEC2870 (Machine learning: regression, deep networks and dimensionality reduction).
Bibliographie
Des ouvrages ou articles recommandés sont mentionnés sur le site Moodle du cours.
Recommended textbooks or scientific papers are mentioned on the Moodle site for this course.
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
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