La version que vous consultez n'est pas définitive.
Cette fiche d’activité peut encore faire l'objet de modifications. La version finale sera disponible le 1er juin.
5.00 crédits
30.0 h + 30.0 h
Q2
Enseignants
Langue
d'enseignement
d'enseignement
Français
Préalables
LEPL1402: Programmation dans un langage de haut niveau
Thèmes abordés
- Résolution de problèmes par la recherche : formulation des problèmes, stratégies de recherche informée et non informée, recherche locale, évaluation des performances et estimation des coûts, applications pratiques.
- Satisfaction de contraintes : formulation des problèmes, suivi et propagation des contraintes, cas d’usage et applications diverses.
- Jeux et recherche adversariale : algorithme Minimax, élagage Alpha-Beta, Monte-Carlo Tree Search, et exemples d’applications.
- Logique : logique propositionnelle et du premier ordre, représentation des connaissances, inférence, raisonnement, et applications dans divers contextes.
- Prise de décisions : décisions simples et complexes, décisions collectives, théorie des probabilités, réseaux de décisions, processus décisionnels de Markov, théorie des jeux, systèmes multi-agents.
- Apprentissage : introduction à l’apprentissage supervisé, arbres de décision, apprentissage par renforcement, régression, et applications pratiques.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
Eu égard au référentiel AA du programme « Bachelier en Science Informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
|
|
Contenu
- Introduction et agents intelligents
- Recherche non informée et informée
- Recherche locale et heuristiques
- Problèmes de satisfaction de contraintes (CSP)
- Recherche avec adversaire (Jeux) et techniques de Monte Carlo Tree Search (MCTS)
- Agents logiques (logique du premier ordre et inférence)
- Prise de décision simple
- Prise de décision complexe
- Prise de décision multi-agent
- Apprentissage supervisé à partir d'exemples
- Apprentissage par renforcement
Méthodes d'enseignement
- Apprentissage basé sur la résolution de problèmes
- Apprentissage par la pratique
- 3 projets de longue durée à réaliser en binômes (sur plusieurs semaines)
- Cours magistraux (1 à 2 heures)
- Exercices théoriques et pratiques adaptés aux thématiques abordées
- Retour d'expérience sur les projets réalisés et correction des exercices
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
- L'évaluation se fera à travers une évaluation continue des missions et travaux effectués durant l'année, ainsi qu'un examen final.
- L’évaluation continue comprend des travaux notés qui donneront lieu à une note globale unique, communiquée à la fin du dernier travail. Le non-respect des consignes méthodologiques définies sur Moodle, notamment concernant l’utilisation de ressources en ligne ou la collaboration entre étudiant·es, entraînera l'attribution d'une note globale de 0 pour l’évaluation continue.
- L’utilisation de ChatGPT, ou tout autre outil similaire, est strictement interdite pour la réalisation des missions et travaux. Le professeur se réserve le droit de convoquer les étudiants à une session orale de questions-réponses afin de vérifier la compréhension du travail rendu. En cas d’échec à cette session, une note globale de 0 sera attribuée au travail.
- La pondération des travaux de l'année et de l'examen est la suivante : si tous les travaux sont évalués à 15/20 ou plus, leur pondération est de 40% et celle de l'examen de 60%. Si la note moyenne des travaux est inférieure à 15/20, leur pondération est réduite à 30% et celle de l'examen est augmentée à 70%.
- Les travaux doivent être réalisés durant le quadrimestre du cours. Il n'est pas possible de refaire les travaux durant un autre semestre ou pour la session d'août/septembre.
- L'examen sera écrit, mais en cas de doute de l'enseignant sur la note à attribuer, un complément oral pourra être organisé pour l’étudiant concerné.
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
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Filière en Informatique
Bachelier en sciences informatiques
Master [120] : ingénieur civil électromécanicien
Master [120] : ingénieur civil en science des données
Master [120] en science des données, orientation technologies de l'information
Mineure Polytechnique