Option en intelligence artificielle: données massives, optimisation et algorithmes

sinf2m  2019-2020  Louvain-la-Neuve

Les étudiants ayant suivi l'option "Artificial Intelligence: big data, optimization and algorithms" devront être capables de:      • Identifier et mettre en oeuvre une classe de méthodes et de techniques permettant à un logiciel de résoudre des problèmes complexes qui, résolus par un être humain, nécessitent de l'"intelligence",      • Comprendre et appliquer à bon escient des méthodes et techniques relevant de l'intelligence artificielle telles que raisonnement automatisé, recherche et heuristiques, acquisition et représentation de connaissances, apprentissage automatique, problèmes de satisfaction de contraintes, traitement de grands volumes de données,      • Identifier des classes d'applications où ces méthodes et outils peuvent être appliqués; appréhender des classes particulières d'applications et leurs techniques spécifiques - par exemple, robotique, vision par ordinateur, planification, fouille de données, traitement de la langue naturelle et de données bioinformatiques,      • Formaliser et structurer des corps de connaissances complexes en utilisant une approche systématique et rigoureuse pour développer des systèmes "intelligents" de qualité.


 
> Légende

Rem: L'étudiant sélectionne

De 20 à 30 CREDITS parmi
Bloc annuel
  1 2

Obligatoire Contenu:
Obligatoire Cours obligatoires en intelligence artificielle: données massives, optimsiation et algorithmes
Obligatoire LINGI2262 Machine Learning : classification and evaluation   Pierre Dupont
30h+30h  5 crédits 2q x x
Obligatoire LINGI2263 Computational Linguistics   Pierre Dupont
, Cédrick Fairon
30h+15h  5 crédits 1q x x
Obligatoire LINGI2266 Advanced Algorithms for Optimization   Pierre Schaus
30h+15h  5 crédits 1q x x
Obligatoire LINGI2365 Constraint programming   Yves Deville
, Pierre Schaus
, Pierre Schaus (supplée Yves Deville)
30h+15h  5 crédits 2q x x
Optionnel Cours au choix en intelligence artificielle

l'étudiant sélectionne 10 crédits parmi  

Optionnel LELEC2870 Machine Learning : regression, dimensionality reduction and data visualization   John Lee (supplée Michel Verleysen)
, Michel Verleysen
30h+30h  5 crédits 1q x x
Optionnel LELEC2885 Image processing and computer vision   Christophe De Vleeschouwer (coord.)
, Laurent Jacques
30h+30h  5 crédits 1q x x
Optionnel LGBIO2010 Bioinformatics   Pierre Dupont
30h+30h  5 crédits 1q x x
Optionnel LINGI2145 Cloud Computing   Etienne Riviere
30h+15h  5 crédits 1q x x
Optionnel LINGI2364 Mining Patterns in Data   Siegfried Nijssen
30h+15h  5 crédits 2q x x
Optionnel LINMA1691 Mathématiques discrètes I : Théorie et algorithmique des graphes   Vincent Blondel
, Jean-Charles Delvenne
30h+22.5h  5 crédits 1q x x
Optionnel LINMA1702 Modèles et méthodes d'optimisation I   François Glineur
30h+22.5h  5 crédits 2q x x
Optionnel LINMA2450 Combinatorial optimization   Jean-Charles Delvenne (coord.)
, Julien Hendrickx
30h+22.5h  5 crédits 1q x x
Optionnel LINMA2472 Algorithms in data science   Vincent Blondel
, Jean-Charles Delvenne (coord.)
, Gautier Krings (supplée Vincent Blondel)
30h+22.5h  5 crédits 1q x x
Optionnel LSINF2275 Data mining and decision making   Marco Saerens
30h+15h  5 crédits 2q x x