info352 - Apprentissage par l'exemple

Credits

5

Prerequisites

info203, math206

Parcours

• optional for the computer science mention of the "licence"
• optional for the computer science mention of the master of science

Objectives

En face d'un problème, pouvoir décider quelles méthodes d'Intelligence Artificielle peuvent s'appliquer : identification de problèmes similaires, conditionnement du problème, comparaisons de méthodes, choix de l'algorithme, exploitation du résultat, validation de la méthode par l'expérience.

Être capable d'utiliser des logiciels (weka, SNNS), ou d'implémenter soi-même un algorithme d'IA.

Organization

week

1

2

3

4

5

6

7

8

9

10

11

12

13

C (1h)

×

×

×

×

×

×

×

×

×

×

×

×

TD (1h30)

×

×

×

×

×

×

×

×

×

×

×

×

TP (1h30)

×

×

×

×

×

×

×

×

×

×

×

×

Student personal work

about 50h

Evaluation

• for UE without Labs : sup ( Ex, (2Ex + CC)/3)
• for UE with Labs : (2TP + 3 sup(Ex, (2Ex + CC)/3))/5

Contents

• Définition de l'intelligence artificielle et des différentes approches.
• Apprentissage à partir d'exemples : Apprentissage supervisé. Segmentation, apprentissage non supervisé. Apprentissage par renforcement.
• Arbres de décisions : définition, usage, algorithmes, application en travaux pratiques (c4.5,weka).
• Réseaux de neurones : définition, usage, algorithmes (descente du gradient, rétropropagation du gradient), manipulation en travaux pratiques et en projet (snns, weka, programmes « locaux »).
• Approche probabiliste de l'apprentissage : la règle de Bayes.
• Réseaux bayésiens : définition, inférence, apprentissage.

Instructor(s)

Francesco De Comité

fichier source pour édition/modification