info352 - Apprentissage par l'exemple

Nombre de crédits

5

Pré-requis

info203, math206

Parcours

• optionnelle pour la mention informatique de la licence
• optionnelle pour la mention informatique du master science

Objectifs

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.

Organisation

semaine

1

2

3

4

5

6

7

8

9

10

11

12

13

C (1h)

×

×

×

×

×

×

×

×

×

×

×

×

TD (1h30)

×

×

×

×

×

×

×

×

×

×

×

×

TP (1h30)

×

×

×

×

×

×

×

×

×

×

×

×

Volume de travail personnel étudiant estimé

environ 50h

Contrôle et validation des connaissances

• pour les UE sans TP : sup ( Ex, (2Ex + CC)/3)
• pour les UE avec TP obligatoires : (2TP + 3 sup(Ex, (2Ex + CC)/3))/5

Description du contenu

• 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.

Responsable(s)

Francesco De Comité

fichier source pour édition/modification