Intelligence artificielle
CS-330 / 4 crédits
Enseignant: Faltings Boi
Langue: Français
Remarque: Ce cours sera donné pour la dernière fois au printemps 2025
Résumé
Introduction aux techniques de l'Intelligence Artificielle, complémentée par des exercices de programmation qui montrent les algorithmes et des exemples de leur application à des problèmes pratiques.
Contenu
Le cours comporte trois segments qui traitent les 3 différents formes d'inférence logique : déduction, abduction et induction :
1. Représentation de connaissances en logique de prédicats, algorithmes d'inférence
2. Systèmes experts
3. Raisonnement imprécis et incertain
4. Algorithmes de recherche
5. Satisfaction de Contraintes
6. Diagnostic et Planification
7. Apprentissage supervisé
8. Apprentissage non-supervisé
9. Apprentissage bio-inspiré
Compétences requises
Cours prérequis indicatifs
CS-214 Software construction (ou ancien cours Functional programming)
Concepts importants à maîtriser
Logique de prédicats
Algorithmes de base
Théorie de probabilités
Programmation
Acquis de formation
A la fin de ce cours l'étudiant doit être capable de:
- Choisir le bon type d'inférence pour une application
- Choisir la méthode la plus appropriée pour un certain type d'inférence
- Evaluer la faisabilité d'une application de l'Intelligence Artificielle
- Choisir, implémenter et décrire des algorithmes d'inférence déductive sur la base de calcul de prédicats
- Formuler des connaissances utilisant la logique des prédicats
- Décrire des méthodes d'inférence avec des informations imprécises et incertaines
- Choisir, implémenter et décrire des algorithmes de recherche et de satisfaction de contraintes
- Choisir et décrire des méthodes pour le diagnostic
- Choisir, implémenter et décrire des méthodes pour la planification
- Choisir, implémenter et décrire des méthodes d'apprentissage supervisé sur la base d'exemples
- Choisir, implémenter et décrire des méthodes d'apprentissage non-supervisé
Méthode d'enseignement
Ex cathedra, travaux pratiques sur ordinateur
Travail attendu
Participation au cours et exercices: 4 heures/semaine
Lecture: 2 heures/semaine
Travail independant: 3 heures/semaine
Méthode d'évaluation
Test intermédiaire 30%, examen final 70%
Ressources
Bibliographie
Boi Faltings, Michael Schumacher : Intelligence Artificielle par la pratique, PPUR
(Russel & Norvig : Artificial Intelligence : A Modern Approach / Prentice Hall)
Ressources en bibliothèque
Liens Moodle
Préparation pour
Intelligent Agents
Dans les plans d'études
- Semestre: Printemps
- Forme de l'examen: Pendant le semestre (session d'été)
- Matière examinée: Intelligence artificielle
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 2 Heure(s) hebdo x 14 semaines
- Type: optionnel
- Semestre: Printemps
- Forme de l'examen: Pendant le semestre (session d'été)
- Matière examinée: Intelligence artificielle
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 2 Heure(s) hebdo x 14 semaines
- Type: optionnel
- Semestre: Printemps
- Forme de l'examen: Pendant le semestre (session d'été)
- Matière examinée: Intelligence artificielle
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 2 Heure(s) hebdo x 14 semaines
- Type: optionnel
- Semestre: Printemps
- Forme de l'examen: Pendant le semestre (session d'été)
- Matière examinée: Intelligence artificielle
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 2 Heure(s) hebdo x 14 semaines
- Type: optionnel