Cette unit茅 d'enseignement n'est pas dispens茅e en 2024-2025
Cette unit茅 d鈥檈nseignement n鈥檈st pas accessible aux 茅tudiants d鈥櫭ヽhange !
Langue
d'enseignement
d'enseignement
贵谤补苍莽补颈蝉
笔谤茅补濒补产濒别蝉
Le(s) pr茅requis de cette Unit茅 d鈥檈nseignement (UE) sont pr茅cis茅s 脿 la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Th猫mes abord茅s
- R茅solution de probl猫mes par la recherche: formulation des probl猫mes, strat茅gies de recherche inform茅es et non inform茅es, recherche locale, 茅valuation du comportement et co没t estim茅,听 applications
- Satisfaction de contraintes: probl猫mes de formulation, tra莽age et propagation de contraintes, applications
- Jeux et recherche contradictoire : algorithme de minimax et 茅lagage Alpha-Beta, applications
- Logique propositionnelle: repr茅sentation des connaissances, inf茅rence et听 raisonnement, applications
- Logique du premier ordre: repr茅sentation des connaissances, inf茅rence et raisonnement, cha卯nage avant et arri猫re, syst猫mes 脿 base de r猫gles, applications
- Planification: langages des probl猫mes de planification, m茅thodes de recherche, graphes de planification, planification hi茅rarchique, extensions, applications
- AI, philosophie et 茅thique: "les machines savent-elles agir intelligemment ?", "les machines savent-elles vraiment penser ?", l'茅thique et les risques de l'intelligence artificielle, l'avenir de l'intelligence artificielle
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de : | |
Eu 茅gard au r茅f茅rentiel AA du programme 芦 Master ing茅nieur civil en informatique 禄, ce cours contribue au d茅veloppement, 脿 l'acquisition et 脿 l'茅valuation des acquis d'apprentissage suivants :
|
|
Contenu
- Introduction
- Recherche
- Recherche inform茅e
- Recherche locale
- Recherche avec adversaire
- Probl猫me de satisfaction de contraintes
- Agent logique
- Logique de premier ordre et inf茅rence
- Planification classique
- Planification dans le monde r茅el
- Apprendre 脿 partir d'exemples
- Fondements philosophiques, le pr茅sent et l'avenir de l'AI
M茅thodes d'enseignement
- apprentissage par probl猫mes
- Apprendre en faisant
- 5 missions (de deux semaines)
- 茅quipes de deux 茅tudiants
- Cours magistral (1 heure / semaine)
- Feed-back sur les missions cl么tur茅es (1 / 2 heure)
- Discussion de la mission en cours (1 / 2 heure)
Modes d'茅valuation
des acquis des 茅tudiants
des acquis des 茅tudiants
- Examen : 70%
听 - Missions: 30%.听
Les travaux doivent 锚tre personnels (茅quipe de 2). Pas de collaboration entre les groupes. Aucune copie 脿 partir d'Internet. Tricherie = 0 / 20 pour toutes les missions. En cas, d'茅chec des missions la pond茅ration de cette partie sera plus importante. - Les travaux ne peuvent 锚tre r茅alis茅s que pendant le quadrimestre du cours. Il n'est pas possible de refaire les travaux durant un autre semestre ou pour la session de septembre.
Autres infos
Bibliographie听:
- Stuart Russell, Peter Norvig, Artificial Intelligence : a Modern Approach, 3nd Edition, 2010, 1132 pages, Prentice Hall
- transparents en ligne
Ressources
en ligne
en ligne
Facult茅 ou entit茅
en charge
en charge
