Intelligence artificielle
Code UE : NFP106-PAR01
- Cours
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Meziane YACOUB
Public, conditions d’accès et prérequis
Enseignement de base en intelligence artificielle, ce cours s'adresse aux étudiants n'ayant reçu aucune formation dans cette discipline et ayant le niveau de fin de cycle probatoire en informatique.
L'avis des auditeurs
Les dernières réponses à l'enquête d'appréciation pour cet enseignement :
Présence et réussite aux examens
Pour l'année universitaire 2020-2021 :
- Nombre d'inscrits : 37
- Taux de présence à l'évaluation : 59%
- Taux de réussite à l'évaluation : 95%
Objectifs pédagogiques
Ce cours présente les principes des grandes méthodes de l'intelligence artificielle et explique comment les appliquer pour résoudre des problèmes n'ayant pas de solution algorithmique.
Introduction
Définition de l'intelligence artificielle.
Agents intelligents : définition, rationalité, types d'environnements, structure des agents.
Résolution de problèmes
Stratégies d'exploration non informées.
Stratégies d'exploration informées (heuristiques) : exploration A*.
Algorithmes d'exploration locale : hill-climbing, recuit simulé, algorithmes génétiques.
Problèmes à satisfaction de contraintes : exploration avec backtracking, exploration locale.
Exploration en situation d'adversité (les jeux) : algorithme minimax, élagage alpha-bêta.
Agents fondés sur les connaissances
Représentation des connaissances et inférence.
Systèmes experts.
Apprentissage
Apprentissage supervisé : arbres de décisions, réseaux de neurones.
Apprentissage non-supervisé.
Apprentissage par renforcement.
Secrétariat accès 33.1.79 - tel : 01 40 27 22 58
Définition de l'intelligence artificielle.
Agents intelligents : définition, rationalité, types d'environnements, structure des agents.
Résolution de problèmes
Stratégies d'exploration non informées.
Stratégies d'exploration informées (heuristiques) : exploration A*.
Algorithmes d'exploration locale : hill-climbing, recuit simulé, algorithmes génétiques.
Problèmes à satisfaction de contraintes : exploration avec backtracking, exploration locale.
Exploration en situation d'adversité (les jeux) : algorithme minimax, élagage alpha-bêta.
Agents fondés sur les connaissances
Représentation des connaissances et inférence.
Systèmes experts.
Apprentissage
Apprentissage supervisé : arbres de décisions, réseaux de neurones.
Apprentissage non-supervisé.
Apprentissage par renforcement.
Secrétariat accès 33.1.79 - tel : 01 40 27 22 58
- S. RUSSELL & : Intelligence Artificielle (Pearson).
Cette UE apparaît dans les diplômes et certificats suivants
Chargement du résultat...
Contact
Centre(s) d'enseignement proposant cette formation
-
Centre Cnam Paris
- 2022-2023 1er semestre : Présentiel soir ou samedi
- 2022-2023 2nd semestre : FOAD 100%
Comment est organisée cette formation ?Organisation de la modalité FOAD 100%
Planning
2ème semestre
- Date de démarrage : 06/02/2023
- Date limite d'inscription : 20/03/2023
- Date de 1ère session d'examen : 12/06/2023
- Date de 2ème session d'examen : 04/09/2023
Précision sur la modalité pédagogique
- Regroupements physiques facultatifs : Aucun
:Organisation du déploiement de l'unité
- Délai maximum de réponse à une solicitation : sous 96 heures (Jours ouvrés)
Modes d'animation de la formation
- Forum
- Messagerie intégrée à la plateforme
- Visioconférence
- Organisation d'une séance de démarrage
- Evaluation de la satisfaction
- Hot line technique
Ressources mises à disposition sur l'Espace Numérique de Formation
- Documents de cours
- Enregistrement de cours
- Documents d'exercices, études de cas ou autres activités pédagogiques
- Bibliographie et Webographie
Modalité de contrôle de l'acquisition des compétences et des connaissances (validation de l'UE)
- Examens présentiels dans un centre habilité
- Examens en ligne
- Contrôle continu (travaux à rendre)
Code UE : NFP106-PAR01
- Cours
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Meziane YACOUB
