Intelligence artificielle, optimisation et contrôle
Code UE : RCP218-PAR01
- Cours + travaux pratiques
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Amelie LAMBERT
Public, conditions d’accès et prérequis
RCP 219, CSC 109
Objectifs pédagogiques
L'objectif de cette UE est double. Il s’agit tout d’abord de former les auditeurs aux techniques de conception d’algorithmes d’IA basées sur de l’optimisation qui adressent de nombreuses applications (aide au diagnostic médical, autorisation de crédits, …). Le deuxième but est de montrer comment les techniques d’IA permettent d’assister les algorithmes de résolution de problèmes d’optimisation discrets, qui permettent de modéliser de nombreuses problématiques industrielles allant de la chaîne logistique de production dans une usine, aux placement d’antennes dans le déploiement d’un réseau 5G.
Mots-clés
Cette UE est composée de deux blocs théoriques et d'un bloc applicatif :
- Optimisation et contrôle pour l’IA qui étudie les méthodes d’optimisation et de contrôle qui contribuent aux algorithmes d’IA. Dans une première partie nous nous intéresserons au contexte incertain (processus stochastique, chaîne de Markov (MCMC), filtre Kalman discret simple et étendu, programmation dynamique stochastique et modèles graphiques probabilistes), puis à la conception de structures d’apprentissage explicables via l’optimisation discrète.
- IA pour l’optimisation : l’objectif de ce bloc est de former les auditeurs à l’utilisation de techniques d’IA pour la modélisation (conception et définition des données de modèle d’optimisation en contexte incertain), et la résolution (hyper-heuristique et automatisation du choix des algorithmes, ou apprentissage dans le cadre d’une recherche arborescente) de problèmes d’optimisation.
- Étude de cas : L’objectif de ce bloc est de maîtriser sur une application industrielle les techniques étudiées dans les deux premiers blocs.
- Optimisation et contrôle pour l’IA qui étudie les méthodes d’optimisation et de contrôle qui contribuent aux algorithmes d’IA. Dans une première partie nous nous intéresserons au contexte incertain (processus stochastique, chaîne de Markov (MCMC), filtre Kalman discret simple et étendu, programmation dynamique stochastique et modèles graphiques probabilistes), puis à la conception de structures d’apprentissage explicables via l’optimisation discrète.
- IA pour l’optimisation : l’objectif de ce bloc est de former les auditeurs à l’utilisation de techniques d’IA pour la modélisation (conception et définition des données de modèle d’optimisation en contexte incertain), et la résolution (hyper-heuristique et automatisation du choix des algorithmes, ou apprentissage dans le cadre d’une recherche arborescente) de problèmes d’optimisation.
- Étude de cas : L’objectif de ce bloc est de maîtriser sur une application industrielle les techniques étudiées dans les deux premiers blocs.
- Examen final
- Projet(s)
Cette UE apparaît dans les diplômes et certificats suivants
Rechercher une formation
RECHERCHE MULTI-CRITERES
Plus de critères de recherche sont proposés:
-
Vous pouvez sélectionner des formations grâce à un mot ou à une expression (chaîne de caractères) présent dans l’intitulé de la formation, sa description ou ses index (discipline ou métier).
Des mots-clés sont suggérés à partir du 3e caractère saisi, mais vous pouvez aussi rechercher librement. - Les différents items sélectionnés sont croisés.
ex: "Comptabilité" et "Diplôme" - Les résultats comprennent des formations de la région (UE, diplômes, certificats, stages) et des formations proposées à distance par d'autres centres du Cnam.
- Les codes des formations à Paris se terminent par le suffixe PAR01 (pour le centre Cnam Paris) et PAR02 (pour Cnam Entreprises).
- Certains diplômes se déclinent selon plusieurs parcours. Pour afficher tous les parcours, tapez la racine du code (ex : « LG035 »).
- Dans tous les cas, veillez à ne pas insérer d'espace ni de ponctuation supplémentaire.
Plus de critères de recherche sont proposés:
- Type de diplôme
- Niveau d'entrée
- Modalité de l'enseignement
- Programmation semestrielle
Chargement du résultat...

Intitulé de la formation |
Type |
Modalité(s) |
Lieu(x) |
|
---|---|---|---|---|
Intitulé de la formation
Certificat de spécialisation Intelligence artificielle et calcul scientifique
|
Lieu(x)
À la carte
|
Lieu(x)
Paris
|
||
Intitulé de la formation | Type | Modalité(s) | Lieu(x) |
Contact
Centre(s) d'enseignement proposant cette formation
-
Centre Cnam Paris
- 2022-2023 2nd semestre : Présentiel soir ou samedi
Code UE : RCP218-PAR01
- Cours + travaux pratiques
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Amelie LAMBERT