Intelligence artificielle
Code UE : NFP106
- 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.
Contenu
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
Bibliographie
- S. RUSSELL & P. NORVIG : Intelligence Artificielle (Pearson).
Cette UE apparaît dans les diplômes et certificats suivants
Chargement du résultat...
Contact
Voir le calendrier, le tarif, les conditions d'accessibilité et les modalités d'inscription dans le(s) centre(s) d'enseignement qui propose(nt) cette formation.
UE
-
-
Paris
-
Centre Cnam Paris
- 2023-2024 1er semestre : Présentiel soir ou samedi
-
Centre Cnam Paris
-
Paris
Code UE : NFP106
- Cours
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Meziane YACOUB