Intelligence artificielle
NFP106
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.
Public et conditions d'accès
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.
Contenu de la formation
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
Bibliographie
- S. RUSSELL & P. NORVIG: Intelligence Artificielle (Pearson).
Cette UE apparaît dans les diplômes et certificats suivants :
- MR11604A : Master Sciences, technologies, santé mention Informatique parcours Traitement de l'information et exploitation des données
- CS9700A : Certificat de spécialisation Intelligence artificielle
- CYC9102A : Diplôme d'ingénieur Spécialité informatique parcours Informatique modélisation optimisation
