Intelligence artificielle

Ce cours permettra aux étudiants de s'initier aux bases de l'intelligence artificielle. Quatre thèmes seront abordés, 

• La recherche et la planification ; en abordant des sujets tels que la recherche informée et non informée, la recherche locale, les jeux et la recherche adversarial.
• Raisonnement probabiliste ; aborder des sujets comme les réseaux bayésiens et les modèles de Markov.
• La prise de décision en situation d'incertitude ; avec des sujets comme les processus de décision de Markov et l'apprentissage par renforcement.
• L'apprentissage automatique ; avec des sujets comme les bayes naïves, la régression, les perceptrons et les réseaux neuronaux.

Avec ce cours, les étudiants doivent avoir suffisamment de connaissances et de compétences techniques pour travailler dans des projets liés à l'IA et réussir des cours liés à l'IA dans le programme Master CS de l'ULB et d'autres universités.

Connaissances et compétences pré-requises ou co-requises

Programmation, algorithmique, probabilités et mathématiques de base.

Cours pré-requis

Sessions théoriques (24h) et exercices (24h) et cinq projets d'implémentation (60h)

• La séance théorique (deux fois par semaine) est à chaque fois d'une heure suivie d'une séance d'exercices.
• Les exercices sont organisés après chaque session théorique. Pendant les exercises les étudiants travailleront sur la résolution de problèmes liés à chaque partie du cours.
• Le projet consiste en cinq missions de programmation qui seront fournies au cours de l'année à différents intervalles. Ils couvriront les principaux thèmes de ce cours.

Références, bibliographie et lectures recommandées

Ce cours utilise le livre AI - a Modern Approachl, 4ème édition mondiale. Il existe une version anglaise et française de ce livre.  Vous pouvez également acquérir une version en ligne via ce lien.

La bibliothèque des sciences et technologies de l'ULB devrait disposer de 4/5 exemplaires de ce livre.

Support(s) de cours

• Université virtuelle

Informations complémentaires

Tous les informations liées à ce cours sont disponible sur UV.

Contacts

Tom.Lenaerts@ulb.be

Campus

Plaine

Méthode(s) d'évaluation

• Examen écrit
• Projet

Examen écrit

Projet

• L'examen se compose d'une série de problèmes/questions vus dans les séances d'exercices du cours. Sur UV, un ensemble d'exercices avec des solutions est fourni qui contient des exemples de questions d'examen.
• Les projets sont des implémentations de différentes parties du cours. L'année dernière, cela consistait en des implémentations dans un gridworld d'algorithmes de recherche, d'algorithmes adversaires, de modèles probabilistes, d'agents d'apprentissage par renforcement et d'agents d'apprentissage automatique. Alors que le type de projets sera le même, l'environnement de l'IA peut changer.

Construction de la note (en ce compris, la pondération des notes partielles)

1. La note du projet sera la moyenne des 4 meilleurs résultats obtenus pour les 5 projets
2. La note finale du cours est calculée comme suit.

• Si la note à l'examen ou la note totale des projets est inférieure à 9/20, la note la plus basse est utilisée pour la note finale de ce cours.
• Sinon le score est une pondération entre les résultats d'examen et les projets, calculé de la manière suivante
  • 60% de la note finale est obtenue à l'examen  et
  • 40% de la note totale obtenue sur les projets

Langue(s) d'évaluation

• français
• (éventuellement anglais, Néerlandais )