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 adversariale.
• 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 quatre 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 quatre 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 de deux parties.

1. Examen théorique : Cet examen consiste en une série de problèmes/questions abordés lors des séances d'exercices du cours. Lors des UV, un ensemble d'exercices corrigés est fourni, contenant des exemples de questions d'examen.
2. Examen pratique : Cet examen pratique évaluera votre compréhension des quatre projets réalisés au cours de l'année. Une question sera posée sur chaque projet, et les étudiants seront évalués sur leur compréhension et leurs compétences d'implémentation.

Les projets sont des exercices de codage des différentes parties du cours. L'année dernière, ils consistaient en des implémentations en grille d'algorithmes antagonistes, de modèles probabilistes, d'agents d'apprentissage par renforcement et d'agents d'apprentissage automatique. Bien que le type de projets reste le même, l'environnement d'IA peut changer. Ces projets constituent la base de l'examen pratique. Ils seront évalués, mais ne compteront pas pour la note finale.

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

La note du cours se compose normalement de deux parties :

1. 50% du résultat à l'examen pratique
2. 50% du résultat à l'examen théorique

MAIS : Si la note à l'examen théorique ou la note d l'examen pratique 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 des deux examens comme décrit ci-dessus. 

Langue(s) d'évaluation

• français
• (éventuellement anglais, Néerlandais )