- Cours (CM) 6h
- Cours intégrés (CI) -
- Travaux dirigés (TD) -
- Travaux pratiques (TP) 8h
- Travail étudiant (TE) 12h
Langue de l'enseignement : Français
Description du contenu de l'enseignement
- Principes généraux : représentation et analyse de données, généralisation sur l’apprentissage
- Méthodes de classification directe (k-plus-proches-voisins, …)
- Introduction à l’apprentissage non supervisé et à l’apprentissage supervisé
- Introduction aux machines SVM
- Modélisation par réseaux de neurones
- Etude de cas en sciences pour l’ingénieur : TP à l’aide d’un logiciel d’intelligence artificielle
Compétences à acquérir
1. Disciplinaires
- Savoir expliquer et utiliser les principales méthodes d’apprentissage utilisées en intelligence artificielle
- Savoir décrire une machine à vecteurs supports
- Savoir décrire le principe de fonctionnement d’un réseau de neurones
- Savoir modéliser un problème complexe d’ingénierie
- Savoir organiser et planifier son travail en pleine autonomie
- Savoir rechercher des informations et faire preuve d’analyse critique
Bibliographie, lectures recommandées
- Cornuéjols, A & Miclet, L. (2010) "Apprentissage Artificiel. Concepts et algorithmes", Eyrolles (2nd. Ed.) ;
- Boi Faltings, Michael Schumacher, "L'intelligence artificielle par la pratique", Presses Polytechniques et Universitaires Romandes (PPUR), 2017 (2e édition).
Contact
Faculté de physique et ingénierie
3-5, rue de l'Université67084 STRASBOURG CEDEX
Formulaire de contact
Responsable
Dominique Knittel