Cette UE a pour objectif de présenter un panorama d'outils pour l'étude des systèmes complexes en général. En particulier, on s'intéressera à la modélisation de systèmes complexes à l'aide de formalismes continus (équations différentielles ordinaires et partielles) et discrets (agents, automates cellulaires) ; à l'apprentissage de représentations dans les systèmes complexes (apprentissage par réseaux de neurones profonds) ainsi qu'à la modélisation d'agents adaptatifs avec des outils du domaine des sciences cognitives (modèles de cognition, de prise de décision, architectures cognitives, systèmes dynamiques)

À l'issue de l'UE, un étudiant est capable de :
- Utiliser des formalismes continus ou discrets (possiblement couplés) pour la modélisation de systèmes auto-organisés et ayant des propriétés émergentes
- Définir et mettre en œuvre efficacement des algorithmes d'apprentissage profond supervisées pour apprendre des descriptions structurelles de données complexes

Références :
- Artificial Intelligence: a Modern Approach, S. Russell et P. Norvig
- Cambridge handbook of Computational Psychology, R. Sun ed.
- Adaptive Agents and Multi-Agent Systems, E. Alonso, D. Kudenko et D. Kazakov eds.
- Programming Massively Parallel Processors, D. Kirk et W. Hwu

À l'entrée de cette UE, un étudiant devrait savoir :
- Solides bases en programmation C
- Bonnes connaissances en programmation objet
- Notions de programmation parallèle (synchronisation, partage de données, dépendance)