Volumes horaires
- CM 18.0
- Projet -
- TD -
- Stage -
- TP -
- DS -
Crédits ECTS
Crédits ECTS 2.0
Objectif(s)
- Acquérir les compétences de base en apprentissage automatique et en intelligence artificielle.
- Acquérir une culture générale suffisante en science des données pour pourvoir interagir avec des spécialistes de la théorie de l'apprentissage statistique ou de l'intelligence artificielle.
- Connaître un ou deux champs particuliers de l'Intelligence Artificielle
Alhame DOUZAL
Contenu(s)
- Introduction générale à l'Intelligence Artificielle (1h30 CM)
- Intelligence Artificielle Symbolique (3h CM +1h30TP)
- Problèmes de satisfaction de contraintes, recherche
- Systèmes multiagents
- Apprentissage Automatique (9h CM + 3h TP)
- Métriques (3h CM) :
- Métriques pour données non structurées
- Apprentissage non-supervisé (3h CM) :
- Par partitionnement (k-means, PAM),
- Hiérarchique (CAH, Divisive),
- Sous contraintes (SOM)
- Apprentissage supervisé (3h CM) :
- Arbre de classification/Régression (CART),
- Par plus proches voisins (kNN),
- Théorie de la validation en classification
- Métriques (3h CM) :
Culture générale en mathématiques et informatique
N1 = E1
N2 = E2
Codification pour la formule de calcul de la note :
N1=note finale de 1ère session
N2=note finale de 2ème session
E1=examen de 1ère session (2h d'écrit)
E2=examen de 2ème session (2h écrit ou oral, selon nombre d'étudiants)
N1 = E1
N2 = E2
Codification pour la formule de calcul de la note :
N1=note finale de 1ère session
N2=note finale de 2ème session
E1=examen de 1ère session (2h d'écrit)
E2=examen de 2ème session (2h écrit ou oral)
Le cours est programmé dans ces filières :
- Cursus ingénieur - Filière ISI - Semestre 9
Code de l'enseignement : 5MMIA
Langue(s) d'enseignement :
Le cours est rattaché aux structures d'enseignement suivantes :
Vous pouvez retrouver ce cours dans la liste de tous les cours.
Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Malaysia; Pearson Education Limited,.