IFT615 | Introduction à l'intelligence artificielle

Hiver 2024

Horaire:

Cheminement général (Groupe 1):
  • Jeudi 8h30 à 10h20
  • Vendredi 9h30 à 10h20
Parcours Longueuil (Groupe 18):
  • Jeudi 15h30 à 17h20
  • Vendredi 13h30 à 14h20

Description

Connaître les principes et les techniques algorithmiques de base de l'intelligence artificielle. Savoir choisir et appliquer les différentes approches en fonction du problème à résoudre. Être sensibilisé à l'éthique de l'intelligence artificielle.

Contenu

Concept d'agent intelligent. Apprentissage automatique (classification linéaire, minimisation d'une perte, réseaux de neurones, apprentissage supervisée; apprentissage non supervisée; apprentissage par renforcement; approximation de fonction). Raisonnement probabiliste (classifieur bayésien naïf, réseau bayésien, modèle de Markov caché, réseau bayésien dynamique, filtre de particules;). Recherche heuristique globale. Recherche heuristique locale (algorithmes génétiques; résolution de problèmes par la satisfaction de contraintes). Planification et les jeux compétitifs (fonctions d'évaluation; théorie des jeux). Processus de décision de Markov (problèmes de décisions séquentielles, politiques optimales; algorithmes). Raisonnement avec logique de premier ordre; éthique de l'intelligence artificielle.

Les chapitres de la colonne « Lectures » font référence au manuel AIMA.
Pour les étudiant.es intéressé.es, voici un lien vers les capsules du cours IFT615 d'Hugo Larochelle sur YouTube.


Plan de cours

Date Sujets Lectures Travaux
JE 11 / 1 Introduction
  • C'est quoi l'IA?
  • Notion d’agent et d’environnements
[PDF]
1
Présentation du plan de cours [PDF]
Agents intelligents
[PDF] [PPT]
2
Apprentissage automatique 19.1 à 19.2,
19.7.1
TP1
(Remise: Jeudi 25 janvier à minuit)
Énoncé
Fichiers
VE 12 /1
  • Minimisation d’une perte par la descente du gradient [PDF] [PPT]
19.6.1 à 19.6.4
Énoncé TP1
JE 18/1
  • Régression logistique
  • Réseau de neurones artificiel
[PDF] [PPT]
19.6.5
21.1.1
TP 2
(Remise: Jeudi 15 février à minuit)
Énoncé
Fichiers
VE 19/1
  • Rétropropagation du gradient
21.1.2
JE 25/1 Application - Vision artificielle
  • Convolution
  • Architecture CNN
[PDF] [PPT]
21.3, 25.1 à 25.4
Application – Traitement du langage naturel
  • Modèle RNN
  • Étiquetage syntaxique
[PDF] [PPT]
24.1, 21.6, 24.2
VE 26/1 Consolidation et énoncé du TP2
JE 1/2 Apprentissage automatique
  • Arbres de décision
  • Forêts aléatoires
[PDF] [PPT]
19.3 Quiz 1
(Remise: Jeudi 15 février à minuit) Énoncé
Énoncé Quiz1
VE 2/2 Raisonnement probabiliste
  • Inférences avec une distribution conjointe
  • Classifieur bayésien naïf (application : classification de documents)
[PDF] [PPT]
12.1 à 12.6 TP 3
(Remise: Jeudi 14 mars à minuit)
Énoncé
Fichiers
JE 8/2
  • Réseaux bayésiens
[PDF] [PPT]
13.1 à 13.4
  • Types d’inférence temporel
  • Réseaux bayésiens dynamiques
  • Modèle de Markov caché
[PDF] [PPT]
14.1 à 14.3
VE 9/2 Raisonnement probabiliste
  • Filtre de particules
[PDF] [PPT]
14.5.3
JE 15/2 Application – Traitement du langage naturel
  • Modèles du langage
[PDF] [PPT]
23.1 à 23.3, 23.6
Énoncé TP3
VE 16/2 Recherche heuristique globale
  • Algorithme A*
[PDF] [PPT]
3 TP 4
(Remise: Jeudi 4 avril à minuit)
Énoncé
Fichiers
JE 22/2 Processus de décision de Markov
  • Valeur d’un plan
  • Algorithme d’itération par valeur
  • Algorithme d’itération par politique
[PDF] [PPT]
17.1 à 17.2
VE 23/2 Révision [PDF]–>--> [PPT]
JE 29/2 Examens périodiques (avec levée de cours)

Corrigé [PDF]

VE 1/3
JE 7/3 Relâche des activités pédagogiques
VE 8/3
JE 14/3 Apprentissage par renforcement
  • Apprentissage passif
[PDF] [PPT]
22.1 à 22.2
Correction de l’intra
VE 15/3
  • Apprentissage actif: Q-Learning & SARSA
22.3
JE 21/3
  • Approximation de fonction
22.4
Énoncé TP4
Planification dans les jeux compétitifs
  • Théorie des jeux
  • Minmax
  • Fonction d’évaluation
[PDF] [PPT]
5.1 à 5.3 TP 5
(Remise: Lundi 15 avril à minuit)
Énoncé
Fichiers
VE 22/3 Planification dans les jeux compétitifs
  • Élagage Alpha-beta heuristique
  • Monte-Carlo Tree-Search
  • Jeux stochastiques
5.4 à 5.5
Énoncé TP5
JE 28/3 Recherche heuristique locale
  • Algorithme hill-climbing
  • Algorithme recuit simulé
  • Algorithmes génétiques
[Recherche locale PDF] [PPT]
4.1 Quiz 2
(Remise: Jeudi 11 avril à minuit) Énoncé
VE 29/3 Vendredi Saint : Congé universitaire
JE 4/4
  • Résolution de problèmes par la satisfaction des contraintes : backtracking search, heuristiques, min-conflicts
[Recherche locale par satisfaction ... PDF]--> [PPT]
6.1 à 6.4
VE 5/4 Énoncé Quiz2
Raisonnement logique
  • Syntaxe et sémantique
  • Inférence du premier ordre
9.1 à 9.3
JE 11/4 Raisonnement logique
  • Preuve par résolution
[PPT] [PDF] Avec ChatGPT 4[PDF]
9.1 à 9.3 Quiz 3
(Remise: Lundi 15 avril à minuit) Énoncé
  • Planification
11.1 à 11.2
Énoncé Quiz3
VE 12/4 Limites de l’IA et éthique [PDF]--> [PPT] 27, 28
Révision [PDF]--> [PPT]
Mardi 16 avril au vendredi 26 avril : Examens de fin de trimestre
Capsules du cours IFT615 d'Hugo Larochelle sur YouTube