Calendrier du cours approximatif


Date

Cours magistraux

Sections dans le livre AIMA

Travaux

JE 6 / 1

Introduction 

  • C’est quoi l’IA ?
  • Agents intelligents

Présentation du plan du cours

1, 2

 

Apprentissage automatique

  • Formes d’apprentissage
  • Algorithme de K plus proches voisins

19.1 à 19.2, 19.7.1

TP1

VE 7 /1
  • Classification linéaire avec le Perceptron;
  • Minimisation d’une perte par la descente du gradient;

19.6.1 à 19.6.4

JE 13/1
  • Régression logistique
  • Réseau de neurones artificiel

19.6.5

21.1.1

TP2

VE 14/1
  • Rétropropagation du gradient

21.1.2

JE 20/1

Application - Vision artificielle

  • Convolution
  • Pooling
  • Architecture CNN

21.3,

25.1 à 25.4

VE 21/1

Application – Apprentissage profond pour le traitement du langage naturel

  • Modèle RNN

24.1, 21.6, 24.2

JE 27/1

Apprentissage automatique 

  • Arbres de décision

19.3

Quiz 1
  • Enjeux liés au développement d’applications : collection, qualité et gestion de données ; ingénierie de features ; sélection et optimisation de modèles ; interprétabilité et explicabilité.

19.4, 19.9

21.5.2 à 21.5.4

VE 28/1

Raisonnement probabiliste

  • Types d’inférences
  • Classifieur bayésien naïf (application : classification de documents)

12.1 à 12.6

TP3

JE 3/2
  • Réseaux bayésiens

13.1 à 13.4
  • Modèle de Markov caché

14.1 à 14.3

VE 4/2

Raisonnement probabiliste

  • Réseaux bayésiens dynamiques et filtre de particules

14.5.1 à 14.5.3

JE 10/2

Application – Approches probabilistes du traitement du langage naturel

  • Modélisation des langages, étiquetage syntaxique, extraction d’information, analyse syntaxique probabiliste

 

Recherche heuristique globale

  • Algorithme A*

 

 

VE 11/2

Processus de décision de Markov

  • Valeur d’un plan

 

TP4

JE 17/2
  • Algorithme d’itération par valeur
  • Algorithme d’itération par politique

 

VE 18/2

Révision en vue de l’intra

JE 24/2

Période des examens

VE 25/2

JE 3/3

Relâche des activités pédagogiques

VE 4/3

JE 10/3

 Apprentissage par renforcement

  • Apprentissage passif

 

Correction de l’intra

 

VE 11/3
  • Apprentissage actif : Q-Learning & SARSA

 

JE 17/3
  • Approximation de fonction

 

Planification et les jeux compétitifs 

  • Théorie des jeux
  • Minmax 

 

TP5

VE 18/3

Planification et les jeux compétitifs 

  • Fonction d’évaluation; 
  • Élagage Alpha-beta heuristique

 

JE 24/3
  • Jeux stochastiques
  • Monte-Carlo Tree-Search

 

VE 25/3

Recherche heuristique locale

  • Algorithme hill-climbing
  • Algorithme recuit simulé 

 

Quiz 2

JE 31/3
  • Algorithmes génétiques

 
  • Résolution de problèmes par la satisfaction des contraintes : backtracking search

 

VE 1/4
  • Résolution de problèmes par la satisfaction des contraintes : heuristiques, recherche locale

 

JE 7/4

Raisonnement logique

  • Syntaxe et sémantique
  • Inférence du premier ordre

 

Quiz 3

VE 8/4
  • Planification classique

 

Application – robotique

 

JE 14/4

Philosophie, éthique, sécurité et future de l’IA

27, 28

 

Révision

 

 

VE 15/4

Vendredi Saint : Congé universitaire

Mardi 9 août au vendredi 19 août : Examens de fin de trimestre