But du cours
Ce cours a pour objectif de former les étudiants à l’intersection de l’intelligence artificielle (IA) et de la recherche opérationnelle (RO) en mettant un accent particulier sur la diversité des problèmes pouvant être modélisés par les outils classiques de l’IA. Un scientifique des données doit être conscient du large éventail de problèmes qui peuvent être abordés par les méthodes de logique formelle, les méthodes probabilistes, et les méthodes exploratoires. Ce cours permet de développer une compréhension profonde des principes fondamentaux et de leur application dans des contextes variés.
Acquis d'apprentissage visés
- Réaliser une analyse exploratoire de données
- Exploiter des données massives à l’aide des techniques de fouilles de données
- Visualiser des données
Prérequis
- Probabilités et variables aléatoires
- Processus stochastiques
- Cours de l’UE DATA du S5
Programme
IA et logique formelle :
- Logique des prédicats et exemples d’utilisations
- Raisonnement automatisé : chaînage avant, chaînage arrière
- Raisonnement intégré dans des systèmes à grande échelle (ex. Watson)
Approches probabilistes
- Modèles causaux
- Réseaux bayésiens
- Processus décisionnels de Markov (MDP)
Stratégies de recherches et d’optimisation
- Représentation dans l’espace d’états des solutions possibles à un problème
- Recherche en profondeur et en largeur (c’est-à-dire non informée) d’un espace d’états
- Recherche heuristique (c’est-à-dire informée) d’un espace d’états (par exemple, recherche A\*)
Modalités d'évaluation
contrôles continus et évaluations pratiques.
Bibliographie
Russell, S. J., \& Norvig, P. (2021). Artificial Intelligence: A Modern Approach, 4th US ed.
Supports
Ensemble des documents utilisés à l’occasion des enseignements. Si besoin, de nouvelles références documentaires pourront être mobilisées.