Plaquette de la formation
- Cours (CM) 6h
- Cours intégrés (CI) -
- Travaux dirigés (TD) -
- Travaux pratiques (TP) 8h
- Travail étudiant (TE) 12h
Langue de l'enseignement : Français
Description du contenu de l'enseignement
- Principes généraux : représentation et analyse de données, généralisation sur l’apprentissage ;
- Méthodes de classification directe ( k-plus-proches-voisins…) ;
- Introduction à l’apprentissage non supervisé et à l’apprentissage supervisé ;
- Introduction aux machines SVM ;
- Modélisation par réseaux de neurones ;
- Etude de cas en sciences pour l’ingénieur : TP à l’aide d’un logiciel d’intelligence artificielle.
Compétences à acquérir
L’objectif est de donner aux étudiants une initiation en intelligence artificielle.
Ce cours aborde des méthodes modernes d’apprentissage artificiel telles que les réseaux de neurones, les Machines à Vecteurs Supports et les classifieurs.
Ces algorithmes sont au cœur de nombreuses applications et connaissent un essor fulgurant : analyse automatique d’images, reconnaissance de la parole, reconnaissance d’évènements, robotique, bioinformatique, conduite automatique...
Ce cours aborde des méthodes modernes d’apprentissage artificiel telles que les réseaux de neurones, les Machines à Vecteurs Supports et les classifieurs.
Ces algorithmes sont au cœur de nombreuses applications et connaissent un essor fulgurant : analyse automatique d’images, reconnaissance de la parole, reconnaissance d’évènements, robotique, bioinformatique, conduite automatique...
Bibliographie, lectures recommandées
- Cornuéjols, A & Miclet, L. (2010) "Apprentissage Artificiel. Concepts et algorithmes", Eyrolles (2nd. Ed.) ;
- Boi Faltings, Michael Schumacher, "L'intelligence artificielle par la pratique", Presses Polytechniques et Universitaires Romandes (PPUR), 2017 (2e édition).
Contact
Faculté de physique et ingénierie
3-5, rue de l'Université67084 STRASBOURG CEDEX
Formulaire de contact
Responsable
Dominique Knittel