Description

• Apprentissage non supervisé et supervisé 
• diagnostic de machines, à l'aide de mesures de vibration, son, ...
• détection d'anomalies
• Modélisation par réseaux de neurones ;
• Etude de cas en sciences pour l’ingénieur : TP à l’aide d’un logiciel d’intelligence artificielle.

Compétences visées

Ce cours aborde des méthodes modernes de diagnostic de machines industrielles basées sur le Deep Learning

Ces algorithmes sont au cœur de nombreuses applications et connaissent un essor fulgurant : analyse automatique d’images, reconnaissance d'évènements sonores, détection de défauts, supervision par IA de ligne de production,, ...

Bibliographie

• 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).

Contacts

Responsable(s) de l'enseignement

• Dominique Knittel

MCC

Les épreuves indiquées respectent et appliquent le règlement de votre formation, disponible dans l'onglet Documents de la description de la formation.

Régime d'évaluation

CT (Contrôle terminal, mêlé de contrôle continu)

Coefficient

1.0

Évaluation initiale / Session principale - Épreuves