Intelligence Artificielle 1

Intelligence Artificielle 1 GIN4104

Enseignant:

Email:

Durée totale du cours: 45 H

Option concernée : Tronc Commun

Semestre : 3

Nombre de crédits : 3

Modules spécialisés	Modules de base	Sciences et techniques de l’ingénierie	Préparation à la carrière professionnelle
		X

 

Nombre d’heures		Activités hors classe
45		18
cours	TD		TP
22.5			22.5

  

Code                                                         : GIN4104                             Intelligence artificielle I

Volume Horaire         : 01h30 Cours intégrés + 1h30 Travaux pratiques (par semaine)

Objectifs d’apprentissage et compétences visées

• Connaître les fondements de l’intelligence
• Comprendre les caractéristiques et propriétés des techniques de base utilisées en intelligence artificielle.
• Savoir appliquer les différentes approches en fonction du problème à résoudre.

Contenu du  cours

• Chapitre 0 : Introduction à l’Intelligence Artificielle
• Définitions
• Historique
• Sous-domaines d’application
• Chapitre 1 : Logique des propositions
• Langage formel
• Atomes, syntaxe, Arbre de construction des formules
• Sémantique, formule valide, satisfiable, insatisfiable
• Conséquence logique
• Table de vérité / Arbre de résolution
• Forme Normale Conjonctive / Disjonctive
• Limites

• Chapitre 2 : Logique des prédicats
• Vocabulaire
• Formulation, quantificateurs
• Règles d’inférence
• Portée d’un quantificateur
• Occurrences libres/ liées des variables
• Mise sous forme clausale d’une formule
• Résolution
• Chapitre 3 : Systèmes à base des connaissances (SBC)
• Systèmes de production, chainage avant/ arrière
• Systèmes experts
• Ingénierie d’un SBC
• Types de raisonnements et exemples
• Chapitre 4 : Réseaux de neurones
• Neurones biologiques
• Réseaux de neurones artificiels
• Modélisation et fonctionnement d’un neurone artificiel
• Apprentissage : Définitions et types
• Apprentissage supervisé
• Apprentissage non supervisé
• Exemples

Contenu : Travaux pratiques

Pour les travaux pratiques, le plan suivi est le suivant :

• TP 1 : Initiation à Prolog
• TP 2 : La récursivité en Prolog
• TP 3 : Les listes en Prolog
• TP 4 : Mini Projet : Mise en place d’un Système Expert

Méthodes d’enseignement et d’apprentissage

• Enseignement frontal (magistral) avec des exemples à résoudre en
• Exercices théoriques et études de cas (présentation et discussion).
• Travaux pratiques (laboratoire)
• Travaux à faire à domicile (mini-projet, exposé, compte-rendu, …)

Connaissances et compétences pré-requises

• Algorithmique et structures de données
• Statistique et probabilités

Références bibliographiques

• Un cours de l’enseignant sera
• Autres références sous forme de tutoriaux, manuels ou documents à télécharger
• Les recommandations bibliographiques suivantes doivent être considérées :
  • Steward Russell et Peter Norvig, « Intelligence Artificielle », Pearson, 2010. 1175 p. ISBN : 978-0-13-604259-4

Modalité d’évaluation

• 40% Contrôle continu (TP noté, Test, Assiduité, Devoir surveillé, travaux non présentiels, …)
• 60% Examen semestriel
• TP, Test, Assiduité, Travaux non présentiels, Mini-projets, … = 60% de Contrôle Continu
• Note de DS = 40% de Contrôle Continu

Résultats d’apprentissage :

Après avoir réussi ce cours, les étudiants seront capables de :

• Distinguer un système conventionnel d’un système intelligent.
• Décrit des données, des informations et des connaissances.
• Explique les méthodes algorithmiques et heuristiques.
• Définit structuré et non structuré.
• Explique le concept d’intelligence artificielle et ses applications.
• Sait représenter les connaissances.
• Décrit les méthodes de recherche.
• Explique un raisonnement approximatif.
• Représente des connaissances à l’aide de différentes techniques.
• Explique la logique du premier ordre et le calcul des prédicats.
• Explique le réseau sémantique.
• Explique le système basé sur des règles.
• Explique le système basé sur les cas.
• Utilise la technique de recherche appropriée pour atteindre les objectifs souhaités.
• Connaît la recherche d’espace d’état.
• Distinguer la recherche axée sur les données et la recherche axée sur les objectifs.
• Utilise la recherche en profondeur d’abord et la recherche en largeur d’abord.
• Utilise certaines méthodes de recherche heuristiques.