Université du Québec en Outaouais Département d'informatique et d'ingénierie
Sigle : INF1183  Gr. 01
Titre : Intelligence artificielle
Session : Hiver 2017  Horaire et local
Professeur : Benyahia, Ilham
1. Description du cours paraissant à l'annuaire :

Objectifs

Familiariser l'étudiant avec les techniques de base utilisées dans le domaine de l'intelligence artificielle (IA). Savoir choisir et appliquer les différentes approches d'IA en fonction du problème à résoudre.

Contenu

Concepts et méthodes de l'IA. Structures de représentation des connaissances : réseaux sémantiques, graphes conceptuels. Techniques de raisonnement : logique des prédicats du premier ordre, logique clausale, techniques d'inférence et stratégies de contrôle, raisonnement probabiliste. Méthodes de recherche heuristique. Systèmes experts. Introduction à la planification. Méthodes d'apprentissage automatique. Applications: robotique, reconnaissance des formes, traitement d'images et de la langue naturelle, forage de données. Outils et environnements d'expérimentation.
2. Objectifs spécifiques du cours :
Les objectifs spécifiques seront:
      1. Acquérir des connaissances sur les techniques de résolution propres aux systèmes intelligents
      2. Maitriser le fonctionnement et appliquer les méthodes de résolution de problèmes basées sur diverses approches telles que raisonnement, logique des prédicats, heuristiques de recherche, apprentissage, etc.
      3. Être capable de comparer et distinguer les méthodes de résolution par l'intelligence artificielle selon les types de problèmes et les contraintes des solutions à chercher
      4. Être capable de choisir le type de représentation des connaissances qui sera adéquat pour la méthode de résolution qui sera identifiée
      5. Être capable d'identifier les techniques IA dans une application donnée
      6. Expérimenter des outils de résolution de problèmes par des techniques d'intelligence artificielle
3. Stratégies pédagogiques :
Les formules pédagogiques suivantes seront utilisées:
  • Cours magistral avec des séances d’exercices et travaux qui permettront aux étudiants de participer et d’avoir un apprentissage actif.
4. Heures de disponibilité ou modalités pour rendez-vous :
Sur rendez-vous.
5. Plan détaillé du cours sur 15 semaines :
Semaine Thèmes Dates
1    Introduction
  • Définitions
  • Origines, historique et courants
  • Objectifs de l'IA
  • Tests sur l'IA: le test de Türing
  • Domaines d'application - exemples
  • Technologies de type IA
  • Critiques et limites
 09 jan. 2017 
2    Méthodes de résolution de problèmes
  • Méthodes d'optimisation de la recherche
  • Résolution par la recherche
  • Recherches et exploration
  • Les algorithmes génétiques
  • Techniques d’apprentissage
 16 jan. 2017 
3    Connaissances et raisonnements
  • Logique des prédicats du premier ordre et résolution
  • Raisonnement probabiliste

Test 1 (évaluation formative). Durée : 30 mn

 23 jan. 2017 
4    Connaissances et raisonnements (Suite)
  • Techniques d'inférence et stratégies de contrôle (Suite)
  • Raisonnement par cas
 30 jan. 2017 
5    Méthodes de recherche
  • Les heuristiques de recherche et leurs applications

Test 2. Durée : 1 heure

 06 fév. 2017 
6    Méthodes de recherche (Suite)
  • Recherche par métaheuristiques et applications

Mini projet: Remise de l'énoncé

 13 fév. 2017 
7    Représentation et acquisition des connaissances
  • Structures de représentation des connaissances: réseaux sémantiques, graphes conceptuels

Test 3 (Évaluation formative). Durée: 30 mn

 20 fév. 2017 
8    Semaine d'études 27 fév. 2017 
9    Les systèmes à base de connaissances
  • Systèmes experts
  • Agents intelligents

Mini projet : Remise de l’énoncé.

 06 mars 2017 
10    Environnements : outils et méthodologies de développement pour l’IA
  • Shell de systèmes experts
  • Cadres de résolution de problèmes
 13 mars 2017 
11    Méthodes d'apprentissage
  • Apprendre par observation
  • Apprentissage par supervision

Test 4. Durée: 1 heure

 20 mars 2017 
12    Méthodes d'apprentissage
  • Apprentissage par renforcement
  • Data mining (fouilles de données)
 27 mars 2017 
13    Applications
  • Les jeux et l’intelligence artificielle
  • La robotique
  • Le traitement de la langue naturelle
 03 avr. 2017 
14   

Remise des travaux du mini projet et présentations

 10 avr. 2017 
15    Congé férié 17 avr. 2017 
6. Évaluation du cours :
L'évaluation est l'appréciation du niveau d'apprentissage atteint par l'étudiant par rapport aux objectifs des cours et des programmes. Dans le cas spécifique du cours d'Ingénierie de la connaissance, l'attribution des notes se fera selon la répartition suivante:
  • Deux tests en classe (pour évaluation) selon le calendrier : 20 %
  • Examen Final : 35 %
  • Mini projet : 30 %
  • Présentation orale : 15 %

Les deux travaux doivent être fait en binômes pour mieux acquérir les méthodes de travail en groupe. Les modalités du travail en équipe seront communiquées en même temps que l’énoncé.

7. Politiques départementales et institutionnelles :
8. Principales références :
Note de cours - Manuel obligatoire
  • Les notes de cours détaillées qui seront fournies couvrent toute la matière du cours.
Autres références recommandées
  1. Artificial Intelligence A Modern Approach, Stuart Russel and Peter Norvig, Prentice Hall Series in Artificial Intelligence,2003.
  2. Data Mining : Introductory and Advanced Topics, Dunham, M.H ,Prentice Hall, 2003.
  3. Patrick H. Winston, Artificial Intelligence, Addison Wesley, 1992.
  4. Elaine Rich, Kevin Knight, Artificial Intelligence, McGraw-Hill, 1991
9. Page Web du cours :
http://moodle.uqo.ca/course/view.php?id=6130