Université du Québec en Outaouais Département d'informatique et d'ingénierie
Sigle : INF4153  Gr. 01
Titre : Ingénierie de la connaissance
Session : Hiver 2007   Horaire et local
Professeur : Fiset, Jean-Yves
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.

Contenu

Concepts et méthodes de l'intelligence artificielle. Structures de représentation des connaissances : réseaux sémantiques, graphes conceptuels, logique clausale, etc. Techniques de raisonnement : logique des prédicats du premier ordre et résolution, techniques d'inférence et stratégies de contrôle. Systèmes à base de connaissances: méthodologies de développement, techniques d'acquisition des connaissances, environnements de développement, langages. Méthodes d'optimisation de la recherche. Méthodes d'apprentissage. Applications: jeux, robotique, traitement de la langue naturelle, etc.
2. Objectifs spécifiques du cours :
  1. Familiariser l'étudiant avec les techniques de représentation de connaissances déclaratives dans les systèmes intelligents.
  2. Initier l'étudiant aux méthodologies de l'intelligence artificielle pour la résolution des problèmes à l'aide des systèmes experts à base des connaissances.
  3. Lui présenter des domaines d'applications de l'intelligence artificielle.
3. Stratégies pédagogiques :
Les formules pédagogiques suivantes seront utilisées:
  • L'enseignement est dispensé sous forme magistrale
  • Des démonstrations viennent illustrer certaines notions théoriques
  • Des travaux pratiques se rapportant directement aux exposés compléteront l'apprentissage.
  • Un examen de mi-session et un examen final
4. Heures de disponibilité ou modalités pour rendez-vous :
 
5. Plan détaillé du cours sur 15 semaines :
Semaine Thèmes Dates
1    Introduction
  • revue plan de cours
  • exploitation d'une communauté pour le matériel de cours
  • définitions
  • objectifs de l'IA
  • origines et courants
  • tests sur l'IA : les test de Türing
  • domaines d'application – exemples
  • technologies de type IA
  • critiques et limites
 09 jan. 2007 
2    Représentation des connaissances
  • réseaux sémantiques
  • logique clausale
  • graphes conceptuels
  • représentations objets
  • scripts
  • autres représentations : modèles numériques, causaux, fonctionnels
 16 jan. 2007 
3    Résolution de problèmes
  • notion d'espace d'états
  • solution par recherche dans des graphes d'états
  • méthodes non informées
 23 jan. 2007 
4    Résolution de problèmes – méthodes de recherche informées 30 jan. 2007 
5    Résolution de problèmes – méthodes de recherche informées (suite) 06 fév. 2007 
6    Raisonnement avec de l'information incertaine 13 fév. 2007 
7    Jeux
  • Méthode minimax
  • Méthode d’élagage alpha-beta
  • Autres méthodes d’IA appliquées aux jeux
 20 fév. 2007 
8    Semaine d'études 27 fév. 2007 
9    Examen de mi-session 06 mars 2007 
10    Systèmes-experts
  • Description et schéma de principe
  • Fonctionnement
  • Moteurs d'inférences
  • Raisonnement monotone et gestion de la vérité
  • Types d'applications
  • Méthodes de développement
  • Acquisition et maintien des connaissances
  • Problématique
 13 mars 2007 
11    Systèmes-experts (suite) 20 mars 2007 
12    Agents
  • définitions
  • architecture PAGE
  • notion d'agent comme élément intégrateur
  • exemple d'agents conversationnels commerciaux
  • mécanismes et normes d’échanges des connaissances
 27 mars 2007 
13    Études d'architectures particulières (p.ex., tableau noir) en IA et utilisées en :
  • Raisonnement utilisant des modèles
  • Raisonnement basé sur des cas
  • Vision
  • Reconnaissance de la parole
  • Réseaux neuronaux
 03 avr. 2007 
14    Études d'architectures particulières (suite) 10 avr. 2007 
15    Examen final 17 avr. 2007 
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 Ingénierie de la connaissance l'attribution des notes se fera selon la répartition suivante :
  • Examen de mi-session 20%
  • Examen final 30%
  • Travaux Pratiques 50%
7. Politiques départementales et institutionnelles :
8. Principales références :
  1. Sites Internet (seront indiqués au début du cours).
  2. Note de cours (seront fournies par le prof. par téléchargement).
  3. Requis pour le cours : Bratko, I. “Prolog Programming for Artificial Intelligence”, 3rd Edition, Pearson Addison-Wesley, 2001.

Autres références (optionnelles)

  1. Stuart J. Russell, Peter Norvig, Artificial Intelligence : A Modern Approach, Prentice Hall, 1995
  2. I., Bratko, PROLOG programming for artificial intelligence, Addison Wesley, 1994.
  3. Patrick H. Winston, Artificial Intelligence, Addison Wesley, 1992.
  4. Elaine Rich, Kevin Knight, Artificial Intelligence, McGraw-Hill, 1991

9. Page Web du cours :