 | Programme d’études | English | |
 | Intelligence artificielle | ||
Unité d’enseignement du programme de Bachelier en sciences mathématiques à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-B3-SCMATH-012-M | UE optionnelle | MELOT Hadrien | S825 - Algorithmique |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Français | 30 | 15 | 0 | 0 | 0 | 5.00 | 100.00 |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| S-INFO-014 | Intelligence artificielle | 30 | 15 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Utiliser efficacement l'outil informatique.
- Capacité à comprendre un algorithme et à l'implémenter en utilisant des structures de données adéquates.
- Pouvoir développer des programmes informatiques pour résoudre des problèmes ayant une formulation mathématique.
Acquis d'apprentissage UE
A l'issue de cet enseignement, les étudiants auront été initiés à différents domaines classiques de l'Intelligence Artificielle. Ils seront capables d'identifier quand une méthode particulière est applicable. Le cours se concentrera sur les aspects algorithmiques de l'Intelligence Artificielle.
Contenu de l'UE
Voir unique activité d'apprentissage.
Compétences préalables
Connaissance d'un langage de programmation (par ex. Python ou Java) et connaissances en structure de données de base (listes, arbres, graphes).
Types d'évaluations Q1 pour l'UE
- Néant
Commentaire sur les évaluations Q1 de l'UE
Sans objet
Types d'évaluations Q2 pour l'UE
- Examen écrit
- Exercice(s) coté(s)
Commentaire sur les évaluations Q2 de l'UE
Examen écrit 85%
Exercices 15%
Types d'évaluation Q3 pour l'UE
- Examen oral
Commentaire sur les évaluations Q3 de l'UE
Examen oral 100%
Types d'évaluation rattrapage BAB1 (Q1) pour l'UE
- Néant
Commentaire sur les évaluations rattr. Q1 de l'UE
Sans objet
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-014 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-014 |
|
Supports principaux
| AA | Supports principaux |
|---|---|
| S-INFO-014 | Note de cours - Intelligence Artificielle - Hadrien Mélot |
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-014 | Sans objet |
Supports complémentaires
| AA | Supports complémentaires |
|---|---|
| S-INFO-014 |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-INFO-014 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-INFO-014 | - Russel, S. and Norvig, P., Artificial Intelligence: A Modern Approach, 3ième édition, Pearson, 2010 - Talbi, E.-G., Metaheuristics: from design to implementation, Wiley, 2009 |
Reports des notes d'AA d'une année à l'autre
| AA | Reports des notes d'AA d'une année à l'autre |
|---|---|
| S-INFO-014 | Autorisé |