Programme d’études 2020-2021English
Défis en intelligence artificielle
Unité d’enseignement du programme de Master : ingénieur civil des mines et géologue à la Faculté Polytechnique

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
UI-M2-IRMIGE-560-MUE optionnelleDUTOIT ThierryF105 - Information, Signal et Intelligence artificielle
  • BEN TAIEB Souhaib
  • DUTOIT Thierry
  • MAHMOUDI Sidi
  • SIEBERT Xavier
  • N.

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français123600055.001er quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-ISIA-200Défis en intelligence artificielle1224000Q180.00%
I-ISIA-201Séminaire d'intelligence artificielle012000Q120.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Mobiliser un ensemble structuré de connaissances et compétences scientifiques et techniques spécialisées permettant de répondre, avec expertise et adaptabilité, aux missions de l'ingénieur civil des Mines et Géologue.
    • Analyser et modéliser un problème en sélectionnant de manière critique des théories et des approches méthodologiques (modélisation, calculs), y compris en tenant compte des aspects pluridisciplinaires.
  • Travailler efficacement en équipe, développer son leadership, prendre des décisions dans des contextes multidisciplinaires, multiculturels, et internationaux.
    • Interagir efficacement avec d autres acteurs pour réaliser un travail commun dans des contextes variés (multidisciplinaires, multiculturels, et internationaux).
  • Communiquer et échanger des informations de manière structurée - oralement, graphiquement et par écrit, en français et dans une ou plusieurs autres langues - sur les plans scientifique, culturel, technique et interpersonnel en s'adaptant au but poursuivi et au public concerné.
    • Utiliser et produire des documents scientifiques et techniques (rapport, plan, cahier des charges, ) adaptés au but poursuivi et au public concerné.
  • Agir en professionnel responsable, faisant preuve d'ouverture et d'esprit critique, inscrit dans une démarche de développement professionnel autonome.
    • Exploiter les différents moyens mis à disposition pour se documenter et se former de manière autonome.
  • Contribuer par un travail de recherche à la solution innovante d'une problématique en sciences de l'ingénieur.
    • Concevoir et mettre en oeuvre des analyses techniques, des études expérimentales et des modélisations numériques.

Acquis d'apprentissage UE

Connaissance pratique des outils de l'IA (et en particulier du deep learning - DNN, Deep reinforcement learning); connaissance des architectures qui constitutent l'état de l'art pour la résolution de problèmes en IA.

Contenu de l'UE

Quatre challenges applicatifs en IA, et provenant de domaines diversifiés sont proposés. Pour chaque challenge, 3h seront consacrées à la théorie sous forme d'une séance ex-cathedra, suivie de 2 séances de co-working où les étudiants chercheront à relever le défi en équipes. Ils rédigeront ensuite chez eux un rapport sur leur solution.
En parallèle, une série de séminaires sont organisés, sur des sujets transdisciplinaires liés à l'IA.
Les formations se donneront en soirée (dans le format des Mons AI Meetups lancés en 2017).
Cette unité d'enseignement fait également partie du Certificat d'Université en Intelligence Artificielle
 (voir cette page pour plus d'infos, notamment l'onglet "Programme et Structure").

Compétences préalables

Bases de l'informatique et de la programmation (Python)

Types d'évaluations Q1 pour l'UE

  • Présentation et/ou travaux

Commentaire sur les évaluations Q1 de l'UE

Rapports sur les solutions apportées aux défis (1 rapport par défi et par groupe), 80% Rapports individuels sur les séminaires, 20%

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux

Commentaire sur les évaluations Q3 de l'UE

Rapports sur les solutions apportées aux défis (1 rapport par défi et par groupe), 80% Rapports individuels sur les séminaires, 20%

Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

  • Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

sans objet

Types d'activités

AATypes d'activités
I-ISIA-200
  • Cours magistraux
  • Projet sur ordinateur
I-ISIA-201
  • Ateliers et projets encadrés au sein de l'établissement

Mode d'enseignement

AAMode d'enseignement
I-ISIA-200
  • Face à face
I-ISIA-201
  • Face à face
  • Mixte

Supports principaux

AA
I-ISIA-200
I-ISIA-201

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-ISIA-200Sans objet
I-ISIA-201Sans objet

Supports complémentaires

AA
I-ISIA-200
I-ISIA-201

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-ISIA-200Sans objet
I-ISIA-201Sans objet

Autres références conseillées

AAAutres références conseillées
I-ISIA-200Sans objet
I-ISIA-201Sans objet

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
I-ISIA-200Autorisé
I-ISIA-201Autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be