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 en Informatique et Gestion
• Maîtriser et mobiliser de façon pertinente des connaissances, des modèles, des méthodes et des techniques relatifs au domaine de l'Informatique et Gestion
• Analyser et modéliser une solution informatique innovante ou une stratégie d'entreprises en sélectionnant de manière critique des théories et des approches méthodologiques (modélisation, optimisation, algorithmique, calculs), y compris en tenant compte des aspects pluridisciplinaires.
• Identifier et étudier les applications possibles des technologies nouvelles et émergentes dans le domaine des sciences et technologies de l'information et du management quantitatif et qualitatif de l'entreprise.
• Evaluer la validité des modèles et des résultats compte tenu de l'état de la science et des caractéristiques du problème.
• 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.
• Argumenter et convaincre, tant à l'oral qu'à l'écrit, vis-à-vis de clients, des enseignants et des jurys.
• 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.

Acquis d'apprentissage de l'UE

A l'issue de cette UE, l'étudiant.e devrait avoir acquis des connaissances théoriques et des compétences pratiques en rapport avec deux des paradigmes majeurs de l'IA : le " deep learning " et les modèles probabilistes (raisonnement probabiliste). Il/elle devrait :
- connaître les applications majeures de l'intelligence artificielle au langage naturel,
- connaître certaines des méthodes de machine learning les plus récentes,
- être capable de mettre en oeuvre des réseaux de neurones artificiels complexes
- savoir pour ce faire utiliser les librairies logicielles génériques pour le deep learning
- comprendre l'importance et l'intérêt de la perspective probabiliste à l'IA.
- connaître la théorie de base des modèles graphiques probabilistes et réseaux bayésiens.
- connaître les modèles de Markov cachés, les filtres à particules, les mélanges de gaussiennes, et l'allocation de Dirichlet latente.
- être capable de mettre en oeuvre des approches d'inférence statistique.
- savoir utiliser les librairies logicielles dédiées à la programmation probabiliste (PyMC3, Pyro, etc.).
 

Contenu de l'UE : descriptif et cohérence pédagogique

L'UE est composée de deux AA qui exposent deux méthodologies complémentaires de l'IA:
- l'intelligence artificielle par apprentissage profond (deep learning) appliquée à la modélisation de séquences temporelles, et en particulier au traitement du langage naturel (chatbots, traduction automatique, extraction d'information, etc.)
- l'intelligence artificielle exploitant la théorie des probabilités, sur base des modèles graphiques probabilistes, des réseaux bayésiens, et de leur mise en oeuvre via la programmation probabiliste.

La partie pratique de ces AA comportera des TPs permettant de s'approprier la théorie.

Plus de détails sur le contenu sont donnés dans les fiches ECTS de chaque AA.
 

Compétences préalables

Sans objet