Programme d’études 2022-2023 | English | ||
Selected and advanced Topics in Artificial Intelligence | |||
Unité d’enseignement du programme de Master : ingénieur civil en informatique et gestion (MONS) (Horaire jour) à la Faculté Polytechnique |
Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
---|---|---|---|---|
UI-M2-IRIGIG-307-M | UE optionnelle | DUPONT Stéphane | S841 - Service d'Intelligence Artificielle |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
---|---|---|---|---|---|---|---|---|---|
| Anglais, Français, Anglais, Français | 30 | 30 | 0 | 0 | 0 | 5 | 5.00 | 2e quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
I-ILIA-027 | Advanced topics in Artificial Intelligence | 12 | 12 | 0 | 0 | 0 | Q2 | 40.00% |
S-INFO-810 | Deep Learning for Natural Language and Sequence Processing | 18 | 18 | 0 | 0 | 0 | Q2 | 60.00% |
Unité d'enseignement |
---|
Objectifs par rapport aux acquis d'apprentissage du programme
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
Types d'activités
AA | Types d'activités |
---|---|
I-ILIA-027 |
|
S-INFO-810 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
I-ILIA-027 |
|
S-INFO-810 |
|
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
I-ILIA-027 | Tous les supports et outils du cours sont mis à la disposition des étudiants par Moodle, la plateforme e-learning de l'UMONS. |
S-INFO-810 | Tous les supports et outils du cours sont mis à la disposition des étudiants par Moodle, la plateforme e-learning de l'UMONS. |
Supports complémentaires non reproductibles
AA | Support complémentaires non reproductibles |
---|---|
I-ILIA-027 | Tous les supports complémentaires seront accessibles sur Moodle, la plateforme e-learning de l'UMONS. |
S-INFO-810 | Tous les supports complémentaires seront accessibles sur Moodle, la plateforme e-learning de l'UMONS. |
Autres références conseillées
AA | Autres références conseillées |
---|---|
I-ILIA-027 | Sans objet |
S-INFO-810 | Sans objet |
Reports des notes d'AA d'une année à l'autre
AA | Reports des notes d'AA d'une année à l'autre |
---|---|
I-ILIA-027 | Autorisé |
S-INFO-810 | Non autorisé |
Evaluation du quadrimestre 2 (Q2) - type
AA | Type(s) et mode(s) d'évaluation Q2 |
---|---|
I-ILIA-027 |
|
S-INFO-810 |
|
Evaluation du quadrimestre 2 (Q2) - commentaire
AA | Commentaire sur l'évaluation Q2 |
---|---|
I-ILIA-027 | - Examen oral (65%) avec préparation par écrit, couvrant l'ensemble de la théorie (concepts, mathématiques, etc.) et de la pratique (code des TPs, etc.) et comportant des questions ouvertes et des questions QCM. - Rapports (15%) des TPs. Note par groupe. - Présentation (20%) d'un outil (module logiciel) ou d'un article scientifique par un bref rapport écrit et une présentation orale. Note individuelle. |
S-INFO-810 | - Examen oral (70%) avec préparation par écrit, couvrant l'ensemble de la théorie (concepts, mathématiques, etc.) et de la pratique (code des TPs, etc.) et comportant des questions ouvertes et des questions QCM. - Rapports (15%) des TPs. Note par groupe. - Présentation (15%) d'un outil (module logiciel) ou d'un article scientifique par un bref rapport écrit et une présentation orale. Note individuelle. |
Evaluation du quadrimestre 3 (Q3) - type
AA | Type(s) et mode(s) d'évaluation du Q3 |
---|---|
I-ILIA-027 |
|
S-INFO-810 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
AA | Commentaire sur l'évaluation Q3 |
---|---|
I-ILIA-027 | - Examen oral (65%) avec préparation par écrit, couvrant l'ensemble de la théorie (concepts, mathématiques, etc.) et de la pratique (code des TPs, etc.) et comportant des questions ouvertes et des questions QCM. - Rapports (15%) des TPs. Note par groupe. - Présentation (20%) d'un outil (module logiciel) ou d'un article scientifique par un bref rapport écrit et une présentation orale. Note individuelle. |
S-INFO-810 | - Examen oral (70%) avec préparation par écrit, couvrant l'ensemble de la théorie (concepts, mathématiques, etc.) et de la pratique (code des TPs, etc.) et comportant des questions ouvertes et des questions QCM. - Rapports (15%) des TPs. Note par groupe. - Présentation (15%) d'un outil (module logiciel) ou d'un article scientifique par un bref rapport écrit et une présentation orale. Note individuelle. |