 | Programme d’études 2022-2023 | English | |
 | Intelligence artificielle | ||
Unité d’enseignement du programme de Bachelier en sciences informatiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-B3-SCINFO-005-M | UE Obligatoire | 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 | 5.00 | 1er quadrimestre |
| 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 | Q1 | 100.00% |
| Unité d'enseignement | ||
|---|---|---|
 | US-B2-SCINFO-011-M Structures de données I | |
Objectifs par rapport aux acquis d'apprentissage du programme
- Maîtriser les fondements théoriques des sciences informatiques.
- Etre capable de résoudre des exercices et des problèmes informatiques en appliquant les connaissances de base dans les diverses disciplines de l'informatique.
- Pouvoir utiliser et combiner des connaissances issues de différentes disciplines pour résoudre des problèmes multidisciplinaires.
- Maîtriser les connaissances de base liées à la démarche scientifique.
- Développer des capacités d'abstraction et de modélisation par le biais d'une approche conceptuelle et scientifique.
Acquis d'apprentissage de l'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 : descriptif et cohérence pédagogique
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'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 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 |
Evaluation du quadrimestre 1 (Q1) - type
| AA | Type(s) et mode(s) d'évaluation du Q1 |
|---|---|
| S-INFO-014 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
| AA | Commentaire sur l'évaluation Q1 |
|---|---|
| S-INFO-014 | Examen écrit (85%) et devoirs en ligne (15%) |
Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type
| AA | Type(s) et mode(s) d'évaluation rattrapage Q1(BAB1) |
|---|---|
| S-INFO-014 |
|
Evaluation du quadrimestre 3 (Q3) - type
| AA | Type(s) et mode(s) d'évaluation du Q3 |
|---|---|
| S-INFO-014 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
| AA | Commentaire sur l'évaluation Q3 |
|---|---|
| S-INFO-014 | Examen oral 100% |