 | Programme d’études 2022-2023 | English | |
 | Graphes et intelligence artificielle | ||
Unité d’enseignement du programme de Master en sciences mathématiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCMATH-054-M | UE Obligatoire | MELOT Hadrien | S825 - Algorithmique |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Français | 20 | 10 | 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-021 | Graphes et intelligence artificielle | 20 | 10 | 0 | 0 | 0 | Q1 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Posséder des connaissances mathématiques intégrées et pointues
- -Pouvoir mobiliser les mathématiques de bachelier pour traiter de questions complexes et posséder une expertise profonde de celles-ci, prolongeant celle développée en bachelier.
- -Être capable d'utiliser ses connaissances antérieures pour apprendre des mathématiques de haut niveau de manière autonome.
- Être capable d'innovation pour résoudre une problématique inédite en mathématiques ou dans leurs applications
- -Pouvoir faire usage de l'outil informatique de manière appropriée, au besoin en développant un petit programme.
Acquis d'apprentissage de l'UE
A l'issue de cette activité d'apprentissage, les étudiants auront approfondis certains domaines liant la théorie des graphes et l'Intelligence Artificielle.
Contenu de l'UE : descriptif et cohérence pédagogique
Voir unique activité d'apprentissage.
Compétences préalables
Avoir suivi avec le succès le cours "Intelligence Artificielle".
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-021 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-021 |
|
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-021 | Sans objet |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-INFO-021 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-INFO-021 | Russel, S. and Norvig, P., Artificial Intelligence: A Modern Approach, 3ième édition, Pearson, 2010 Williamson, Shmoys, The Design of Approximation Algorithms, Cambridge University Press (2011). Version électronique disponible en ligne: www.designofapproxalgs.com |
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-021 | Non autorisé |
Evaluation du quadrimestre 1 (Q1) - type
| AA | Type(s) et mode(s) d'évaluation du Q1 |
|---|---|
| S-INFO-021 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
| AA | Commentaire sur l'évaluation Q1 |
|---|---|
| S-INFO-021 | Examen oral 100% |
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-021 |
|
Evaluation du quadrimestre 3 (Q3) - type
| AA | Type(s) et mode(s) d'évaluation du Q3 |
|---|---|
| S-INFO-021 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
| AA | Commentaire sur l'évaluation Q3 |
|---|---|
| S-INFO-021 | Examen oral 100% |