Acquis d'apprentissage

Au terme de cet apprentissage, l’étudiant sera capable de

  • De décrire divers modèles de connaissance et d’expliquer les algorithmes d’apprentissage et de résolution associés
  • De décrire leur mise en œuvre dans des études de cas et réalisations de systèmes d’aide à la décision
  • D’effectuer une recherche dans la littérature scientifique en vue de réaliser une synthèse d’une question nouvelle
  • De communiquer la synthèse réalisée sous forme d’un essai et d’un exposé oral répondant aux standards scientifiques

 

Contenu

Le cours présente des techniques avancées d'intelligence artificielle et machine learning et étudie leur mise en œuvre dans divers systèmes d’aide à la décision dans le contexte de la gestion.

Méthodes d'enseignement

L'apprentissage sera basé sur des exposés couplés avec des lectures de livre et d'articles scientifiques

Méthode d'évaluation

L'évaluation repose sur trois éléments

  • Participation active aux cours et contribution aux exposés,
  • rédaction et présentation d'un rapport de lectures
  • examen oral

La participation active aux cours fait l'objet d'une évaluation continue, l'étudiant n'y ayant pas contribué n'est pas admissible aux autres évaluations (art. 36 et 38 REE)

L'examen oral n'est accessible qu'aux étudiants ayant participé aux cours et présenté le rapport (art. 38 du REE).

Les détails des modalités d'évaluation sont explicité au premier cours et sur le webcampus.

Sources, références et supports éventuels

Natural Computing Algorithm : Anthony Brabazon, Michael O'Neill, Seán McGarraghy
Artificial Intelligence : A modern approach, Stuart Russell and Peter Norvig
Machine Learning, Tom Mitchell,
Introduction to Machine Learning, Ethem Alpaydin

Langue d'instruction