 | Programme d’études 2019-2020 | English | |
 | Intelligence artificielle | ||
Unité d’enseignement du programme de Master (en alternance) en sciences informatiques, à finalité spécialisée professionnelle (Charleroi (Hor. décalé)) à la Faculté des Sciences |
| Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation prévues pour la fin du Q3 |
|---|
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-INFOSP-102-C | 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 | 2e quadrimestre |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| S-INFO-061 | Intelligence artificielle | 30 | 15 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
- Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
Acquis d'apprentissage 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
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'évaluations Q2 pour l'UE
- Examen écrit
- Exercice(s) coté(s)
Commentaire sur les évaluations Q2 de l'UE
Written exam 85%
Exercices 15%
Types d'évaluation Q3 pour l'UE
- Examen oral
Commentaire sur les évaluations Q3 de l'UE
Oral exam 100%
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-061 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-061 |
|
Supports principaux
| AA | Supports principaux |
|---|---|
| S-INFO-061 | Note de cours - Intelligence Artificielle - Hadrien Mélot |
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-061 | Sans objet |
Supports complémentaires
| AA | |
|---|---|
| S-INFO-061 |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-INFO-061 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-INFO-061 | - 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-061 | Autorisé |