 | Programme d’études 2020-2021 | English | |
 | Graphes et intelligence artificielle | ||
Unité d’enseignement du programme de Master en sciences mathématiques à la Faculté des Sciences |
| Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3 |
|---|
| 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 UE
A l'issue de cet enseignement, les étudiants auront approfondis certains domaines 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
Avoir suivi avec le succès le cours "Intelligence Artificielle".
Types d'évaluations Q1 pour l'UE
- Examen oral
Commentaire sur les évaluations Q1 de l'UE
Examen oral 100%
Types d'évaluations Q2 pour l'UE
- Examen oral
Commentaire sur les évaluations Q2 de l'UE
Examen oral 100%
Types d'évaluation Q3 pour l'UE
- Examen oral
Commentaire sur les évaluations Q3 de l'UE
Examen oral 100%
Types d'évaluation rattrapage BAB1 (Q1) pour l'UE
- Néant
Commentaire sur les évaluations rattr. Q1 de l'UE
Pas applicable.
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-021 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-021 |
|
Supports principaux
| AA | |
|---|---|
| S-INFO-021 |
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-021 | Sans objet |
Supports complémentaires
| AA | |
|---|---|
| S-INFO-021 |
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 | Autorisé |