Objectifs par rapport aux acquis d'apprentissage du programme

• Posséder des connaissances mathématiques intégrées et pointues
• -Être capable de lire des articles de recherche dans au moins une discipline des mathématiques
• Être capable de réaliser des projets d'envergure
• -Être capable d'utiliser les ressources bibliographiques de manière adaptée au but poursuivi.
• -Pouvoir présenter oralement et par écrit les objectifs et les résultats d'un projet.
• 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.
• Pouvoir communiquer clairement
• -Pouvoir communiquer oralement et par écrit des résultats de mathématique ou de domaines connexes en s'adaptant au public.
• -Être capable de faire une présentation structurée et argumentée du contenu et des principes sous-tendant un travail, des connaissances mobilisées et des conclusions auxquelles il conduit.
• -Posséder une connaissance suffisante de l'anglais pour une communication scientifique de base.
• Être capable de s'adapter à différents contextes
• -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique

Acquis d'apprentissage UE

Knowledge Representation & Reasoning (KR&R) est la discipline de l'Intelligence Artificielle qui utilise des formalismes logiques pour (a) représenter des informations et des connaissances et (b) automatiser le raisonnement sur base de ces représentations. Dans ce cours, les étudiants se familiarisent avec les technologies les plus modernes de KR&R et développent des compétences pour représenter et résoudre des problèmes informatiques en choisissant le formalisme logique le plus adéquat.      

Contenu de l'UE

Dans ce cours, on se focalisera sur deux usages de KR&R en particulier :
(1) KR&R comme moteur du Web sémantique. La logique sous-jacente à cette application est appelée Description Logic (DL) et est implémentée en W3C Web Ontology Language (OWL).
(2) KR&R pour représenter et résoudre des problèmes dans NP (y compris des problèmes NP-complets). La logique sous-jacente à cette application est appelée Answer Set Programming (ASP).

Compétences préalables

Pour suivre ce cours, il est recommandé de connaître les fondamentaux de la logique propositionnelle et la logique des prédicats (tels qu'enseignés dans les cours de Bases de Données I et II).

Types d'évaluations Q2 pour l'UE

• Présentation et/ou travaux
• Examen écrit

Commentaire sur les évaluations Q2 de l'UE

Le poids du travail personel peut varier entre 10% et 40% de la note finale, selon ce qui est le plus favorable à l'étudiant.

Types d'évaluation Q3 pour l'UE

• Présentation et/ou travaux
• Examen écrit

Commentaire sur les évaluations Q3 de l'UE

Le poids du travail personel peut varier entre 10% et 40% de la note finale, selon ce qui est le plus favorable à l'étudiant.