Contenu de l'AA

Ce cours traite des avancées de l'intelligence artificielle par apprentissage profond (deep learning) appliquées à la modélisation de séquences temporelles ayant des dépendances sur le long terme, et en particulier au traitement du langage naturel:
- IA contemporaine par réseaux de neurones profonds: DNN, CNN, RNN, LSTM, GRU, Attention, Transformers, GPT, modèles génératifs, GANs, auto-encodeurs, etc.
- Applications au traitement du langage naturel: modélisation et traitement du langage naturel (NLP), traduction automatique (neural machine translation), classification de texte et extraction d'information de documents, " chatbots " et réponse à des questions, extraction et recherche d'information dans du " big data " non structuré texte/images, systèmes de dialogue humain-ordinateur, interaction située (langage + vision) par exemple dans le cadre de jeux, génération de texte.
-  Modèles d'intelligence artificielle comportant des milliards de paramètres et pouvant mémoriser et exploiter la structure du langage ainsi que des connaissances et des faits ; importance d'étudier l'équité et les biais de l'IA dans ce contexte. 

La partie pratique de ce cours comportera des TPs permettant de s'approprier la théorie.
 

Supports principaux non reproductibles

Tous les supports et outils du cours sont mis à la disposition des étudiants par Moodle, la plateforme e-learning de l'UMONS.

Support complémentaires non reproductibles

Tous les supports complémentaires seront accessibles sur Moodle, la plateforme e-learning de l'UMONS.

Autres références conseillées

Sans objet

Mode d'enseignement

• En présentiel

Types d'activités

• Cours magistraux
• Travaux pratiques
• Travaux de laboratoire
• Projet sur ordinateur

Evaluations

Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend