![]() | Programme d’études 2024-2025 | English | |
![]() | Advanced topics in artificial intelligence | ||
Unité d’enseignement du programme de Master en sciences informatiques (MONS) (Horaire jour) à la Faculté des Sciences |
Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
---|---|---|---|---|
US-M1-SCINFO-502-M | UE optionnelle | DUPONT Stéphane | F105 - Information, Signal et Intelligence artificielle |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
---|---|---|---|---|---|---|---|---|---|
| Anglais, Français | 18 | 18 | 0 | 0 | 0 | 3 | 3.00 | 1er quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
I-ILIA-027 | Advanced topics in Artificial Intelligence | 18 | 18 | 0 | 0 | 0 | Q1 | 100.00% |
Unité d'enseignement |
---|
Objectifs par rapport aux acquis d'apprentissage du programme
Acquis d'apprentissage de l'UE
A l'issue de cette UE, l'étudiant.e devrait avoir acquis des connaissances théoriques et des compétences pratiques en rapport avec l'un des paradigmes majeurs de l'IA : les modèles probabilistes (raisonnnement probabiliste). Il/elle devrait :
- comprendre l'importance et l'intérêt de la perspective probabiliste à l'IA.
- connaître la théorie de base des modèles graphiques probabilistes et réseaux bayésiens.
- connaître les modèles de Markov cachés, les filtres à particules, les mélanges de gaussiennes, l'allocation de Dirichlet latente, les modèles linéaires et non-linéaires Bayesiens.
- être capable de mettre en oeuvre des approches d'inférence statistique.
- savoir utiliser les librairies logicielles dédiées à la programmation probabiliste (PyMC, Pyro, etc.).
Contenu de l'UE : descriptif et cohérence pédagogique
L'UE est composée d'une AA qui expose:
- l'intelligence artificielle exploitant la théorie des probabilités, sur base des modèles graphiques probabilistes, des réseaux bayésiens, et de leur mise en oeuvre via la programmation probabiliste.
La partie pratique de cette AA comportera des TPs permettant de s'approprier la théorie.
Plus de détails sur le contenu sont donnés dans la fiche ECTS de cette AA.
Compétences préalables
Sans objet
Types d'activités
AA | Types d'activités |
---|---|
I-ILIA-027 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
I-ILIA-027 |
|
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
I-ILIA-027 | Tous les supports et outils du cours sont mis à la disposition des étudiants par Moodle, la plateforme e-learning de l'UMONS. |
Supports complémentaires non reproductibles
AA | Support complémentaires non reproductibles |
---|---|
I-ILIA-027 | Tous les supports complémentaires seront accessibles sur Moodle, la plateforme e-learning de l'UMONS. |
Autres références conseillées
AA | Autres références conseillées |
---|---|
I-ILIA-027 | Sans objet |
Reports des notes d'AA d'une année à l'autre
AA | Reports des notes d'AA d'une année à l'autre |
---|---|
I-ILIA-027 | Non autorisé |
Evaluation du quadrimestre 1 (Q1) - type
AA | Type(s) et mode(s) d'évaluation du Q1 |
---|---|
I-ILIA-027 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
AA | Commentaire sur l'évaluation Q1 |
---|---|
I-ILIA-027 | Sans objet |
Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type
AA | Type(s) et mode(s) d'évaluation rattrapage Q1(BAB1) |
---|---|
I-ILIA-027 |
|
Evaluation du quadrimestre 3 (Q3) - type
AA | Type(s) et mode(s) d'évaluation du Q3 |
---|---|
I-ILIA-027 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
AA | Commentaire sur l'évaluation Q3 |
---|---|
I-ILIA-027 | Sans object |