![]() | Programme d’études 2024-2025 | English | |
![]() | Intelligence artificielle | ||
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-MC-SCINFO-043-M | UE Obligatoire | MELOT Hadrien | S825 - Algorithmique |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
---|---|---|---|---|---|---|---|---|---|
| Français | 30 | 20 | 0 | 0 | 0 | 6 | 6.00 | 1er quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
S-INFO-014 | Approches classiques de l'Intelligence artificielle | 22 | 12 | 0 | 0 | 0 | Q1 | 66.00% |
S-INFO-114 | Introduction au Deep Learning | 8 | 8 | 0 | 0 | 0 | Q1 | 34.00% |
Unité d'enseignement |
---|
Objectifs par rapport aux acquis d'apprentissage du programme
Acquis d'apprentissage de l'UE
A l'issue de cet enseignement, les étudiants auront été initiés à différents domaines classiques de l'Intelligence Artificielle et du Deep Learning. Ils seront capables d'identifier quand une méthode particulière est applicable.
Contenu de l'UE : descriptif et cohérence pédagogique
Voir les deux activités 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'activités
AA | Types d'activités |
---|---|
S-INFO-014 |
|
S-INFO-114 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
S-INFO-014 |
|
S-INFO-114 |
|
Supports principaux
AA | Supports principaux reproductibles |
---|---|
S-INFO-014 | Note de cours - Approches classiques de l'Intelligence Artificielle - Hadrien Mélot |
S-INFO-114 |
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
S-INFO-014 | Sans objet |
S-INFO-114 | 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 |
---|---|
S-INFO-014 | Sans objet |
S-INFO-114 | Tous les supports complémentaires seront accessibles sur Moodle, la plateforme e-learning de l'UMONS. |
Autres références conseillées
AA | Autres références conseillées |
---|---|
S-INFO-014 | - Russel, S. and Norvig, P., Artificial Intelligence: A Modern Approach, 3ième édition, Pearson, 2010 - Talbi, E.-G., Metaheuristics: from design to implementation, Wiley, 2009 |
S-INFO-114 | 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 |
---|---|
S-INFO-014 | Autorisé |
S-INFO-114 | Autorisé |
Evaluation du quadrimestre 1 (Q1) - type
AA | Type(s) et mode(s) d'évaluation du Q1 |
---|---|
S-INFO-014 |
|
S-INFO-114 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
AA | Commentaire sur l'évaluation Q1 |
---|---|
S-INFO-014 | Examen écrit (85%) et devoirs en ligne (15%) |
S-INFO-114 | Cfr. types et modes d'évaluation |
Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type
AA | Type(s) et mode(s) d'évaluation rattrapage Q1(BAB1) |
---|---|
S-INFO-014 |
|
S-INFO-114 |
|
Evaluation du quadrimestre 3 (Q3) - type
AA | Type(s) et mode(s) d'évaluation du Q3 |
---|---|
S-INFO-014 |
|
S-INFO-114 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
AA | Commentaire sur l'évaluation Q3 |
---|---|
S-INFO-014 | Examen oral 100% |
S-INFO-114 | Cfr. types et modes d'évaluation |