Hiver 2011

INF8953A - C. SPƒC.: Intelligence artificielle : concepts et applications

Prof. Christopher Pal

 

Cours : Lundi, 12h45-15h45, L-3714

Laboratoire : Mardi, 12h45-15h45 (B2), L-3714

 

 

 

Les diapositives de leon 1

 

LՎnoncŽ de TP1 volet 1

 

 

Description du cours

MŽthodes probabilistes d'intelligence artificielle.  Modles probabilistes : rŽseaux bayŽsiens, modles de Markov cachŽs, champs alŽatoires de Markov et leurs gŽnŽralisations.  InfŽrence.  ThŽorie de la dŽcision statistique et des rŽseaux de dŽcision.  Algorithmes dÕapprentissage automatique, classificateurs simples, complexes et structurŽs.  Traitement probabiliste de la langue et de la perception visuelle.  Applications ˆ la conception et lÕimplantation des systmes experts, au forage de donnŽes, ˆ la recherche dÕinformations et ˆ la vision par ordinateur.

 

 

 

Structure du cours (contenu et heures)

(Le cours doit tenir sur 13 semaines comprenant le ou les contr™les pŽriodiques ou mi-terme, prŽsentations orales des Žtudiants, etc.)

 

Contenu

Heures

1.     PrŽsentation du cours, incertitude et concepts de base en utilisant la probabilitŽ, la thŽorie de la dŽcision de base, de lÕindŽpendance et la rgle de Bayes.

2

2.     Introduction aux modles de probabilitŽ tels que rŽseaux bayŽsiens, champs alŽatoires de Markov et gŽnŽralisations de ces modles avec les modles probabilistes graphiques.

4

3.     InfŽrence avec les modles probabilistes graphiques.  Conception de systmes en utilisant des concepts tels que les systmes experts.

3

4.     Introduction ˆ lÕapprentissage automatique et aux mŽthodes dÕoptimisation. La conception de systmes et les structures de donnŽes.

3

5.     Modles gŽnŽratifs vs modles discriminatifs et leurs impacts sur la conception de systmes concrets, tels que les systmes pour la recherche dÕinformation et lÕexploration de donnŽes.

3

6.     Modles continus, analyse en composantes principales et rŽduction de la dimensionnalitŽ, rŽseaux de neurones.

3

7.     Les machines ˆ vecteurs de support et lÕimplantation dans des systmes intelligents.

3

8.     Modles temporels et sŽquentiels. Modles de Markov cachŽs et rŽseaux bayŽsiens dynamiques.

3

9.     Conception et implantation de systmes de traitement de la langue, traitement du texte, recherche dÕinformation, extraction dÕinformations et traduction automatique.

3

10.  Modles de la perception visuelle, de la formation dÕimages et applications ˆ la vision par ordinateur 3D.

3

11.  Applications ˆ la robotique telles que la vision stŽrŽo et lÕanalyse de scne.

3

12.  Prise de dŽcisions complexes. Processus de dŽcision markovien et graphes de dŽcision.

3

13.  Contr™le pŽriodique et rŽvision.

3

                                                                                                TOTAL :

39

 

 

Structure des laboratoires (contenu et heures)

(Les laboratoires doivent tre incorporŽs dans les 13 semaines de cours.)

Contenu

Heures

TP1. ExpŽrimentation de mŽthodes probabilistes en Matlab.

TP2. Apprentissage automatique et exploration de modles statistiques simples.

TP3. Mini-projet sur des modles et des systmes complexes.

6

6

6

                                                                                                TOTAL :

18

 

 

MŽthodes dՎvaluation

 

Nature du contr™le

Nombre

PondŽration

1.     Travaux pratiques

á      TP1 (individuel)

á      TP2 (individuel)

á      TP3 (en Žquipe)

3

 

 

15 %

15 %

25 %

2.     Contr™le pŽriodique

1

15 %

3.     Examen final

1

30 %