- Cours (CM) -
- Cours intégrés (CI) -
- Travaux dirigés (TD) -
- Travaux pratiques (TP) -
- Travail étudiant (TE) -
Langue de l'enseignement : Français
Description du contenu de l'enseignement
- Représentation et analyse de données, généralisation sur l’apprentissage
- Méthodes de classification directe ( k-plus-proches-voisins, …)
- Apprentissage non supervisé et à l’apprentissage supervisé
- SVM
- Modélisation par réseaux de neurones
- Etude de cas en sciences pour l’ingénieur : TP à l’aide d’un logiciel d’intelligence artificielle
Compétences à acquérir
1. Disciplinaires
- Savoir écrire le programme informatique permettant de faire de l’apprentissage non-supervisé et supervisé
- Savoir définir les features (caractéristiques) pour des systèmes mécatroniques industriels
- Savoir évaluer les résultats obtenus et améliorer les démarches
- Savoir développer l’autonomie
- Dans un domaine qui évolue très vite, savoir-faire une veille scientifique et technologique, et savoir chercher les informations
Bibliographie, lectures recommandées
- Cornuéjols, A & Miclet, L. (2010) "Apprentissage Artificiel. Concepts et algorithmes", Eyrolles (2nd. Ed.).
- Boi Faltings, Michael Schumacher, "L'intelligence artificielle par la pratique", Presses Polytechniques et Universitaires Romandes (PPUR), 2017 (2e édition).
Contact
Faculté de physique et ingénierie
3-5, rue de l'Université67084 STRASBOURG CEDEX
Formulaire de contact
Responsable
Dominique Knittel