Méthodes Quantitatives en IA (MQIA)

Objectifs de la formation

Le développement de l'Intelligence Artificielle est de nos jours omniprésent dans diverses solutions industrielles. L'objectif de cette formation est de faire découvrir les principes de base, ainsi que les principaux algorithmes quantitatifs en Intelligence Artificielle (IA).

Contenu de la formation

Séance 1 en Cours : Classification automatique (4h) : - Principe de l'induction en IA ; - Hypothèses et paradigmes de base des méthodes quantitatives en IA ; - Principe de la minimisation du risque empirique ; - Algorithme de Perceptron. en Travaux sur Machine Encadrés (2h) : - Environnement Jupyter/Python ; - Implémentation du perceptron en Python. Séance 2 en Cours : Classification automatique (suite - 4h) : - Algorithme de la descente de gradient, Adaptive Linear Neuron (Adaline) ; - Comparaison entre le Perceptron et l'Adaline. en Travaux sur Machine Encadrés (2h) : - Implémentation de l'Adaline. Séance 3 en Cours : Apprentissage non-supervise (4h) : - Paradigme de base ; - Maximisation de la vraisemblance classiante ; - Algorithme des nouées dynamiques (K-means). en Travaux sur Machine Encadrés (2h) : - Implémentation des K-means.