Contactez-nous
  • Résolution problème
  • Intelligence artificielle
  • Mathématiques informatiques

Intelligence artificielle

Mis à jour le

Responsable(s) : M. Meziane YACOUB

  • Cours
Code Cnam : NFP106

Envie d'en savoir plus sur cette formation ?

Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :

Afficher le centre adapté à mes besoins

Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :

  • Durée : 50 heures
  • A la carte
  • Soir & samedi
  • 6 crédits
  • Présentiel, Distanciel

Présentation

Public, conditions d'accès et prérequis

Prérequis

Enseignement de base en intelligence artificielle, ce cours s'adresse aux étudiants n'ayant reçu aucune formation dans cette discipline et ayant le niveau de fin de cycle probatoire en informatique.

Objectifs

Ce cours présente les principes des grandes méthodes de l'intelligence artificielle et explique comment les appliquer pour résoudre des problèmes n'ayant pas de solution algorithmique.

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement : Fiche synthétique au format PDF

Présence et réussite aux examens

Pour l'année universitaire 2023-2024 :

  • Nombre d'inscrits : 172
  • Taux de présence à l'évaluation : 52%
  • Taux de réussite parmi les présents : 79%

Compétences et débouchés

Parcours

Voir plus

Informations pratiques

Contact

Retrouvez cette formation en centre :

Lieux de formation

Logo Ecole numérique et IA Cnam

Programme

Contenu

Introduction
Définition de l'intelligence artificielle.
Agents intelligents : définition, rationalité, types d'environnements, structure des agents.
Résolution de problèmes
Stratégies d'exploration non informées.
Stratégies d'exploration  informées (heuristiques) : exploration A*.
Algorithmes d'exploration locale : hill-climbing, recuit simulé, algorithmes génétiques.
Problèmes à satisfaction de contraintes : exploration avec backtracking, exploration locale.
Exploration en situation d'adversité (les jeux) : algorithme minimax, élagage alpha-bêta.
Agents fondés sur les connaissances
Représentation des connaissances et inférence.
Systèmes experts.
Apprentissage
Apprentissage supervisé : arbres de décisions, réseaux de neurones.
Apprentissage non-supervisé.
Apprentissage par renforcement.


   

Modalités d'évaluation

Examen final (sur table)

Bibliographie

  • S. RUSSELL & P. NORVIG . Intelligence Artificielle (Pearson).

Ces formations pourraient vous intéresser