Volumes horaires
- CM 8.0
- Projet 0
- TD 0
- Stage 0
- TP 16.0
- DS 0
Crédits ECTS
Crédits ECTS 2.0
Objectif(s)
Ce cours est une introduction à l'intelligence artificielle : il présente les grandes lignes de l'apprentissage supervisé, que ce soit la régression ou la classification. Il a pour objectif de présenter des méthodes et algorithmes de bases. A la fin de ce cours, les étudiant·es seront capables de mettre en place une chaîne simple d'IA dédiée à la régression ou la classification et de déployer le modèle sur un dispositif cible de type raspberry pi.
Contact Dawood AL CHANTI, Bertrand RIVETContenu(s)
Ce cours présente : la régression linéaire, la classification par SVM, des architectures simples de réseaux de neurones (perceptron, perceptron multi-couches, réseaux convolutifs, auto-encodeurs et auto-encodeurs variationnels). L'importance des données d'apprentissage est également abordée au travers du biais dans les données, de classes déséquilibrées, de validations croisées, etc.
Prérequis
Cours de calcul scientifique et traitement numérique du signal.
Notion d'optimisation, de convolution numérique et corrélation numérique.
Notion de programmation en python.
Contrôle des connaissances
SESSION NORMALE:
Types d'évaluation : CC + QCM
Evaluation non-rattrapable:
Contrôle continu : rapports de BE à déposer sur chamilo aux dates indiquées et en respectant les consignes imposées
Evaluation non-rattrapable:
QCM : à faire en suivant les consignes imposées et les dates imposées
Documents non autorisés
SESSION DE RATTRAPAGE:
examen individuel écrit de 1h30
Conditions : "Tous les documents sont interdits.
L’usage des téléphones portable, des appareils de communication et des calculatrices est interdit."
N1 = 50% CC1 + 50% QCM1
N2 = 50% CC1 + 50% DS2