Plan de cours (modèle).W5
5 pages
Français

Plan de cours (modèle).W5

-

Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

Description

Plan de cours IFT 615 – Intelligence artificielle Été 2010 Département d’informatique IFT 615 Intelligence artificielle Plan de cours Été 2010 Enseignant Éric Beaudry Courriel : Eric.Beaudry@USherbrooke.ca Local : D6-0047 Téléphone : (819) 821-8000 poste 63664 Site Web: http://planiart.usherbrooke.ca/~eric/ift615/ Disponibilité : à déterminer à la première séance de cours. Auxiliaire Francis Bisson Courriel : Francis.Bisson@USherbrooke.ca Horaire Exposé magistral : Mardi 8h30 à 10h20 salle D3-2033 Jeudi 13h30 à 14h20 salle D3-2033 Reprises* : Jeudi 14h30 à 15h20 salle D3-2033 * Les séances de cours des jeudis 27 mai et le 15 juillet dureront deux heures plutôt qu’une afin de compenser l’annulation des séances des jeudis 13 mai et 8 juillet. 1Description officielle de l'activité pédagogique Objectifs Se familiariser avec les fondements de l'intelligence artificielle. Connaître les possibilités et les limites des techniques utilisées en intelligence artificielle. Savoir choisir et appliquer les différentes approches en fonction du problème à résoudre. Contenu Fondements théoriques et hypothèses. Approches de l'intelligence artificielle : symbolique, connexionniste. Représentation des connaissances. Méthodes de recherche heuristique. Systèmes experts. Réseaux de neurones. Sujets choisis parmi les suivants : reconnaissance des formes, planification, réseaux bayésiens, algorithmiques génétiques, logique floue, ...

Sujets

Informations

Publié par
Nombre de lectures 72
Langue Français
Plan de cours
IFT 615
Intelligence artificielle
Été 2010
2010-04-15
1
Département d’informatique
IFT 615
Intelligence artificielle
Plan de cours
Été 2010
Enseignant
Éric Beaudry
Courriel :
Eric.Beaudry@USherbrooke.ca
Local :
D6-0047
Téléphone :
(819) 821-8000 poste 63664
Site Web:
http://planiart.usherbrooke.ca/~eric/ift615/
Disponibilité : à déterminer à la première séance de cours.
Auxiliaire
Francis Bisson
Courriel
:
Francis.Bisson@USherbrooke.ca
Horaire
Exposé magistral :
Mardi
8h30 à 10h20
salle D3-2033
Jeudi 13h30 à 14h20
salle D3-2033
Reprises* : Jeudi 14h30 à 15h20
salle D3-2033
*
Les séances de cours des jeudis 27 mai et le 15 juillet dureront deux heures plutôt qu’une afin de
compenser l’annulation des séances des jeudis 13 mai et 8 juillet
.
Description officielle de l'activité pédagogique
1
Objectifs
Se familiariser avec les fondements de l'intelligence artificielle. Connaître les possibilités et les limites
des techniques utilisées en intelligence artificielle. Savoir choisir et appliquer les différentes approches
en fonction du problème à résoudre.
Contenu
Fondements théoriques et hypothèses. Approches de l'intelligence artificielle : symbolique,
connexionniste. Représentation des connaissances. Méthodes de recherche heuristique. Systèmes
experts. Réseaux de neurones. Sujets choisis parmi les suivants : reconnaissance des formes,
planification, réseaux bayésiens, algorithmiques génétiques, logique floue, apprentissage supervisé et
apprentissage par renforcement. Étude d'applications.
Crédits
3
Organisation
3 heures d’exposé magistral par semaine
6 heures de travail personnel par semaine
Préalable
(IFT436 ou IFT438) et (STT389 et STT418)
1
http://www.usherbrooke.ca/fiches-cours/ift615
Plan de cours
IFT 615
Intelligence artificielle
Été 2010
2010-04-15
2
1
Présentation
1.1
Mise en contexte
Les recherches en intelligence artificielle (IA) visent à concevoir et à développer des logiciels capables d’effectuer des
tâches qui requièrent normalement une certaine forme d’intelligence humaine. Plusieurs techniques ont été développées
permettant de programmer des systèmes capables, dans une certaine mesure, de raisonner, d’apprendre, de planifier, de
prendre des décisions rationnelles dans plusieurs domaines ou de comprendre ou de parler un langage naturel comme le
français. Les technologies actuelles issues de l’intelligence artificielle comprennent les interfaces vocales, les systèmes
experts, les robots mobiles et les assistants intelligents sur le Web.
Ces technologies sont certes significatives, mais
l’objectif ultime d’avoir des machines capables de rivaliser avec l’intelligence humaine dans tous les aspects reste bien
lointain. Par exemple, il est relativement facile de coder l’intelligence d’un expert dans un domaine aussi pointu que le
diagnostique médical ou aussi complexe que le jeu d’échecs. Par contre on ne sait pas encore comment programmer un
logiciel capable d’avoir un niveau d’intuition appréciable ou une capacité d’apprentissage d’un enfant de quatre ans.
Ceci fait que l’intelligence artificielle demeure un des créneaux de l’informatique avec des défis de recherche très
stimulants et d’énormes retombées potentielles dans plusieurs domaines.
Le cours IFT 615 couvre les méthodes et les outils fondamentaux sur lesquelles reposent la plupart des techniques
actuelles pour programmer des logiciels dotées d’une certaine forme d’IA. Sur le plan théorique, nous verrons les forces
et les faiblesses de différentes méthodes par rapport aux applications et en comparaison avec l’intelligence qu’elles
visent à codifier. Sur le plan pratique, les étudiants vont programmer une application simple, au choix, lors d’un projet
d’équipe.
1.2
Objectifs spécifiques
À la fin de cette activité pédagogique, l’étudiante ou l’étudiant devrait être capable de comprendre, d’expliquer et
d’appliquer :
1.
les approches de base les plus courantes de recherche heuristique en intelligence artificielle;
2.
les approches de base de résolution de problèmes par la satisfaction de contraintes;
3.
les approches de base les plus courantes de raisonnement probabiliste en intelligence artificielle;
4.
les approches de bases de planification par recherche dans un espace d’états et par les processus de décision de
Markov
5.
une approche de système expert à base de règle;
6.
la preuve par résolution;
7.
des réseaux de neurones simples.
En plus, à la fin de cours, l’étudiant devra posséder une vision globale et générale des forces et limites des différentes
approches présentées en classe.
2
Organisation
2.1
Méthode pédagogique
Le cours comprend trois heures d’exposé magistral et six heures de travail personnel par semaine.
Il y aura trois séminaires, d’une durée d’heure chacun, donnés par des conférenciers invités, visant à exposer les
étudiants à des domaines d’application et des problématiques de recherche sélectionnées.
Quatre travaux pratiques permettront aux étudiants de mettre en application des approches d’intelligence artificielle
sélectionnées.
Plan de cours
IFT 615
Intelligence artificielle
Été 2010
2010-04-15
3
2.2
Contenu détaillé et calendrier du cours
Date
Contenu
Travaux pratiques
Sections dans le
livre de référence
27
avril
Plan de cours.
Introduction.
1
29
avril
Agents intelligence.
Architecture générale d’un système
intelligent.
2, 7.2
4 mai
Recherche heuristique :
Rappel de l’algorithme A*.
Recherche d’un chemin optimal dans un
graphe.
3
6 mai
Recherche heuristique (suite).
Application à la planification de chemins et
de trajectoires avec évitement d’obstacles.
TP1 – Recherche
heuristique.
11 mai
Recherche locale.
Méthode hill-climbing.
Algorithme génétiques.
4.1
13 mai
Pas de cours.
18 mai
Recherche en situation d’adversité.
Comment adapter la recherche heuristique
pour décider des bonnes actions à prendre
face à un joueur adverse.
Algorithmes de décision MiniMax et
Élagage Alpha-Beta.
5.1 – 5.1
20 mai
Présentation du TP2 et d’indices pour le résoudre.
TP2 – Élagage
Alpha-Beta appliqué
au jeu Connect5
25 mai
Problèmes de satisfaction de contraintes (CSP).
6
27 mai
(* 2 h)
Raisonnement probabiliste.
Théorie des probabilités (rappel).
Règle de Bayes.
Notion d’indépendance entre des variables
aléatoires.
Monde du Wumpus.
13
1
er
juin
Réseaux bayésiens.
Modélisation du raisonnement probabiliste.
Algorithme d’inférence probabiliste.
Applications.
14.1 – 14.5
3 juin
Réseaux bayésiens dynamiques.
Chaînes cachées de Markov.
Reconnaissance de la parole.
15.1 – 15.3
8 juin
Processus de décision de Markov (MDP).
Planification de décisions séquentielles.
Algorithme
value-iteration
.
Algorithme
policy-iteration
.
17.1-17.4
10 juin
Présentation du TP3 et d’indices pour le résoudre.
TP3 – MDP
appliqués au jeu de
serpents et échelles.
15 juin
Révision pour l’examen périodique.
Entre
16 et
21 juin
Examen périodique.
Date et heure (après 17h) et local à confirmer.
Matériel permis: livre de référence et deux feuilles recto-verso de notes personnelles.
Plan de cours
IFT 615
Intelligence artificielle
Été 2010
2010-04-15
4
22 juin
Réseaux de neurones.
Structures.
Algorithmes d’apprentissage.
Applications.
18.7
29 juin
Logique du premier ordre.
Inférence logique et raisonnement déductif.
Algorithme d’unification.
Preuve par résolution pour la logique
propositionnelle.
TP4 – Projet sur
sujet choisi
7.8
9.2
1
er
juillet
Inférence logique (suite).
Preuve par résolution pour la logique du
premier ordre.
Exercices sur la preuve par résolution.
9.5
6
juillet
Systèmes experts à base de règles.
Base de connaissances.
Base de règles.
Chaînage avant.
Chaînage arrière.
9.3 – 9.4
8
juillet
Pas de cours.
Consultations avec l’auxiliaire d’enseignement pour
le choix de projet pour le TP4.
13
juillet
Planification.
Planification classique.
Langage PDDL.
Algorithme basé sur la recherche dans un
espace d’états.
Heuristiques.
10
15
juillet
(* 2 h)
Séminaires.
Exposé par Khaled Belghith (doctorant à
l’UdeS et programmeur en IA chez Ubisoft
à Montréal) sur l’IA dans les jeux vidéo.
Exposé par Francis Bisson (étudiant à la
maîtrise) sur la reconnaissance de plans.
20
juillet
Intelligence artificielle et la robotique mobile.
Architectures
décisionnelles (comportementale,
délibérative et hybride).
Localisation à l’aide d’un filtre à particules.
Planification et prise de décisions.
22
juillet
Séminaire.
Exposé par Simon Chamberland (étudiant à
la maitrise) sur la planification de
trajectoires.
27
juillet
Présentations des projets TP4 en classe.
29
juillet
Présentations des projets TP4 en classe.
Fin des cours et travaux pratiques le 2 août.
L’examen final :
Date à confirmer (entre 3 et 13 août).
Matériel permis: livre de référence et trois feuilles recto-verso de notes personnelles.
Plan de cours
IFT 615
Intelligence artificielle
Été 2010
2010-04-15
5
2.3
Évaluation
Travaux pratiques (4) : 40 %
Examen périodique:
20 %
Examen final:
40 %
2.3.1
Qualité du français et de la présentation
Conformément aux articles 36, 37 et 38 du règlement facultaire d’évaluation des apprentissages
2
l’enseignant peut
retourner à l’étudiante ou à l’étudiant tout travail non conforme aux exigences quant à la qualité de la langue et aux
normes de présentation.
2.3.2
Plagiat
Un document dont le texte et la structure se rapporte à des textes intégraux tirés d’un livre, d’une publication
scientifique ou même d’un site Internet, doit être référencé adéquatement. Lors de la correction de tout travail individuel
ou de groupe une attention spéciale sera portée au plagiat, défini dans le Règlement des études comme « le fait, dans une
activité pédagogique évaluée, de faire passer indûment pour siens des passages ou des idées tirés de l’œuvre d’autrui. ».
Le cas échéant, le plagiat est un délit qui contrevient à l’article 8.1.2 du Règlement des études
3
: « tout acte ou
manœuvre visant à tromper quant au rendement scolaire ou quant à la réussite d’une exigence relative à une activité
pédagogique. » À titre de sanction disciplinaire, les mesures suivantes peuvent être imposées : a) l’obligation de
reprendre un travail, un examen ou une activité pédagogique et b) l’attribution de la note E ou de la note 0 pour un
travail, un examen ou une activité évaluée. Tout travail suspecté de plagiat sera référé au Secrétaire de la Faculté des
sciences.
2.4
Échéancier des travaux
TP
Spécification
donnée le
Thème
Pondération
Date de remise
1
6 mai
Recherche heuristique
5 %
21 mai
2
20 mai
Élagage alpha-beta – Jeu Connect5
10 %
11 juin
3
10 juin
Processus décisionnels de Markov – Jeu de serpents et échelles
10 %
30 juin
4
29 juin
Méthode d’IA au choix – Projet de fin de session
15 %
27 juillet
Directives particulières
Les trois premiers travaux sont effectués par équipe de 1 ou 2 étudiants. Le projet TP4 pourra se faire en
groupe jusqu’à 4 étudiants.
La qualité du français et de la présentation peut être considérée dans le résultat du travail.
Toute soumission en retard vaut zéro, sauf celles motivées par des raisons valables, conformes au règlement
des études (par exemple, maladie avec attestation d’un médecin).
3
Matériel nécessaire pour le cours
3.1
Manuel (obligatoire)
Stuart Russel & Peter Norvig.
Artificial Intelligence: A Modern Approach
. Third Edition. Prentice Hall, 2009.
Disponible à la librairie de la Coopérative de l’Université de Sherbrooke. En réserve à la bibliothèque.
3.2
Documentation en ligne
Plan de cours.
Présentations (PowerPoint) des cours magistraux.
Exemples de programmes.
2
http://www.usherbrooke.ca/sciences/intranet/informations-academiques/reglement-d-evaluation/
3
http://www.usherbrooke.ca/programmes/etude