Plan de cours (modèle).W5

Dmi

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 : [e-mail] Local : D6-0047 Téléphone : [phone] poste 63664 Site Web: http://planiart.usherbrooke.ca/~eric/ift615/ Disponibilité : à déterminer à la première séance de cours. Auxiliaire Francis Bisson Courriel : [e-mail] 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, ...

Informations

• Publié par: Ubba
• Nombre de lectures: 72
• Langue: Français

Extrait

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 :

[e-mail]

Local :

D6-0047

Téléphone :

[phone] poste 63664

Site Web:

http://planiart.usherbrooke.ca/~eric/ift615/

Disponibilité : à déterminer à la première séance de cours.

Auxiliaire

Francis Bisson

Courriel

:

[e-mail]

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