Intelligence Artificielle et Sciences Fondamentales

Master 1 en apprentissage - 2013/2014

Questions ?

Contacter l'équipe enseignante

But

Cette UE se compose de deux parties distinctes:

  • Systèmes Formels :
    dont le but est d'introduire aux fondements de l'informatique et d'introduire à la compilation,
  • Intelligence Artificielle :
    dont le but est l'étude de certains comportements humains effectués par une machine.

haut

Evaluation

La note finale est divisée à part égale entre les deux parties.

L'évaluation comprend :

  • 8%, TP à rendre, 14/03,
  • 8%, interro 1, 02/04, 15 min,
  • 8%, TP à rendre, 04/04
  • 8%, interro 2, 09/04, 15 min,
  • 8%, TP à rendre, 11/04
  • 8%, interro 3, 07/05, 15 min,
  • 12%, projet IA, 29/05
  • 40%, examen terminal, 06/06, 2h.

Enoncé du projet pdf


Enoncé de l'interogation 1 pdf
Enoncé de l'interogation 2 pdf
Enoncé de l'interogation 3 pdf

Enoncé de l'examen terminal pdf

Cette UE compte pour 5 crédits ECTS.

haut

Objectifs

Ils sont mis à jour régulièrement :

  1. Savoir définir mot et langage
  2. Savoir écrire une expression réguliére simple
  3. Savoir définir un ensemble dénombrable
  4. Savoir définir une bijection entre deux ensembles dénombrables
  5. Savoir montrer qu'un ensemble est non dénombrable
  6. Connaitre le cardinal de l'ensemble des partis d'un ensemble fini
  7. Connaitre les opérations algébriques sur les langages
  8. Savoir définir langage rationnel
  9. Savoir définir le langage reconnu par un automate fini déterministe
  10. Savoir construire un automate fini déterministe reconnaissant un langage
  11. Savoir écrire l'expression régulière du langage reconnu par un automate fini déterministe
  12. Connaitre la définition d'un automate fini non-déternimiste
  13. Savoir déterminiser un automate
  14. Savoir construire un automate à état fini reconnaissant un language rationnel simple
  15. Connaître le théorème de Kleene
  16. Savoir définir un automate fini déterministe
  17. Connaitre le principe de recherche de motif par automate
  18. Connaître la définition d'une grammaire
  19. Savoir dessiner l'arbre de dérivation d'un mot selon une grammaire
  20. Connaitre la définition d'une grammaire régulière
  21. Savoir concevoir un automate fini reconnaissant le langage d'une grammaire régulière
  22. Savoir définir une grammaire engendrant le même langage qu'un automate fini déterministe
  23. Connaitre la classification de Chomsky des langages
  24. Connaitre les définitions de clôture
  25. Savoir les propriétés de clôture des langages rationnels
  26. Connaitre le lemme de l'étoile
  27. Savoir que le langage 0^n1^n n'est pas rationnel
  28. Savoir démontrer qu'un langage n'est pas rationnel par le lemme de l'étoile
  29. Savoir démontrer qu'un langage n'est pas rationnel en utilisant les propriétés de clôture
  30. Savoir programmer un système de réécriture
  31. Savoir représenter graphiquement un mot issu d'un système de réécriture
  32. Connaitre la définition d'une machine de Turing
  33. Savoir exécuter une machine de Turing
  34. Savoir définir le langage reconnu par une machine de Turing
  35. Savoir définir la fonction calculée par une machine de Turing
  36. Savoir définir une machine de Turing pour reconnaître un langage ou calculer une fonction
  37. Connaitre la thèse de Church-Turing
  38. Savoir que le problème de l'arrêt est non calculable
  39. Connaitre la modélisation d'un neurone artificiel
  40. Savoir concevoir un réseau de neurones de type perceptron
  41. Savoir concevoir un réseau de neurones de type perceptron multi-couches
  42. Connaitre le principe d'apprentissage par rétropropagation de l'erreur
  43. Savoir définir un arbre de décision
  44. Connaitre le principe de l'algorithme d'apprentissage ID3
  45. Savoir définir apprentissage supervisé et non-supervisé
  46. Connaitre la notion de sur-apprentissage
  47. Connaitre les méthodes d'estimation de l'erreur (validation croisée, etc.)
  48. Savoir définir le problème de partitionnement de données
  49. Connaitre les principales approches du partitionnement de données
  50. Connaitre l'algorithme du k-means
  51. Savoir définir l'intelligence collective
  52. Savoir définir le principe d'émergence

haut

Supports des cours et des travaux

Voici l'ensemble des supports des cours et des émoncés des travaux.

Séance Titre cours fiche
01 Dénombrabilité, mots et langages cours fiche
02 Langage rationnelle, automate fini déterministe cours fiche cor
03 Automate fini non-déterministe, th. de Kleene cours fiche cor
04 Recherche de motif fiche
05 Grammaire, grammaire régulière cours fiche
06 Clôture, lemme de l'étoile cours fiche
07 L-system (1) fiche code
07bis L-system (2) fiche code
08 Machine de Turing cours fiche
08bis Machine de Turing cours fiche
09 Réseau de neurones (1) cours fiche
09bis Réseau de neurones (2) cours fiche
10 Arbre de décision cours fiche code
10bis Arbre de décision cours fiche code cor
11 Partitionnement automatique cours fiche code cor
12 Intelligence collective (1) cours fiche
12bis Intelligence collective (2) cours fiche

haut

Bibliographie

Quelques repères biblio- /webo- graphiques qui vont se complèter au fur et à mesure :

haut

Horaires

18h de CM, 20h de TD, et 18h de TP.


Consulter l'emploi du master : edt

haut

dernière modification : 5 juin 2014