Ressources IAMSI pour l’année 2021-2022.

Equipe pédagogique

• Gauvain Bourgne, Jean-Gabriel Ganascia, Marie-Jeanne Lesot, Christophe Marsala

Barème de l’UE

• la note finale de l’UE est calculée comme suit:
  NoteFinale = 2*(Exam1 + Exam2) + devoirs_machine avec:
  • NoteFinale: note finale sur 100
  • Exam1: note de l’examen réparti 1 (mi-semestre) sur 20
  • Exam2: note de l’examen réparti 2 (final) sur 20
  • devoirs_machine: note de compte-rendus de séances de TME sur 20

Annales

• Examen réparti 1:
  • mars 2016 : cliquer ici
  • mars 2017 : cliquer ici
  • mars 2018 : cliquer ici
  • mars 2019 : cliquer ici
• Examen réparti 2:
  • mai 2016 : cliquer ici
  • mai 2017 : cliquer ici
  • mai 2018 : cliquer ici
  • mai 2019 : cliquer ici
• Examen Session de rattrapage:
  • juin 2016 : cliquer ici
  • juin 2017 : cliquer ici
  • juin 2018 : cliquer ici
  • juin 2019 : cliquer ici

Support de cours

Les supports de cours seront disponibles à l’issue du cours.

Cours 1:

• Introduction à l’intelligence artificielle
• Jeux à 2 joueurs (minimax, alphabéta)

Cours 2:

• Introduction et plan du cours 
• Très brève histoire de l’intelligence artificielle
• Résolution de problèmes par l’homme et la machine 
• Systèmes de production en logique des proposition 

Cours 3:

• Système de production en logique des prédicats du premier ordre
• Algorithme de RETE

Cours 4:

• Solvers SAT

Cours 5:

• Raisonnement non monotone
• Programmation par ensembles réponses (answer set programming) sémantique

Cours 6:

• Programmation par ensembles réponses (answer set programming) suite sémantique et implémentation 

Cours 7:

• Planification
• Programmation de STRIPS en PROLOG (blocs, druide, singe et bananes)

Cours 8:

• Planification (suite)

Cours 9:

• Apprentissage de règles d’association (algorithmes a-priori et fp-growth)

Cours 10:

• Apprentissage symbolique et mesures d’information (arbres de décision)