IAMSI 2021-2022

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)