Acquérez des bases pratiques en intelligence artificielle et en apprentissage automatique tout en découvrant comment les systèmes intelligents effectuent des recherches, raisonnent, apprennent et prennent des décisions. Vous commencerez par aborder les concepts de l’IA, les agents intelligents, la représentation de l’espace d’états et la résolution de problèmes à l’aide des algorithmes BFS, DFS et de retour en arrière. Vous appliquerez ensuite la recherche heuristique, l’ascension de colline, la recherche « best-first », la méthode minimax et l’élagage alpha-bêta à des problèmes structurés et adversariaux.

Le cours aborde ensuite les principes fondamentaux de l’apprentissage automatique, notamment les perceptrons, les réseaux neuronaux, la rétropropagation, le clustering k-means, ainsi que l’apprentissage supervisé et non supervisé. Vous utiliserez également la logique propositionnelle et la logique des prédicats, les règles d’inférence, l’unification, la skolemisation, la résolution et Prolog pour représenter des connaissances et résoudre des problèmes logiques. Des tutoriels pratiques sur Clips vous guideront des règles de base aux modèles, variables, caractères génériques, quantificateurs et opérateurs logiques permettant de construire des systèmes experts. Conçu pour les apprenants à la recherche à la fois d’une compréhension conceptuelle et d’une pratique concrète de l’IA, ce cours se termine par les architectures d’agents intelligents, l’apprentissage par renforcement, les processus de décision markoviens et le raisonnement bayésien pour la prise de décision en situation d’incertitude. Son parcours pédagogique unique fait le lien entre la recherche classique en IA, l’apprentissage automatique, le raisonnement symbolique, les systèmes experts et les modèles probabilistes, vous aidant ainsi à appliquer les techniques d’IA et d’apprentissage automatique à des problèmes rencontrés dans la recherche, le monde des affaires et la technologie.