CSI 4506
Introduction à l'Intelligence Artificielle
Description
Concepts et méthodes de base de l'intelligence artificielle.
Représentation des connaissances. Traitement du langage naturel. Stratégies de
jeux et de recherches. Planification. Raisonnement et déduction. Apprentissage.
Notions de base des systèmes experts.
Objectifs
Lorsque vous finirez ce cours, vous serez capable de:
Professeur
Nathalie Japkowicz, Bureau: STE 5-029,
Heures de Consultation:
Heures de Cours
Préalables
Manuel de Cours
Mode d'Evaluation:
Devoirs, Présentations,
Rapports et Examens:
Devoirs
Les devoirs doivent être rendus au début du cours, le jour de remise. Il n'est
pas possible d'avoir des devoirs de rattrapage. Les trois devoirs doivent être
rendus aux dates suivantes. Ils seront postes deux semaines avant la date de
remise.
Présentation et Rapport
Chaque étudiant devra faire une recherche sur les applications pratiques de
l'Intelligence Artificielle, soumettre un rapport et faire une présentation en
classe. Vous pourrez choisir l'un des sujets suivants ou d’autres avec la
permission de l’instructeur:
La liste des dates auxquelles les présentations sont fixées sera
accessible ICI
RETARD DANS LA REMISE DES TRAVAUX: Un retard dans la remise des travaux
conduit a une pénalité de 10% de la note du travail
par jour ouvrable et de 5% de la note du travail par jour de fin de semaine ou
jour férié.
Examens
Il y aura deux examens: un examen de mi-session et un
examen final. Voici leurs dates:
Vous devez écrire l'examen de mi-session. Il
n'y aura pas d'examen make-up. Si vous avez une raison médicale valide qui
explique votre absence à l'examen (cette raison doit être confirmée par les
services de santé de l'Université), j'ajouterais le pourcentage représentant la
valeur de l'examen de mi-session à celui de l'examen
final.
L'Ecole d'Ingenierie et de Technologie de
l'Information exige l'obtention d'une note d'un minimum de 50% aux examens. La
note numérique sera calculée comme ceci:
Si (Mi_Session + Final) < 32.5%
Alors Note_Numer = (Mi_Session
+ Final) * 1.5
Sinon Note_Numer = Mi_Session
+ Final + Devoirs + Rapport/Présentation
La note alphabétique finale sera calculée en fonction de l'échelle en vigueur à
l'Université d'Ottawa (90% ou plus = A+; moins de 55% = D ou moins de 50% =
Echec).
Matériel de Cours
Les notes de cours, une description du plagiat et de la façon dont il peut être
évité ainsi que les devoirs et autre matériel se trouvent LÀ.
Sujets: |
||||||
Semaine du |
Sujet |
A Lire |
||||
19 Janvier |
Qu'est-ce que l'Intelligence Artificielle? |
Chapitres 1 et 2 |
||||
26 Janvier |
Representation
des Problèmes |
Section 3.1-3.3 |
||||
Recherche Aveugle |
Section 3.4 |
|||||
2 Fevrier |
Recherche Heuristique |
Section 3.5-6 |
||||
Admissibilité, Monotonicité et Information |
Section 3.5 |
|||||
Recherche Adversariale |
Sections 5.1-4 |
|||||
9 Fevrier |
Recherche Adversariale
(Continuée) |
Sections
5.1-4 |
||||
Logique Propositionnelle
|
Section 7.1-5 |
|||||
16 Février |
|
Section 7.1-5 |
||||
Semaine de Relâche |
|
|||||
23 Février 2 Mars 9 Mars |
Calcul avec Prédicats Revue pour l'examen de mi-session Examen de Mi-Session |
|
||||
|
||||||
|
Preuves de Resolution |
|
||||
|
|
|||||
|
|
|||||
16 Mars |
Représentations (Avancées)
des Connaissances |
Chapitre 12 |
||||
Apprentissage I: Théorie, Version Space |
18.1,2,5 |
|||||
23 Mars |
Apprentissage II: Arbres de Décision, Réseaux Neuronneaux |
18.3,7 |
||||
Traitement du Langage Naturel: Syntaxe et Sémantique |
Chapitre 22, 23 |
|||||
30 Mars |
Traitement du Langage Naturel: Syntaxe et Sémantique |
Chapitre 22, 23 |
||||
Traitement du Langage Naturel : Syntaxe et Sémantique |
Chapitre 22, 23 |
|||||
6 Avril |
Session de Présentations Session de Présentations |
|||||
13 Avril |
Session de Présentations Revue pour l'Examen Final |
|||||
|
|
|
||||
|
|
|||||
|
||||||
|
|
|
||||
|
|