Introduction 

• Introduction à l’intelligence artificielle.
• Quelques rappels de LOG320.
• Quelques rappels de MAT210.
• Qu’est-ce qu’un agent intelligent? Communication, apprentissage, raisonnement.

 Apprentissage et métaheuristiques 

• Apprentissage supervisé et non supervisé.
• Extraction de caractéristiques simples à partir d'images.
• Classification.
• Méthodes de validation (hold-out, croisé)
• (optionnel) Apprentissage de conjonctions et de disjonctions.
• K plus proche voisin, arbre de décision, méthode bayésienne naïve.
• Régression logistique, réseaux de neurones.
• Recuit simulé, recherche taboue, algorithme glouton, algorithme génétique, algorithme de colonies de fourmis.
• (optionnel) Optimisation par essaim de particules.

 Traitement automatique des langues naturelles

• Niveaux d’analyse : morphologie, lexique, syntaxe et sémantique.
• Grammaire symbolique (grammaires de type 0, 1 et 2); automates, règles de réécriture et BNF.
• Étapes de l’analyse et ambiguïtés : segmentation, étiquetage (dictionnaire et n-grammes), analyse syntaxique et sémantique.
• Technique d’analyse syntaxique : Automates, « chart », « top-down » et « bottom-up ».
• (optionnel) Interprétation sémantique : « curryfication », expressions lambda, ?-réduction.
• (optionnel) Techniques d’analyse probabiliste.
• Introduction à la reconnaissance et la synthèse vocale.

 Représentation des connaissances et raisonnement

• Logique propositionnelle, logique du 1^er ordre, ontologies, réseaux sémantiques, cadres.
• Patrons de raisonnement, formes normales disjonctives et conjonctives.
• Algorithmes de résolution.
• Systèmes experts et clauses de Horn.

Les laboratoires sont essentiels. Ils consistent en la conception, l’analyse, l’évaluation de performance d’algorithmes ainsi que l’étude comparative d’environnements, dans les trois domaines ciblés.

• Apprentissage machine
• Représentation des connaissances et raisonnement
• Traitement des langues naturelles

Chacun des thèmes couvre les outils disponibles, les techniques algorithmiques et d’évaluation des performances. Un discours critique et constructif est encouragé pendant toutes les séances.

NOTE : Si vous éprouvez des difficultés techniques avec le matériel des laboratoires du département, s.v.p. communiquez le  problème à support-logti@etsmtl.ca.

• Langage de programmation: Python 3.x
• Environnements de développement : Linux (Ubuntu), Windows, Mac OS