Logo ÉTS
Session
Cours
Responsable(s) Éric Granger

Se connecter
 

Sauvegarde réussie
Echec de sauvegarde
Avertissement


Préalables

Aucun préalable requis
 

Unités d’agrément

33,3 % 66,7 %
Total d'unités d'agrément : 64,8

Qualités de l’ingénieur

 









Qn
Qualité visée dans ce cours  
Qn
  Qualité visée dans un autre cours  
  Indicateur enseigné
  Indicateur évalué
  Indicateur enseigné et évalué

- Survolez les icones pour voir le nom de chaque qualité.
- Cliquez sur les icones pour voir la description.

Descriptif du cours

À la fin de ce cours, l’étudiant sera en mesure :

  • de définir le domaine de l’intelligence artificielle et particulièrement les réseaux de neurones;
  • résoudre des problèmes d’ingénierie à l’aide des réseaux de neurones.

Intelligence artificielle : définition, caractéristiques et architecture de base, représentation des connaissances, mécanismes d'inférence, raisonnement avec incertitude, stratégies de contrôle et méthodologie de construction. Réseaux de neurones : définition, caractéristiques, fondements biologiques, structure et fonctionnement de base, méthodologie de construction et présentation des principaux modèles. Les modèles sont présentés dans un contexte de système de reconnaissance de forme.

Séances de laboratoire : analyser le comportement des réseaux de neurones; réaliser et appliquer les réseaux de neurones pour fin de reconnaissance de forme.






Objectifs du cours

L'objectif global de ce cours est d’identifier, de décrire et d’utiliser les principaux modèles neuroniques et statistiques en intelligence artificielle. Les objectifs spécifiques du cours sont :

  • Décrire les différentes formes de représentation des connaissances et les principes de l'apprentissage automatique et de l'intelligence artificielle.
  • Choisir un modèle neuronique ou statistique approprié afin de résoudre un problème en reconnaissance de formes;
  • Mettre au point des simulations simples de systèmes pour l’extraction de descripteurs et la classification;

 

 


Stratégies pédagogiques

39    heures de cours magistral (enseignement théorique)

36    heures de laboratoire

  3    heures de travail personnel (en moyenne) par semaine

Pour atteindre les objectifs, l’étudiant assistera à des exposés magistraux à raison de 3h30 par semaine et à des séances de laboratoire (3 h par semaine) durant lesquelles il pourra simuler le fonctionnement de divers modèles neuroniques et statistiques appliqués à des problèmes en reconnaissance visuelle (extraction de descripteurs et classification).

 



Utilisation d’appareils électroniques

Les appareils électroniques (iPod Touch, téléphone intelligent, tablette, ordinateur portable) sont permis durant les cours, à des fins pédagogiques uniquement. La calculatrice est permise durant les cours et est le seul appareil électronique permis durant les examens.



Coordonnées de l’enseignant

* Double-cliquez sur le champ pour modifier le contenu