Ce cours constitue une étude des agents intelligents : résolution de problèmes, algorithmes de recherches en longueur et en largeur, programmation des jeux : minimax, exptimax, savoir et raisonnement, planification, apprentissage, traitement du langage naturel, vision, robotique, les mécanismes d’inférence, les réseaux de Bayes, les processus de markov, le « Reinforcement learning » et leurs algorithmes : TD et Q. Ce cours comporte aussi une introduction au Machine Learning supervisé et non-supervisé : Decision trees, réseaux de neurones, support vector machines, K-NN et EM. Implémentation de différents algorithmes en utilisant python avec tensorflow et keras.

Temps présentiel : 45 heures

Charge de travail étudiant : 105 heures

Méthode(s) d'évaluation : Examen final, Examen partiel, Travail personnel