Etude 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 leur algorithmes : TD et Q. Introduction aux machines learning supervisé et non-supervisé : Decision trees, réseaux de neurones, support vector machines, K-NN et EM

Temps présentiel : 33 heures

Charge de travail étudiant : 9 heures

Méthode(s) d'évaluation : Examen écrit