Ce cours vise à présenter aux étudiants les fondements de l'intelligence artificielle ainsi que les caractéristiques et propriétés des systèmes d'intelligence artificielle. Il vise aussi à passer en revue les approches et techniques qui permettent de concevoir et programmer des systèmes capables, dans une certaine mesure, de prendre des décisions, de raisonner, d'apprendre, de planifier, de comprendre ou de communiquer en langage naturel. L'apprentissage automatique ou Le machine learning est une technique extrêmement performante permettant de réaliser des tâches cognitives diverses. Il permet de reconnaître des objets dans des images, de traduire automatiquement des textes, de jouer aux échecs ou au go, et plus généralement, de classer des observations à partir d'exemples. Cette mise en œuvre nécessite de maîtriser un ensemble de concepts. À travers ce cours, je vous présente les modèles de machine learning, les techniques pour les apprendre à partir de données, ainsi que leur utilisation sur des exemples concrets, programmés en Python et utilisant la librairie scikit-learn.
- Teacher: Chikhaoui Ahmed
L’intelligence artificielle est un vaste domaine de recherche. On y regroupe plusieurs approches partageant l’ambition de reproduire, à l’aide d’un ordinateur, des comportements communément qualifiés d’intelligents lorsqu’ils sont observés chez un être vivant. Cela peut, entres autres, se manifester par la reconnaissance de la parole, la synthèse d’un texte, l’élaboration d’une stratégie gagnante aux échecs ou le processus de d´éducation permettant de combiner une série d’axiomes afin d’en tirer une conclusion. L’apprentissage automatique est la branche de l’intelligence artificielle qui s’intéresse à la faculté d’apprendre à effectuer une tâche à partir de l’observation d’un environnement. Lorsqu’appliqué à des problèmes de classification, il s’agit d’apprendre à distinguer entre eux divers éléments de cet environnement par l’observation d’exemples. C’est par cette faculté qu’un enfant apprend à reconnaître entre elles chacune des vingt-six lettres de l’alphabet latin. Similairement, les algorithmes d’apprentissage automatique sont couramment utilisés pour construire des classificateurs de caractères manuscrits à l’aide d’une banque d’images de lettres de A à Z écrites par différents individus. Il ne s’agit que d’un exemple d’usage de l’apprentissage automatique, et il existe une multitude d’autres applications à une telle technologie. Notamment, on peut construire des classificateurs permettant de distinguer un champignon comestible d’un champignon vénéneux, de prévoir s’il pleuvra demain à partir des conditions météorologiques actuelles ou de produire un diagnostic médical (déterminer si un patient est porteur d’une maladie à partir d’un ensemble de symptômes). Le défi considérable de l’apprentissage automatique est de développer un algorithme capable de résoudre efficacement des problèmes de classification de natures diverses.