Formation - Intelligence artificielle : état de l'art et applications

Se préinscrire ou s'inscrire à cette formation Télécharger cette fiche

Environnement scientifique et technique de la formation

Raisonnement, Apprentissage et Décision en Intelligence Artificielle

- GDR 2018

RESPONSABLE

Sébastien KONIECZNY

Directeur de recherche

UMR 8188

LIEU

PARIS (75)

ORGANISATION

3 jours
De 6 à 15 stagiaires

MÉTHODES PÉDAGOGIQUES

Cours interactifs
En fin de formation, un test d'évaluation d'acquisition des connaissances sera effectué et une correction collective commentée permettra au stagiaire de se positionner sur l'atteinte des objectifs de la formation.
Un fichier au format PDF sera mis à disposition du stagiaire.

COÛT PÉDAGOGIQUE

1800 Euros

A L'ISSUE DE LA FORMATION

Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

DATE DU STAGE

Nous consulter

2024

Janvier	Février	Mars	Avril
Mai	Juin	Juillet	Août
Sept	Oct	Nov	Déc 24009

OBJECTIFS

Avoir un état de l'art de la recherche en intelligence artificielle (IA)

Connaître les outils et méthodes utilisés en IA et les principales applications

PUBLIC

Ingénieurs et décideurs de formation scientifique

PRÉREQUIS

Notions de base en informatique ou en mathématiques

PROGRAMME

Cette formation présente un aperçu des grandes thématiques de recherche au coeur de l'intelligence artificielle. Les différentes interventions se feront sous forme de cours interactifs. Chaque thématique sera illustrée par des exemples d'application, une description des technologies utilisées, les briques technologiques correspondantes, les acteurs clés et les grands défis du domaine.

Cours
- Introduction générale à l'intelligence artificielle : historique, panorama, considérations générales
- Représentation des connaissances et raisonnement, incertitude, décision : comment représenter des connaissances (connaissances, croyances, buts, préférences, obligations, informations spatiales et temporelles), comment modéliser des raisonnements, comment gérer l'incertitude, l'imprécision et l'incomplétude, présentation de différents modèles de décision (sous-incertitude, multicritères, décision de groupe, etc.)
- Apprentissage :
. symbolique
. statistique (machine learning)
. profond (deep learning)
. par renforcement
- Contraintes et SAT (comment résoudre en pratique des problèmes difficiles, programmation par contraintes, solveurs SAT)
- Planification : introduction à la planification, processus décisionnel de Markov (MDP et POMDP)
- Recherche heuristique : comment explorer de grands espaces de recherche, méthodes de Monte-Carlo (MCTS)
- Web sémantique : introduction aux logiques de description et ontologie, comment utiliser des connaissances (fournies par des ontologies) pour améliorer l'accès à de grandes bases de données (le web par exemple), OBDA (Ontology Based Data Access)

INTERVENANTS

Chercheurs et enseignants-chercheurs membres des laboratoires associés au GDR-RADIA

FORMATIONS SIMILAIRES